Inicio rápido: Tu primera solicitud sin censura

Prerrequisitos: tu clave API y URL base

Empieza por generar una clave API en la Obtener clave API página. Puedes iniciar sesión con Google o usar una simple contraseña de correo electrónico; no se requiere número de teléfono. El sistema muestra tu clave inmediatamente, así que cópiala al portapapeles ahora.

Nuestra API está en https://api.alternativeaivenice.com/v1.Esta URL base funciona con cualquier SDK oficial de OpenAI actualizando el base_url parámetro. Solo necesitas una clave activa por cuenta; emitir una nueva reemplaza la clave anterior al instante.

Realizando tu primera completación de chat

Envía una carga útil estándar de completación de chat para recibir una salida de texto cruda y uncensored. Utiliza el ID del modelo uncensored acceder a nuestro modelo de peso abierto ajustado para uso adulto lícito sin rechazos de contenido.

A continuación se muestra una solicitud cURL básica que demuestra la estructura. Reemplaza YOUR_API_KEY con tu clave real para ver cómo el modelo responde a tu prompt.

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"}]
  }'

Respuestas en streaming con Server-Sent Events

Para interacción en tiempo real, habilita el streaming estableciendo stream: true. La API devuelve Eventos Enviados por Servidor (SSE) donde los detalles de uso de tokens aparecen en el último fragmento.

Este enfoque reduce la latencia percibida para respuestas largas. Usa el fragmento de Python a continuación para gestionar el flujo de forma eficiente en tu aplicación.

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)

Usando Modo JSON para Datos Estructurados

Fuerza una salida estructurada estableciendo response_format para {"type": "json_object"}. Esto garantiza que el modelo devuelva JSON, lo cual es ideal para analizar datos en tus sistemas backend.

También puedes usar la llamada de funciones con el tools parámetro. El ejemplo de Node.js a continuación muestra cómo configurar esto para un análisis fiable.

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);

Comprensión de las ventanas de contexto y sus límites

Nuestro modelo soporta una ventana de contexto de 100,000 tokens, que cubre tanto el prompt como la completación. Puedes generar hasta 16,000 tokens por solicitud, o 2,048 si omites max_tokens.

Los límites de velocidad permiten 300 solicitudes por minuto y 8 solicitudes concurrentes por clave. El cuerpo de la solicitud debe ser inferior a 8 MB. Estos límites garantizan un rendimiento estable para tus integraciones de LLM sin censura.

Solución de errores comunes

401 No autorizado significa que tu clave de API es inválida o ha caducado. Regenera una clave desde tu panel. 402 Pago requerido indica crédito prepagado insuficiente. Recarga mediante criptomonedas para continuar. 429 Demasiadas solicitudes señalan que has alcanzado el límite de 300 solicitudes por minuto.

Las negativas son raras pero se aplican al contenido sexual que involucra a menores. Los errores durante el procesamiento no consumen tu crédito, por lo que puedes reintentar de forma segura.

Transmisión

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)