API-dokumentation

Autentisering

Skicka din API-nyckel i Authorization header som ett Bearer-token. Du får denna nyckel omedelbart efter att ha registrat dig med Google eller e-post på Hämta API-nyckel sida. Om du genererar en ny ersätter den den gamla omedelbart. Fel som ogiltiga nycklar returnerar en 401 status. Misstag såsom dubbla debiteringar åtgärdas via Support-sidan.

Slutpunkt för chattkomplettering

Skicka JSON till POST /v1/chat/completions att få textsvar. Detta är den enda slutpunkten för textgenerering. Den stöder inte embeddingar, bilder eller ljud.

Ställ in model field to "uncensored". Modellen svarar utan innehållsvägraner för laglig vuxen användning. Det är en öppen vikt-modell justerad för obegränsad utdata. Det är inte GPT, Claude eller någon annan leverantörs modell.

Modelländpunkt

Anrop GET /v1/models för att lista tillgängliga modeller. Svaret innehåller den uncensored modell-ID. Använd detta för att verifiera anslutningen eller felsöka konfigurationsproblem i din klient.

Slutpunkten returnerar standard OpenAI-format metadata. Detta hjälper dig att bekräfta att din bas-URL och autentisering fungerar korrekt innan du skickar tunga laster.

Parameters & Options

Stöd för standardparametrar som temperature, top_p, stop, seed, presence_penalty, och frequency_penalty. Ställ in max_tokens för att styra utmatningslängd. Standardvärdet är 2 048 tokens om du utelämnar detta fält.

Kontextfönstret är 100 000 tokens för prompt och output tillsammans. Begäran som överstiger 8 MB kroppsstorlek kan misslyckas. Funktionssamling och JSON-läge stöds också via standardfält.

Strömningsresponser

Aktivera strömning genom att ställa in stream: true. Du tar emot Server-Sent Events (SSE) när token genereras. Detta minskar upplevd latens för interaktiva applikationer.

Tokenanvändningsstatistik visas i den sista biten av strömmen. Detta gör att du kan spåra kostnader noggrant i realtid. Fel under strömning returnerar fortfarande korrekta HTTP-statuskoder.

Function Calling & JSON Mode

Använd response_format med {"type": "json_object"} för strikt JSON-utdata. Detta är användbart för att analysera strukturerad data från LLM:n. Function calling fungerar med standard verktygsdefinitioner.

Ställ in tool_choice för att styra hur modellen använder funktioner. Modellen stöder både automatiskt och tvingat verktygsanvändning. Detta säkerställer pålitlig integration med din 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);

Strömning

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)