URL Base e Autenticazione
Avvia ogni richiesta puntando il tuo SDK al nostro URL base e fornendo la tua chiave di API nell'intestazione di autorizzazione.
L'endpoint è https://api.openrouterabliteratedmodels.com/v1. Autenticati utilizzando un token Bearer generato nella dashboard del tuo account. Questa chiave è l'unica credenziale richiesta per tutte le chiamate successive, garantendo che le tue richieste vengano instradate direttamente alla nostra infrastruttura di modelli uncensored senza livelli di instradamento intermedi.
Prima richiesta
Invia la tua prima completion inviando un messaggio all'endpoint delle chat completions utilizzando il tuo client HTTP preferito.
L'identificatore del modello è strettamente uncensored. Puoi inviare prompt di testo con parametri standard come temperatura o top_p. L'API restituisce una risposta testuale senza rifiuti di contenuto per argomenti adulti leciti, mantenendo il comportamento abliterated che ti aspetti dai modelli open-weight ottimizzati per output senza restrizioni.
curl https://api.openrouterabliteratedmodels.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "Calculate the factorial of 5."}]
}'SDK Python
Integra l'API nei tuoi progetti Python impostando l'URL base e il nome del modello nella configurazione del client OpenAI.
Questo approccio permette di riutilizzare il codice esistente che prevede un endpoint compatibile con OpenAI. Passare la chiave API tramite variabili di ambiente o inizializzazione diretta. Il client gestisce la serializzazione e l'analisi degli errori automaticamente, fornendo token di testo grezzi o JSON strutturato a seconda delle impostazioni del formato di risposta.
from openai import OpenAI
client = OpenAI(base_url="https://api.openrouterabliteratedmodels.com/v1", api_key="YOUR_KEY")
resp = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)SDK Node
Connetti le tue applicazioni Node.js configurando il pacchetto OpenAI in modo che punti al nostro URL base specifico invece di quello predefinito.
Imposta il apiKey e baseURL proprietà prima di effettuare qualsiasi chiamata. Questo garantisce che le tue chiamate di funzione, le risposte in streaming e le richieste in modalità JSON vengano indirizzate alla nostra infrastruttura uncensored. Puoi continuare a utilizzare metodi familiari come chat.completions.create con piena compatibilità.
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.openrouterabliteratedmodels.com/v1", apiKey: process.env.API_KEY });
const resp = await client.chat.completions.create({
model: "uncensored",
messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);Streaming con SSE
Ricevi generazione di testo in tempo reale abilitando la modalità streaming, che invia i token non appena diventano disponibili tramite Server-Sent Events.
Imposta il parametro stream su true nella richiesta. L'API restituisce una serie di chunk, consentendoti di renderizzare il testo in modo incrementale nell'interfaccia utente. Le statistiche sull'utilizzo dei token sono incluse nell'ultimo chunk, quindi puoi monitorare il consumo con precisione senza attendere che l'intera risposta termini la generazione.
stream = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Tell the story in second person."}],
stream=True,
)
for chunk in stream:
if chunk.choices and chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="", flush=True)Modalità JSON e chiamata di funzioni
Garantisce un output strutturato o abilita l'utilizzo degli strumenti configurando il formato della richiesta e le definizioni degli strumenti nel payload.
Usa response_format impostato a json_object per garantire che il modello restituisca JSON valido senza wrapper markdown. Per il function calling, definisci i tuoi strumenti nel corpo della richiesta e lascia che il modello decida quando invocarli. Questo supporta flussi di lavoro complessi in cui il modello uncensored deve restituire dati strutturati per l'elaborazione downstream.
