Documentation API

Authentification & URL de base

Utilisez votre clé API avec l'URL de base https://api.paidapi.cc/v1. Transmettez la clé dans le Authorization en-tête en tant que jeton Bearer. Cette configuration fonctionne avec n'importe quelle bibliothèque cliente compatible OpenAI sans étapes de configuration supplémentaires.

Copycurl https://api.paidapi.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Set up a cron job to run every hour"}]
  }'

Conservez votre clé en sécurité. Si vous la perdez, générez-en une nouvelle depuis votre tableau de bord. L'ancienne clé cesse de fonctionner immédiatement.

Première demande

Envoyez une requête POST à /v1/chat/completions avec le modèle "uncensored". Incluez votre tableau de messages dans le corps de la requête. L'API renvoie des compléments textuels basés sur le contexte de votre invite.

Copyfrom openai import OpenAI

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

Cet appel simple confirme que votre intégration fonctionne. Vérifiez l'objet de réponse pour l'utilisation des jetons et le contenu.

Réponses en streaming

Activez le streaming en définissant stream: true. L'API envoie des fragments partiels à mesure de leur génération. Cela réduit la latence perçue pour les sorties longues.

Copyimport OpenAI from "openai";

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

Gérez chaque chunk individuellement. Agrégez-les pour construire la réponse finale. Le dernier chunk contient l'utilisation totale de tokens pour la requête.

Appel de fonctions et outils

Définissez les outils dans le corps de votre requête. Le modèle renvoie des appels d'outils lorsque cela est approprié. Analysez le nom de la fonction et les arguments dans la réponse.

Définir tool_choice pour contrôler quand le modèle utilise des outils. Utilisez "auto" pour une sélection automatique ou spécifiez un nom d'outil. Cette fonctionnalité fonctionne de manière fiable avec notre modèle sans censure pour les tâches complexes.

Configuration du Mode JSON

Définir response_format à {"type": "json_object"}. Le modèle structure la sortie en JSON valide. Cela simplifie l'analyse pour les flux de travail programmés.

Assurez-vous que votre prompt spécifie clairement le schéma JSON. Le modèle adhère à la structure que vous définissez. Utilisez ce mode pour l'extraction de données ou les tâches de génération structurée.

Limites de débit & Erreurs

Vous obtenez 300 requêtes par minute et 8 requêtes concurrentes par clé. Le dépassement de ces limites renvoie une erreur 429. Les corps de requête doivent rester inférieurs à 8 Mo. La fenêtre de contexte est de 100 000 tokens au total.

Gérez les erreurs 401 en vérifiant votre clé. Les erreurs 402 signifient que vous avez besoin de plus de crédit. Les erreurs ne consomment pas de tokens. Maintenez votre crédit prépayé à jour pour éviter les interruptions.

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)