Documentazione API

Autenticazione

Invia la tua chiave API in Authorization header come token Bearer. Ottieni questa chiave immediatamente dopo la registrazione con Google o email su Ottieni la chiave API pagina. Se ne generi una nuova, questa sostituisce istantaneamente quella vecchia. Errori come chiavi non valide restituiscono un 401 stato. Errori come le addebiti doppi vengono risolti tramite la pagina Supporto.

Endpoint Chat Completions

Invia JSON a POST /v1/chat/completions per ottenere risposte testuali. Questo è l'unico endpoint per la generazione di testo. Non supporta embeddings, immagini o audio.

Imposta il model field a "uncensored". Il modello risponde senza rifiuti di contenuto per usi adulti leciti. È un modello open-weight ottimizzato per output senza restrizioni. Non è GPT, Claude o alcun altro modello di un fornitore.

Endpoint dei modelli

Chiama GET /v1/models per elencare i modelli disponibili. La risposta include il uncensored ID del modello. Usa questo per verificare la connettività o risolvere i problemi di configurazione nel tuo client.

L'endpoint restituisce metadati nel formato standard OpenAI. Questo ti aiuta a confermare che il tuo base URL e l'autenticazione funzionino correttamente prima di inviare payload pesanti.

Parametri & Opzioni

Supporta parametri standard come temperature, top_p, stop, seed, presence_penalty, e frequency_penalty. Imposta max_tokens per controllare la lunghezza dell'output. Il valore predefinito è 2.048 token se ometti questo campo.

La finestra di contesto è di 100.000 token per prompt e completamento combinati. Le richieste che superano le dimensioni del corpo di 8 MB potrebbero fallire. Sono supportati anche il function calling e la modalità JSON tramite campi standard.

Risposte in streaming

Abilita lo streaming impostando stream: true. Ricevi Server-Sent Events (SSE) man mano che i token vengono generati. Questo riduce la latenza percepita per le applicazioni interattive.

Le statistiche sull'utilizzo dei token appaiono nell'ultimo chunk dello stream. Ciò ti consente di monitorare i costi con precisione in tempo reale. Gli errori durante lo streaming restituiscono comunque codici di stato HTTP corretti.

Function Calling & JSON Mode

Usa response_format con {"type": "json_object"} per l'output JSON rigoroso. Questo è utile per analizzare i dati strutturati dall'LLM. Il function calling funziona con le definizioni standard degli strumenti.

Imposta tool_choice per controllare come il modello utilizza le funzioni. Il modello supporta sia l'uso automatico che forzato degli strumenti. Questo garantisce un'integrazione affidabile con la logica del tuo backend.

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)