प्रमाणीकरण
अपनी API कुंजी में भेजें Authorization header एक Bearer token के रूप में। आप Google या ईमेल से साइनअप करने के तुरंत बाद यह कुंजी प्राप्त करते हैं API कुंजी प्राप्त करें पेज। यदि आप एक नई जनरेट करते हैं, तो यह पुरानी कुंजी को तुरंत प्रतिस्थापित कर देती है। अमान्य कुंजियों जैसे त्रुटियां एक 401 स्थिति। त्रुटियां जैसे डबल चार्ज सपोर्ट पेज के माध्यम से ठीक की जाती हैं।
चैट कंप्लीशंस एंडपॉइंट
Post JSON to POST /v1/chat/completions टेक्स्ट प्रतिक्रियाएं प्राप्त करने के लिए। टेक्स्ट जनरेट करने का यह एकमात्र एंडपॉइंट है। यह एम्बेडिंग, इमेज या ऑडियो को समर्थित नहीं करता है।
सेट करें model field को "uncensored". मॉडल कानूनी वयस्क उपयोग के लिए सामग्री अस्वीकृति के बिना उत्तर देता है। यह एक ओपन-वेइट मॉडल है जो असीमित आउटपुट के लिए ट्यून किया गया है। यह GPT, Claude या किसी अन्य वेंडर का मॉडल नहीं है।
Models Endpoint
कॉल GET /v1/models उपलब्ध मॉडल सूचीबद्ध करने के लिए। प्रतिक्रिया में शामिल है uncensored मॉडल आईडी। कनेक्टिविटी सत्यापित करने या क्लाइंट में कॉन्फ़िगरेशन समस्याओं को डिबग करने के लिए इसका उपयोग करें।
एंडपॉइंट मानक OpenAI फॉर्मेट मेटाडेटा लौटाता है। यह आपको भारी पेलोइड भेजने से पहले यह पुष्टि करने में मदद करता है कि आपका बेस यूआरएल और प्रमाणीकरण सही ढंग से काम कर रहे हैं।
पैरामीटर & विकल्प
मानक पैरामीटर जैसे का समर्थन करें temperature, top_p, stop, seed, presence_penalty, और frequency_penaltyसेट करें max_tokens आउटपुट की लंबाई को नियंत्रित करने के लिए। यदि आप इस फ़ील्ड को छोड़ देते हैं, तो डिफ़ॉल्ट 2,048 टोकन है।
प्रॉम्प्ट और कंप्लीशन दोनों के लिए कंटेक्स्ट विंडो 100,000 टोकन है। 8 MB बॉडी साइज से अधिक अनुरोध विफल हो सकते हैं। फंक्शन कॉलिंग और JSON मोड मानक फ़ील्ड्स के माध्यम से भी समर्थित हैं।
स्ट्रीमिंग रिस्पॉन्सेस
सेटिंग करके स्ट्रीमिंग सक्षम करें stream: true. आप टोकन जनरेट होने पर सर्वर-सेंट इवेंट्स (SSE) प्राप्त करते हैं। यह इंटरैक्टिव एप्लिकेशन के लिए अनुपस्थित विलंबता को कम करता है।
टोकन उपयोग आंकड़े स्ट्रीम के अंतिम चंक में प्रकट होते हैं। इससे आपको रियल-टाइम में सटीक लागत ट्रैक करने की सुविधा मिलती है। स्ट्रीमिंग के दौरान त्रुटियां अभी भी उचित HTTP स्टेटस कोड लौटाती हैं।
फंक्शन कॉलिंग & JSON मोड
उपयोग करें response_format के साथ {"type": "json_object"} कठोर JSON आउटपुट के लिए। यह LLM से संरचित डेटा पार्स करने के लिए उपयोगी है। फंक्शन कॉलिंग मानक टूल परिभाषाओं के साथ काम करती है।
सेट करें tool_choice मॉडल फंक्शंस का उपयोग कैसे करता है, इसे नियंत्रित करने के लिए। मॉडल स्वचालित और बाध्य टूल उपयोग दोनों का समर्थन करता है। यह आपके बैकएंड लॉजिक के साथ विश्वसनीय एकीकरण सुनिश्चित करता है।
cURL
curl 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
from 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
import 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);स्ट्रीमिंग
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)