Documentación de API para desarrolladores

Configuración de autenticación y URL base

Empieza configurando tu cliente con la URL base y la clave correctas. Nuestra API está en HTTPS://api.llamaapikey.com/v1. Esta configuración funciona con los SDK oficiales de OpenAI y cualquier cliente compatible. Solo necesitas cambiar la URL base y proporcionar tu clave. No utilizamos enrutamiento de modelos ni bloqueo de proveedor.

• URL Base: HTTPS://api.llamaapikey.com/v1
• ID del Modelo: "uncensored"
• Autenticación: Encabezado Authorization: Bearer YOUR_API_KEY

Copycurl https://api.llamaapikey.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate API key for llama model usage"}]
  }'

Enviar solicitudes a /v1/chat/completions

Envía una solicitud POST estándar al endpoint de completaciones de chat. El ID del modelo es "uncensored". Maneja entrada y salida de texto de manera eficiente. Puedes ajustar parámetros como la temperatura o top_p. Los errores no consumen crédito. Los rechazos por contenido estándar son gratuitos.

Copyfrom openai import OpenAI

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

Respuestas en streaming mediante SSE

Habilita la transmisión estableciendo stream: true.Recibes Server-Sent Events (SSE) para salida en tiempo real. El último fragmento contiene los detalles del uso de tokens. Este enfoque es ideal para interfaces de chat. Obtienes retroalimentación inmediata sin esperar a la respuesta completa.

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)

Llamada a funciones y uso de herramientas

Utiliza el formato de herramientas estándar para la llamada a funciones. Define tus funciones en el tools array. El modelo soporta tool_choice para ejecución forzada. También puedes forzar el modo JSON con response_format. Esto garantiza salidas estructuradas para tus aplicaciones.

Copyimport OpenAI from "openai";

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

modo JSON y formato de respuesta

Forza al modelo a generar JSON válido. Establece response_format para {"type": "json_object"}.Esto evita respuestas mal formadas en tu analizador. Funciona junto con las llamadas de funciones. Obtienes estructuras de datos confiables para la lógica de tu backend.

Copycurl https://api.llamaapikey.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate API key for llama model usage"}]
  }'

Comprensión del uso y facturación de tokens

Pagas por el uso real de tokens. Los errores y las denegaciones son gratuitos. La ventana de contexto es de 100,000 tokens. La salida máxima es de 16,000 tokens. El límite de velocidad es de 300 solicitudes por minuto. Maneja 401 para claves inválidas. Maneja 402 por falta de crédito. Maneja 429 por límites de velocidad.

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)