Modèle IA sans censure pour le codage : Documentation API

URL de base et authentification

Notre API suit la structure des chat-completions OpenAI, vous permettant d'utiliser les SDK existants avec une configuration minimale. L'URL de base est https://api.uncensoredcodingai.com/v1. L'authentification est gérée via un token Bearer dans l'en-tête Authorization. Vous devez inclure votre clé API exactement comme lors de l'inscription ; il n'y a pas d'abonnements ni de frais mensuels, uniquement du crédit prépayé au paiement à l'usage.

Important : Bien que le modèle soit très permissif, il ne supprime pas tous les filtres. Une limite de contenu stricte s'applique toujours : les requêtes contenant du contenu sexuel impliquant des mineurs seront bloquées. Tous les autres sujets adultes, controversés ou techniques, s'ils sont licites, sont traités sans refus.

Première requête

Envoyez une requête standard de chat completion pour générer du texte. L'ID du modèle est uncensored. Il s'agit d'un LLM de codage sans censure optimisé pour la génération de code et les tâches techniques, et non un clone de GPT ou Claude. Le modèle s'exécute sur nos propres serveurs GPU et est un modèle à poids ouverts ajusté pour des réponses directes.

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."}]
  }'

Remplacez YOUR_API_KEY par votre clé réelle. La réponse contiendra le texte généré dans le champ choices[0].message.content. Assurez-vous que votre entrée tient dans la fenêtre de contexte de 100 000 tokens.

Intégration SDK Python

Utilisez le package Python officiel openai pour interagir avec l'API. Initialisez le client avec l'URL de base personnalisée et votre clé API. Cette approche vous permet de tirer parti des bases de code existantes qui prennent déjà en charge les endpoints compatibles OpenAI.

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)

Ce script envoie un prompt au modèle de codage sans censure et affiche la réponse. L'ID du modèle est défini sur uncensored. Vous pouvez ajuster les paramètres temperature et max_tokens pour contrôler la créativité et la longueur de la sortie. Rappelez-vous que le LLM sans censure n'a pas de mémoire des conversations précédentes à moins que vous ne passiez l'historique complet dans le tableau messages.

Intégration SDK Node

Pour les projets JavaScript et TypeScript, utilisez le package Node openai. Configurez le client avec les variables d'environnement ou les valeurs directes baseUrl et 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);

Cet exemple crée une requête de chat completion en utilisant le modèle uncensored. L'objet de réponse contient le texte généré. Vous pouvez gérer les erreurs et les codes de statut directement dans la logique de votre application Node.js. Cette méthode est idéale pour les services backend ou les fonctions serverless qui doivent générer du code ou du texte à la demande.

Réponses en streaming

Activez le streaming en définissant stream: true dans votre requête. L'API retourne un flux Server-Sent Events (SSE), vous permettant d'afficher la sortie au fur et à mesure de sa génération. Cela est utile pour les gros blocs de code ou les explications longues.

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)

Traitez les chunks du stream à leur arrivée. Chaque chunk contient du texte partiel que vous pouvez ajouter à votre interface utilisateur ou journaliser. Le streaming réduit la latence perçue pour l'utilisateur, car il voit les progrès immédiatement. Le temps total de réponse dépend toujours de la vitesse d'inférence du modèle et de la longueur de la sortie.

Limites, erreurs et contexte

Votre clé API est limitée à 300 requêtes par minute. Si vous dépassez cette limite, vous recevrez une erreur 429 Trop de requêtes. La taille du corps de la requête est plafonnée à 8 Mo. Les erreurs d'authentification retournent un statut 401 si la clé est invalide. Les erreurs de facturation retournent un statut 402 si votre crédit prépayé est épuisé ; rechargez à partir de 10 $ pour rétablir le service.

Le modèle prend en charge une fenêtre de contexte de 100k (prompt + complétion). Assurez-vous que vos entrées tiennent dans cette limite. Si vous avez besoin de plus de contexte, vous devrez peut-être gérer le troncage dans la logique de votre application. Le modèle de codage sans censure est conçu pour la fiabilité, surveillez donc votre utilisation pour éviter les interruptions.