コーディング用無検閲AIモデル：APIドキュメント

ベースURLと認証

当社のAPIはOpenAIのchat-completions構造に従っており、最小限の設定で既存のSDKを使用できます。ベースURLはhttps://api.uncensoredcodingai.com/v1です。認証はAuthorizationヘッダー内のBearerトークンによって処理されます。サインアップ時に提供されたのと同じAPIキーを正確に含める必要があります。サブスクリプションや月額料金はなく、従量課金の前払いクレジットのみです。

重要： 本モデルは非常に寛容ですが、すべてのフィルタが解除されるわけではありません。未成年者に関する性的コンテンツを含むリクエストは常にブロックされます。それ以外の法的に許可された大人向け、論争的、または技術的なトピックは拒否せずに処理されます。

最初のリクエスト

標準的なチャット補完リクエストを送信してテキストを生成します。モデルIDはuncensoredです。これはGPTやClaudeのクローンではなく、コード生成や技術的タスクに最適化された無検閲のコーディングLLMです。モデルは当社のGPUサーバー上で実行され、直接応答にチューニングされたオープンウェイトモデルです。

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."}]
  }'

YOUR_API_KEYを実際のキーに置き換えてください。レスポンスにはchoices[0].message.contentフィールドに生成テキストが含まれます。入力が100,000トークンのコンテキストウィンドウ内に収まることを確認してください。

Python SDK統合

APIと対話するために公式のopenaiPythonパッケージを使用します。カスタムベースURLとAPIキーを使用してクライアントを初期化します。このアプローチにより、すでにOpenAI互換エンドポイントをサポートしている既存のコードベースを活用できます。

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)

このスクリプトはプロンプトを無検閲AIモデルに送信し、応答を出力します。モデルIDはuncensoredに設定されています。temperatureおよびmax_tokensパラメータを調整して、創造性と出力長を制御できます。メッセージ配列に履歴全体を渡さない限り、無検閲LLMは以前の会話の記憶を持たないことに注意してください。

Node SDK統合

JavaScriptおよびTypeScriptプロジェクトでは、openaiNodeパッケージを使用します。baseUrlおよびapiKey環境変数または直接値を使用してクライアントを設定します。

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);

この例では、uncensoredモデルを使用してチャット補完リクエストを作成します。応答オブジェクトには生成されたテキストが含まれます。エラーやステータスコードをNode.jsアプリケーションのロジック内で直接処理できます。この方法は、オンデマンドでコードやテキストを生成する必要があるバックエンドサービスやサーバーレス関数に最適です。

ストリーミングレスポンス

リクエストにstream: trueを設定してストリーミングを有効にします。APIはサーバー送信イベント（SSE）ストリームを返し、生成されながら出力を表示することができます。これは、大きなコードブロックや長い説明に役立ちます。

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)

ストリームチャンクは到着時に処理します。各チャンクにはUIに追加またはログに記録できる部分的なテキストが含まれています。ストリーミングにより、ユーザーは進行状況を即座に確認できるため、知覚されるレイテンシが軽減されます。総レスポンス時間は、モデルの推論速度と出力の長さに依存します。

制限、エラー、コンテキスト

APIキーは1分あたり300リクエストに制限されています。これを超えると、429 Too Many Requestsエラーが発生します。リクエストボディのサイズは8 MBに制限されています。認証エラーはキーが無効な場合に401ステータスを返します。課金エラーは前払いクレジットが枯渇した場合402ステータスを返します。サービス復旧のため10ドル以上チャージしてください。

モデルは100kのコンテキストウィンドウ（プロンプト＋補完）をサポートします。入力がこの制限内に収まることを確認してください。より多くのコンテキストが必要な場合は、アプリケーションロジックで切り捨てを管理する必要があります。コーディング用の無検閲AIモデルは信頼性を重視して設計されているため、中断を避けるために使用状況を監視してください。