अनसेंसर्ड LLM API को इंटीग्रेट करें

बेस URL और प्रमाणीकरण

सभी अनुरोधों के लिए बेस यूआरएल है https://api.llmtokenpricing.com/v1. अपनी API कुंजी का उपयोग करके प्रमाणीकरण करें Authorization हेडर। साइनअप के दौरान Google या ईमेल के माध्यम से अपनी कुंजी तुरंत प्राप्त करें। कुंजी का उपयोग Bearer YOUR_API_KEY हर अनुरोध में।

• बेस यूआरएल: https://api.llmtokenpricing.com/v1
• हेडर: Authorization: Bearer YOUR_API_KEY

अपना पहला रिक्वेस्ट भेजना

एक सरल पाठ पूरक अनुरोध भेजें POST /v1/chat/completions. मॉडल आईडी है uncensoredसेट करें max_tokens आउटपुट की लंबाई को नियंत्रित करने के लिए। API उत्पन्न टेक्स्ट को सीधे लौटाता है। बुनियादी टेक्स्ट जनरेशन कार्यों के लिए इस एंडपॉइंट का उपयोग करें।

Copycurl https://api.llmtokenpricing.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the current price per token for the largest model."}]
  }'

Python SDK इंटीग्रेशन

निर्बाध इंटीग्रेशन के लिए आधिकारिक OpenAI Python SDK का उपयोग करें। बेस URL को हमारे API एंडपॉइंट पर सेट करें। अपनी API कुंजी को api_key. क्लाइंट को इनिशियलाइज करें और कॉल करें chat.completions.create(). यह दृष्टिकोम अनुरोध हैंडलिंग और प्रतिक्रिया पार्सिंग को सरल बनाता है।

Copyfrom openai import OpenAI

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

Node.js SDK उपयोग

Node.js SDK हमारी API के साथ समान रूप से काम करता है। क्लाइंट विकल्पों में बेस URL और API कुंजी कॉन्फ़िगर करें। अपने वांछित पैरामीटर के साथ चैट समाप्ति एंडपॉइंट को कॉल करें। उत्पन्न पाठ निकालने के लिए प्रतिक्रिया ऑब्जेक्ट हैंडल करें। यह विधि आधुनिक async/await पैटर्न का समर्थन करती है।

Copyimport OpenAI from "openai";

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

SSE के माध्यम से स्ट्रीमिंग रिस्पॉन्सेस

सेटिंग करके स्ट्रीमिंग सक्षम करें stream: true आपके अनुरोध में। API डेटा को सर्वर-सेंट इवेंट्स के रूप में लौटाता है। रियल-टाइम आउटपुट के लिए प्रत्येक चंक को आते ही प्रोसेस करें। टोकन उपयोग विवरण अंतिम चंक में प्रकट होते हैं। स्ट्रीमिंग लंबे उत्तरों के लिए अनुभवगत विलंबता को कम करती है।

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)

रेट लिमिट्स और लागतों को समझें

रेट लिमिट्स प्रति मिनट 300 अनुरक्षण प्रति की हैं। कंकरेंसी एक साथ 8 अनुरक्षण तक सीमित है। कॉन्टेक्स्ट विंडो 100,000 टोकन कुल है। इनपुट लागत $0.15 प्रति मिलियन टोकन है। आउटपुट लागत $0.50 प्रति मिलियन टोकन है। त्रुटियां और रिफ्यूज़ल क्रेडिट खपत नहीं करते हैं। भुगतान क्रिप्टो के माध्यम से प्रीपेड है, बिना मासिक शुल्क के। 401 त्रुटियों को अमान्य की के लिए और 429 को रेट लिमिट्स के लिए संभालें।