Unzensiertes KI-Modell für Coding: API-Dokumentation

Base URL & Authentifizierung

Unsere API folgt der OpenAI-Struktur für Chat-Kompletierungen, sodass du bestehende SDKs mit minimaler Konfiguration nutzen kannst. Die Basis-URL ist https://api.uncensoredcodingai.com/v1. Die Authentifizierung erfolgt über ein Bearer-Token im Authorization-Header. Du musst deinen API-Schlüssel genau so eingeben, wie er bei der Anmeldung angegeben wurde; es gibt keine Abonnements oder monatlichen Gebühren, nur Prepaid-Guthaben im Pay-as-you-go-Modus.

Wichtig: Obwohl das Modell sehr tolerant ist, werden nicht alle Filter entfernt. Es gilt immer eine harte Inhaltsgrenze: Anfragen mit sexuellen Inhalten mit Minderjährigen werden blockiert. Alle anderen legalen erwachsenen, kontroversen oder technischen Themen werden ohne Verweigerung verarbeitet.

Erste Anfrage

Sende eine Standard-Chat-Completion-Anfrage, um Text zu generieren. Die Modell-ID ist uncensored. Dies ist ein unzensiertes Coding-LLM, das für Codegenerierung und technische Aufgaben optimiert ist, kein Klon von GPT oder Claude. Das Modell läuft auf unseren eigenen GPU-Servern und ist ein Open-Weight-Modell, das auf direkte Antworten abgestimmt ist.

Copycurl https://api.uncensoredcodingai.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

Ersetze YOUR_API_KEY durch deinen tatsächlichen Schlüssel. Die Antwort enthält den generierten Text im Feld choices[0].message.content. Stelle sicher, dass deine Eingabe in das 100.000-Token-Kontextfenster passt.

Python SDK-Integration

Nutze das offizielle openai Python-Paket, um mit der API zu interagieren. Initialisiere den Client mit der benutzerdefinierten Base URL und deinem API-Schlüssel. Dieser Ansatz ermöglicht es dir, bestehende Codebasen zu nutzen, die bereits OpenAI-kompatible Endpunkte unterstützen.

Copyfrom openai import OpenAI

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

Dieses Skript sendet einen Prompt an das unzensierte KI-Modell und gibt die Antwort aus. Die Modell-ID ist auf uncensored eingestellt. Du kannst die Parameter temperature und max_tokens anpassen, um Kreativität und Ausgabelänge zu steuern. Denke daran, dass das unzensierte LLM keinen Speicher für vorherige Unterhaltungen hat, es sei denn, du übergibst den vollständigen Verlauf im messages-Array.

Node SDK-Integration

Für JavaScript- und TypeScript-Projekte nutze das openai Node-Paket. Konfiguriere den Client mit den Umgebungsvariablen oder direkten Werten für baseUrl und apiKey.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.uncensoredcodingai.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);

Dieses Beispiel erstellt eine Chat-Completion-Anfrage mit dem uncensored-Modell. Das Antwortobjekt enthält den generierten Text. Du kannst Fehler und Statuscodes direkt in deiner Node.js-Anwendungslogik behandeln. Diese Methode ist ideal für Backend-Services oder Serverless-Funktionen, die Code oder Text bei Bedarf generieren müssen.

Streaming-Antworten

Aktiviere Streaming, indem du stream: true in deiner Anfrage festlegst. Die API gibt einen Server-Sent Events (SSE)-Stream zurück, sodass du die Ausgabe anzeigen kannst, während sie generiert wird. Dies ist nützlich für große Codeblöcke oder ausführliche Erklärungen.

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)

Verarbeite die Stream-Chunks, sobald sie eintreffen. Jeder Chunk enthält partiellen Text, den du an deine UI anhängen oder protokollieren kannst. Streaming reduziert die wahrgenommene Latenz für den Benutzer, da Fortschritt sofort sichtbar wird. Die Gesamtantwortzeit hängt jedoch weiterhin von der Inferenzgeschwindigkeit des Modells und der Länge der Ausgabe ab.

Grenzen, Fehler & Kontext

Dein API-Schlüssel ist auf 300 Anfragen pro Minute begrenzt. Wenn du dies überschreitest, erhältst du einen 429 Too Many Requests-Fehler. Die Größe des Anfragekörpers ist auf 8 MB begrenzt. Authentifizierungsfehler geben einen 401-Status zurück, wenn der Schlüssel ungültig ist. Zahlungsfehler geben einen 402-Status zurück, wenn dein Prepaid-Guthaben aufgebraucht ist; lade ab 10 $ auf, um den Dienst wiederherzustellen.

Das Modell unterstützt ein 100k-Kontextfenster (Prompt + Completion). Stelle sicher, dass deine Eingaben in dieses Limit passen. Wenn du mehr Kontext benötigst, musst du möglicherweise das Abschneiden in deiner Anwendungslogik verwalten. Das unzensierte KI-Modell für Coding ist auf Zuverlässigkeit ausgelegt, also überwache deine Nutzung, um Unterbrechungen zu vermeiden.