Dokumentacja API

Uwierzytelnianie

Wyślij swój klucz API w Authorization nagłówek jako token Bearer. Otrzymujesz ten klucz natychmiast po rejestracji za pomocą Google lub e-mail na stronie Pobierz klucz API strony. Jeśli wygenerujesz nowy, zastąpi on stary natychmiast. Błędy takie jak nieprawidłowe klucze zwracają 401 status. Błędy, takie jak podwójne obciążenia, są naprawiane na stronie Wsparcie.

Punkt końcowy Uzupełnień Czat

Wyślij JSON do POST /v1/chat/completions uzyskanie odpowiedzi tekstowych. To jedyny endpoint do generowania tekstu. Nie obsługuje embeddingów, obrazów ani audio.

Ustaw model pole do "uncensored". Model odpowiada bez odrzuceń treści dla treści dla dorosłych w zakresie prawa. Jest to model open-weight dostosowany do wyjść bez ograniczeń. Nie jest to GPT, Claude ani żaden inny model dostawcy.

Punkt końcowy Modeli

Wywołanie GET /v1/models wyświetlić dostępne modele. Odpowiedź zawiera uncensored ID modelu. Użyj tego do weryfikacji łączności lub debugowania problemów z konfiguracją w Twoim kliencie.

Punkt końcowy zwraca standardowe metadane w formacie OpenAI. Pomaga to potwierdzić, że Twój adres bazowy i uwierzytelnianie działają poprawnie przed wysłaniem dużych ładunków danych.

Parametry & Opcje

Obsługa standardowych parametrów takich jak temperature, top_p, stop, seed, presence_penalty, a także frequency_penalty. Ustaw max_tokens do kontrolowania długości wyjścia. Domyślna wartość to 2 048 tokenów, jeśli pominisz to pole.

Okno kontekstowe wynosi 100 000 tokenów łącznie dla promptu i uzupełnienia. Żądania przekraczające rozmiar ciała 8 MB mogą się nie powieść. Wywoływanie funkcji i tryb JSON są również obsługiwane za pomocą standardowych pól.

Odpowiedzi strumieniowe

Włącz strumieniowanie, ustawiając stream: true. Otrzymujesz Zdarzenia Serwera (SSE) w miarę generowania tokenów. Zmniejsza to postrzeganą latencję dla aplikacji interaktywnych.

Statystyki użycia tokenów pojawiają się w ostatnim kawałku strumienia. Pozwala to na dokładne śledzenie kosztów w czasie rzeczywistym. Błędy podczas strumieniowania nadal zwracają poprawne kody statusu HTTP.

Wywoływanie funkcji & Tryb JSON

Użyj response_format z {"type": "json_object"} dla ścisłego wyjścia JSON. Jest to przydatne do parsowania danych strukturalnych z LLM. Wywoływanie funkcji działa ze standardowymi definicjami narzędzi.

Ustaw tool_choice kontrolować, jak model wykorzystuje funkcje. Model obsługuje zarówno automatyczne, jak i wymuszone używanie narzędzi. Zapewnia to niezawodną integrację z logiką Twojego backendu.

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);

Strumieniowanie

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)