Быстрая интеграция API модели без цензуры

Базовая настройка

Подключение к API-прокси требует правильной настройки Base URL и учётных данных. Наш сервис полностью совместим с протоколом OpenAI: установите Base URL в https://api.llmzhongzhuan.com/v1 и добавьте API-ключ в заголовок запроса.

Каждому аккаунту выделяется один API-ключ, который отображается сразу после регистрации. Для смены ключа сгенерируйте новый в панели управления, старый ключ сразу станет недействительным. Это упрощает аутентификацию и обеспечивает безопасность. Мы не поддерживаем параллельное управление несколькими ключами, поэтому храните ключ в соответствии с архитектурой приложения.

Интерфейс генеративного диалога

Стандартный интерфейс диалога находится по адресу POST /v1/chat/completions. Тело запроса должно содержать model (фиксированное значение uncensored), массив messages и необязательные параметры. Интерфейс поддерживает не-потоковые ответы для сценариев, где нужен полный результат.

Модель работает на выделенных высокопроизводительных GPU-серверах с контекстным окном до 100 000 токенов. Она обеспечивает стабильный доступ к нативному API для обработки длинных текстов и сложных инструкций.

复制curl https://api.llmzhongzhuan.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

Потоковый ответ (SSE)

Для приложений, требующих обратной связи в реальном времени, установите параметр stream: true, чтобы получать ответы блоками через Server-Sent Events (SSE). Потоковая передача значительно снижает задержку до первого токена (TTFT) и улучшает пользовательский опыт.

Сервер непрерывно отправляет фрагменты JSON до завершения ответа. Клиент должен собрать эти фрагменты для формирования полного текста. Этот режим отлично подходит для чат-ботов и генерации контента в реальном времени, обеспечивая быструю доставку данных.

复制from openai import OpenAI

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

Получение списка моделей

Выполните запрос GET /v1/models, чтобы получить список доступных моделей. Ответ будет содержать стандартный JSON с полями id, object и owned_by.

В настоящее время доступен только один идентификатор модели: uncensored. Это модель с открытыми весами, специально дообученная для удаления цензуры контента, подходит для контента для взрослых, исследований безопасности и спорных тем. Обратите внимание, что мы не предоставляем услуги встраивания (Embedding) или мультимодальной генерации, фокусируясь исключительно на текстовых диалогах.

复制import OpenAI from "openai";

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

Обработка ошибок и лимиты

Сервис следует стандартным спецификациям кодов состояния HTTP. 401 Unauthorized означает, что API-ключ недействителен; 402 Payment Required означает, что на аккаунте недостаточно средств, необходимо пополнить баланс для продолжения запросов; 429 Too Many Requests означает срабатывание лимита запросов, текущий лимит составляет 300 запросов в минуту.

Кроме того, размер тела запроса ограничен 8 МБ. При срабатывании лимита рекомендуется использовать стратегию экспоненциальной задержки. Наш сервис без цензуры обеспечивает высокую пропускную способность и справедливое распределение ресурсов.

复制stream = 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)

Примеры кода

Ниже приведён полный пример потокового запроса с использованием Python SDK. Код демонстрирует инициализацию клиента, построение истории сообщений и обработку потока данных SSE.

Убедитесь, что установлен пакет openai, и замените YOUR_API_KEY на ваш ключ. Этот пример наглядно показывает, как через интерфейс API-прокси получить неограниченные результаты генерации ИИ в реальном времени для быстрой интеграции.