API-Dokumentation

Authentifizierung

Senden Sie Ihren API-Schlüssel im Authorization header als Bearer-Token. Sie erhalten diesen Schlüssel unmittelbar nach der Anmeldung mit Google oder E-Mail auf der API-Schlüssel erhalten Seite. Wenn Sie einen neuen generieren, ersetzt er den alten sofort. Fehler wie ungültige Schlüssel geben eine 401 status. Mistakes such as double charges are fixed through the Support page.

Chat-Vervollständigungs-Endpunkt

Senden Sie JSON an POST /v1/chat/completions Textantworten zu erhalten. Dies ist der einzige Endpunkt zur Textgenerierung. Er unterstützt keine Embeddings, Bilder oder Audio.

Legen Sie den model field to "uncensored". Das Modell antwortet ohne Inhaltsablehnungen für die rechtmäßige erwachsene Nutzung. Es ist ein Open-Weight-Modell, das auf unbeschränkte Ausgaben abgestimmt ist. Es ist kein GPT, Claude oder ein anderes Modell eines anderen Anbieters.

Models-Endpunkt

Anruf GET /v1/models verfügbare Modelle aufzulisten. Die Antwort enthält die uncensored Modell-ID. Verwenden Sie dies, um die Konnektivität zu überprüfen oder Konfigurationsprobleme in Ihrem Client zu debuggen.

Der Endpunkt gibt Standard-OpenAI-Format-Metadaten zurück. Dies hilft Ihnen zu bestätigen, dass Ihre Basis-URL und Authentifizierung korrekt funktionieren, bevor Sie schwere Payloads senden.

Parameter & Optionen

Unterstützt Standardparameter wie temperature, top_p, stop, seed, presence_penalty, und frequency_penalty. Legen max_tokens um die Ausgabelänge zu steuern. Der Standardwert beträgt 2.048 Token, wenn Sie dieses Feld weglassen.

Das Context-Window beträgt 100.000 Tokens für Prompt und Completion zusammen. Anfragen, die die 8-MB-Body-Größe überschreiten, können fehlschlagen. Function Calling und JSON-Modus werden ebenfalls über Standardfelder unterstützt.

Streaming-Antworten

Aktivieren Sie Streaming, indem Sie stream: true. Sie erhalten Server-Sent Events (SSE), während Tokens generiert werden. Dies reduziert die wahrgenommene Latenz für interaktive Anwendungen.

Token-Nutzungsstatistiken erscheinen im letzten Chunk des Streams. Dies ermöglicht es Ihnen, die Kosten in Echtzeit genau zu verfolgen. Fehler während des Streams geben weiterhin korrekte HTTP-Statuscodes zurück.

Funktionsaufruf & JSON-Modus

Verwenden response_format mit {"type": "json_object"} für strikte JSON-Ausgabe. Dies ist nützlich zum Parsen strukturierter Daten aus dem LLM. Function Calling funktioniert mit Standard-Tool-Definitionen.

Festlegen tool_choice die Art und Weise zu steuern, wie das Modell Funktionen nutzt. Das Modell unterstützt sowohl automatische als auch erzwungene Tool-Nutzung. Dies gewährleistet eine zuverlässige Integration mit Ihrer Backend-Logik.

cURL

Copycurl https://api.mistralaiapikey.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "what is the api limit for this service"}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.mistralaiapikey.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)

Node.js

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.mistralaiapikey.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

Copystream = 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)