Avvio rapido: La tua prima richiesta senza filtri

Prerequisiti: la tua chiave API e URL di base

Inizia generando una chiave API su Ottieni la chiave API pagina. Puoi accedere con Google o utilizzare una semplice email e password; non è richiesto un numero di telefono. Il sistema visualizza immediatamente la tua chiave, quindi copiala negli appunti ora.

La nostra API si trova a https://api.alternativeaivenice.com/v1. Questo URL di base funziona con qualsiasi SDK ufficiale di OpenAI aggiornando il base_url parametro. Hai bisogno di una sola chiave attiva per account; l'emissione di una nuova sostituisce istantaneamente la chiave precedente.

Esecuzione della tua prima chat completion

Invia un payload standard di completamento chat per ricevere un output di testo grezzo e senza filtri. Usa l'ID del modello uncensored al nostro modello open-weight ottimizzato per uso adulto legale senza rifiuti di contenuto.

Di seguito è riportata una richiesta cURL di base che dimostra la struttura. Sostituisci YOUR_API_KEY con la tua chiave effettiva per vedere il modello rispondere al tuo 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"}]
  }'

Risposte in streaming con Server-Sent Events

Per l'interazione in tempo reale, abilita lo streaming impostando stream: true. L'API restituisce Server-Sent Events (SSE) dove i dettagli sull'utilizzo dei token appaiono nell'ultimo chunk.

Questo approccio riduce la latenza percepita per le risposte lunghe. Usa lo snippet Python di seguito per gestire lo stream in modo efficiente nella tua applicazione.

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)

Utilizzando la modalità JSON per dati strutturati

Forza un output strutturato impostando response_format a {"type": "json_object"}. Questo garantisce che il modello restituisca JSON, che è ideale per il parsing dei dati nei tuoi sistemi backend.

Puoi anche utilizzare il function calling con il tools parametro. L'esempio Node.js di seguito mostra come configurare questo per un'analisi affidabile.

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);

Comprendere le finestre di contesto e i limiti

Il nostro modello supporta una finestra di contesto di 100,000 token, che copre sia il prompt che il completamento. Puoi generare fino a 16,000 token per richiesta, o 2,048 se ometti max_tokens.

I limiti di frequenza consentono 300 richieste al minuto e 8 richieste concorrenti per chiave. Il corpo della richiesta deve essere inferiore a 8 MB. Questi limiti garantiscono prestazioni stabili per le tue integrazioni LLM senza filtri.

Risoluzione degli errori comuni

401 Non autorizzato significa che la tua chiave API non è valida o è scaduta. Rigenera una chiave dal tuo dashboard. 402 Pagamento richiesto indica credito prepagato insufficiente. Ricarica tramite cripto per continuare. 429 Troppe richieste segnala che hai raggiunto il limite di 300 richieste al minuto.

I rifiuti sono rari ma si applicano ai contenuti sessuali che coinvolgono minori. Gli errori durante l'elaborazione non consumano il tuo credito, quindi puoi riprovare in sicurezza.

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)