Integra la API LLM Uncensored en Minutos

Instala el SDK oficial de OpenAI

Comienza añadiendo la biblioteca cliente a tu entorno de proyecto. Esto asegura la compatibilidad con los formatos de solicitud estándar y los protocolos de streaming sin requerir lógica HTTP personalizada.

El paquete maneja automáticamente los encabezados de autenticación y la serialización JSON. Puedes proceder a la configuración una vez que la dependencia se resuelva en tu espacio de trabajo.

Copyfrom openai import OpenAI

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

Configurar URL base y clave API

Dirige el tráfico a nuestro punto final configurando el base_url variable e inyectando tu clave única en la instancia del cliente. Este simple intercambio enruta las solicitudes a nuestro modelo uncensored optimizado sin alterar la estructura de tu código.

Verifica la conectividad verificando el /v1/models endpoint. El sistema devuelve el identificador del modelo disponible, confirmando que sus credenciales son válidas y que la ruta de red está abierta.

Copycurl https://api.unlimitedllmapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list all available endpoints for user authentication"}]
  }'

Envía tu primera solicitud de finalización de chat

Construye una carga útil estándar de completación de chat con el ID del modelo uncensored y tu matriz de mensajes deseada. La API procesa entrada de texto y devuelve texto generado, admitiendo parámetros como temperature y top_p para el control del tono.

Asegúrate de que el cuerpo de la solicitud se mantenga dentro del límite de 8 MB. El sistema acepta objetos JSON estándar y devuelve respuestas estructuradas que tu aplicación puede analizar inmediatamente.

Copyimport OpenAI from "openai";

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

Gestionar respuestas de transmisión y uso de tokens

Habilita el streaming estableciendo el stream flag a true. Esto devuelve fragmentos de Eventos Enviados por el Servidor (SSE), permitiendo que su interfaz muestre los tokens progresivamente a medida que se generan.

Las estadísticas de uso de tokens aparecen en el fragmento final del stream. Este enfoque reduce la latencia percibida para los usuarios mientras mantiene tu facturación precisa basada en el consumo real.

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)

Habilitar llamada de funciones y modo JSON

Activa las salidas estructuradas estableciendo response_format para {"type": "json_object"}. Esto obliga al modelo a devolver JSON estrictamente válido, lo cual es esencial para una integración confiable con formularios frontend o servicios backend.

También puedes definir herramientas en el cuerpo de tu solicitud para habilitar llamadas a funciones. El modelo responde con nombres de funciones y argumentos específicos, permitiendo que tu código ejecute lógica externa basada en la intención del usuario.

Comprender los límites de tasa y ventanas de contexto

Tu clave de API soporta 300 solicitudes por minuto y hasta 8 solicitudes concurrentes simultáneas. Si excedes estos límites, el sistema devuelve un error 429 hasta que se restablezca la ventana.

La ventana de contexto permite 100,000 tokens en total, incluyendo tanto el prompt como la completación. La salida está limitada a 16,000 tokens por solicitud, o 2,048 tokens si no lo especificas max_tokens. Los errores y las negativas no consumen crédito.