API-dokumentation för utvecklare

Autentisering och bas-URL-inställning

Konfigurera först din klient med korrekt bas-URL och nyckel. Vår API finns på HTTPS://api.llamaapikey.com/v1. Detta fungerar med officiella OpenAI SDK:er och alla kompatibla klienter. Du behöver bara ändra bas-URL:en och ange din nyckel. Vi använder ingen modellomkoppling eller leverantörsbindning.

• Bas URL: HTTPS://api.llamaapikey.com/v1
• Modell-ID: "uncensored"
• Auth: Header 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"}]
  }'

Skickar förfrågningar till /v1/chat/completions

Skicka en standard POST-begäran till chat completions-slutpunkten. Modell-ID:t är "uncensored". Den hanterar text in och text ut effektivt. Du kan justera parametrar som temperatur eller top_p. Fel konsumerar inte kredit. Avslag för standardinnehåll är gratis.

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)

Streaming-responder via SSE

Aktivera strömning genom att ställa in stream: true. Du tar emot Server-Sent Events (SSE) för realtidsoutput. Den sista chunken innehåller tokenanvändningsdetaljer. Denna metod är idealisk för chattgränssnitt. Du får omedelbar feedback utan att vänta på hela svaret.

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)

Funktionsanrop och verktygsanvändning

Använd standardverktygsformatet för funktionsanrop. Definiera dina funktioner i tools array. Modellen stöder tool_choice för tvingad eller automatisk exekvering. Du kan också tvinga JSON-läge med response_format. Detta säkerställer strukturerad utdata för dina applikationer.

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);

JSON-läge och formatering av svar

Tvinga modellen att returnera giltig JSON. Ställ in response_format för {"type": "json_object"}. Detta förhindrar felaktiga svar i din parser. Det fungerar tillsammans med funktionsanrop. Du får pålitliga datastrukturer för din backend-logik.

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"}]
  }'

Förståelse för tokenanvändning och fakturering

Du betalar för verklig tokenanvändning. Fel och avslag är gratis. Kontextfönstret är 100 000 tokens. Max utmatning är 16 000 tokens. Hastighetsbegränsningen är 300 begäranden per minut. Hantera 401 för ogiltiga nycklar. Hantera 402 för inget kredit. Hantera 429 för hastighetsbegränsningar.

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)