Guía de inicio rápido de API

Autenticación: Uso de tu clave de API

Envía tu clave en el Authorization header. Comienza creando una cuenta con Google o correo electrónico. Tu clave aparece inmediatamente. Ningún número de teléfono bloquea tu acceso. Utiliza Bearer YOUR_KEY para cada solicitud. El sistema rechaza las claves no válidas con un error 401. Verifica tu saldo antes de un uso intensivo.

Punto final: /v1/chat/completions

Envía JSON al endpoint de chat. Esta ruta estándar acepta tu prompt y el nombre del modelo. Envía el ID del modelo uncensored para la salida en crudo. La URL base es https://api.llmwithoutlogin.com/v1. Obtienes respuestas de texto directamente. Aquí tienes un ejemplo básico de curl:

Copycurl https://api.llmwithoutlogin.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Get the latest npm package version"}]
  }'

Mantén tus solicitudes simples. El sistema las procesa rápidamente. Evita estructuras anidadas complejas inicialmente.

Parámetros: Temperatura, Top P y Stop

Controla la creatividad con estos ajustes. Configura temperature a 0.7 para una salida equilibrada. Usa top_p para filtrar tokens de baja probabilidad. Define un stop secuencia para finalizar la generación temprano. Estos parámetros moldean el estilo de respuesta. El SDK de Python los maneja fácilmente:

Copyfrom openai import OpenAI

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

Ajusta los valores para adaptarte a tu caso de uso específico. Una temperatura más alta aumenta la aleatoriedad.

Respuestas en streaming vía SSE

Recibe tokens a medida que se generan. Configura stream: true en tu solicitud. La API devuelve Eventos Enviados por el Servidor. Cada fragmento contiene texto parcial. Esto reduce significativamente la latencia percibida. Úsalo para salidas largas:

Copyimport OpenAI from "openai";

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

Almacena los fragmentos en tu aplicación. Concaténalos para formar el texto final. Este método es eficiente para interfaces en tiempo real.

Llamada de Función y Modo JSON

Estructura tu salida con precisión. Usa response_format con {"type": "json_object"}. Esto obliga al modelo a devolver JSON válido. También puedes definir herramientas para la llamada de funciones. El sistema se adhiere a tu esquema. Define las herramientas en tu carga útil. Esto asegura un análisis confiable en tu código.

Manejo de errores y uso de tokens

Monitora los códigos de estado de tus solicitudes. Un error 401 significa que tu clave es inválida. Un error 402 indica crédito insuficiente. Un error 429 señala la limitación de velocidad. Tienes 300 solicitudes por minuto. La ventana de contexto es de 100,000 tokens. La salida está limitada a 16,000 tokens. Comprueba el último fragmento SSE para obtener estadísticas de uso. Los errores no consumen crédito. Tu saldo prepagado permanece intacto.

Transmisión

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)