Schnellstart: Ihre erste unzensierte Anfrage

Voraussetzungen: Ihr API-Schlüssel und Base-URL

Erstellen Sie zunächst einen API-Schlüssel auf der API-Schlüssel erhalten Seite. Sie können sich mit Google anmelden oder ein einfaches E-Mail-Passwort verwenden; es ist keine Telefonnummer erforderlich. Das System zeigt Ihren Schlüssel sofort an, also kopieren Sie ihn jetzt in die Zwischenablage.

Unsere API befindet sich unter https://api.alternativeaivenice.com/v1. Diese Basis-URL funktioniert mit jedem offiziellen OpenAI-SDK, indem Sie den base_url Parameter. Sie benötigen nur einen aktiven Schlüssel pro Konto; die Ausgabe eines neuen Schlüssels ersetzt den vorherigen Schlüssel sofort.

Ihre erste Chat-Antwort erstellen

Senden Sie eine Standard-Chat-Vervollständigungs-Payload, um rohe, uncensored-Textausgabe zu erhalten. Verwenden Sie die Modell-ID uncensored auf unser Open-Weight-Modell zugreifen, das für zulässige erwachsene Nutzung ohne Inhaltsablehnungen optimiert ist.

Unten finden Sie eine grundlegende cURL-Anfrage, die die Struktur demonstriert. Ersetzen Sie YOUR_API_KEY mit Ihrem tatsächlichen Schlüssel, um zu sehen, wie das Modell auf Ihre Eingabe antwortet.

Copycurl https://api.alternativeaivenice.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list the top ten programming languages"}]
  }'

Streaming-Antworten mit Server-Sent Events

Für Echtzeit-Interaktionen aktivieren Sie Streaming, indem Sie stream: true. Die API gibt Server-Sent Events (SSE) zurück, wobei die Details zur Token-Nutzung im letzten Chunk erscheinen.

Dieser Ansatz reduziert die wahrgenommene Latenz bei langen Antworten. Verwenden Sie den folgenden Python-Code, um den Stream effizient in Ihrer Anwendung zu verarbeiten.

Copyfrom openai import OpenAI

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

Die Verwendung von JSON-Modus für strukturierte Daten

Erzwingen Sie strukturierte Ausgabe, indem Sie response_format zu {"type": "json_object"}. Dies stellt sicher, dass das Modell gültiges JSON zurückgibt, was ideal zum Parsen von Daten in Ihre Backend-Systeme ist.

Sie können Function Calling auch mit dem tools Parameter. Das Node.js-Beispiel unten zeigt, wie Sie dies für eine zuverlässige Parserung konfigurieren.

Copyimport OpenAI from "openai";

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

Verständnis von Kontextfenstern und -grenzen

Unser Modell unterstützt ein Kontextfenster von 100.000 Tokens, das sowohl Prompt als auch Vervollständigung abdeckt. Sie können bis zu 16.000 Tokens pro Anfrage generieren oder 2.048, wenn Sie max_tokens.

Rate-Limits erlauben 300 Anfragen pro Minute und 8 gleichzeitige Anfragen pro Schlüssel. Der Anfragekörper muss unter 8 MB bleiben. Diese Limits gewährleisten stabile Leistung für Ihre uncensored-LLM-Integrationen.

Fehlerbehebung bei häufigen Fehlern

401 Unauthorized Bedeutet, dass Ihr API-Schlüssel ungültig oder abgelaufen ist. Generieren Sie einen neuen Schlüssel in Ihrem Dashboard. 402 Payment Required gibt unzureichendes prepaid-Guthaben an. Laden Sie über Krypto auf, um fortzufahren. 429 Too Many Requests signals you have hit the 300 requests per minute limit.

Ablehnungen sind selten, gelten aber für sexuelle Inhalte, die Minderjährige betreffen. Fehler während der Verarbeitung verbrauchen Ihr Guthaben nicht, sodass Sie sicher wiederholen können.

Streaming

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)