Documentação da API: Integração Rápida em 5 Minutos

Configuração do Ambiente e Autenticação

Para começar, você deve recuperar sua chave de API única no seu painel. Esta chave servirá como identificador para autenticar suas requisições. Diferente dos modelos genéricos, nossa API usa um endpoint padronizado que permite usar os SDKs oficiais ou qualquer cliente compatível com OpenAI. Você não precisa fornecer número de telefone ou cartão de crédito para acessar o crédito de teste inicial.

O endpoint base é https://api.llmnoncensure.com/v1. Certifique-se de configurar seu ambiente para usar esta URL base específica. A chave de API deve ser passada via cabeçalho Authorization: Bearer <YOUR_API_KEY>. Uma chave por conta é gerada; você pode regenerá-la a qualquer momento, o que revoga automaticamente a anterior.

Primeira requisição com cURL

Envie sua primeira requisição para verificar se a integração está funcionando. Usamos o ID do modelo uncensored. Esta requisição envia texto como entrada e recebe uma resposta textual sem os filtros de conteúdo habituais, desde que não seja conteúdo sexual envolvendo menores. O modelo é ajustado para responder a tópicos adultos, controversos ou de busca por segurança sem recusa injustificada.

Aqui está a estrutura básica para testar a conexão:

Copiercurl https://api.llmnoncensure.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."}]
  }'

Este comando valida se sua chave está ativa e se o modelo está pronto para receber prompts complexos.

Integração com o SDK Python

Se você desenvolve em Python, use a biblioteca openai para uma integração transparente. Defina a variável de ambiente OPENAI_BASE_URL ou passe base_url diretamente no cliente. Isso permite reutilizar seu código existente apenas alterando a origem do modelo. O SDK gerencia a serialização JSON e erros de rede para você.

Aqui está um exemplo mínimo:

Copierfrom openai import OpenAI

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

O modelo uncensored aceita parâmetros padrão como temperature e max_tokens. Você pode ajustar a criatividade da resposta sem temer que a IA bloqueie uma resposta considerada "arriscada" por critérios genéricos.

Uso com Node.js e JavaScript

Para ambientes JavaScript ou TypeScript, o SDK openai funciona de forma idêntica. Configure o cliente com a URL base e a chave de API. Esta abordagem é ideal para aplicações backend ou servidores de API que precisam integrar respostas de IA dinâmicas sem as limitações dos grandes provedores generalistas.

Copierimport OpenAI from "openai";

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

Certifique-se de gerenciar as respostas assíncronas corretamente. Cada requisição é processada individualmente, garantindo que sua lógica de negócios não seja bloqueada pelos tempos de geração do modelo. A janela de contexto de 100.000 tokens permite enviar instruções de sistema longas ou históricos de conversa extensos.

Suporte a streaming SSE

Para uma experiência de usuário fluida, ative o streaming via Server-Sent Events (SSE). Isso permite exibir a resposta palavra por palavra em vez de esperar o fim da geração. É especialmente útil para interfaces de chat onde a latência percebida é crítica. O fluxo de dados segue o padrão OpenAI, facilitando o parsing no lado do cliente.

Copierstream = 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)

O streaming não altera a lógica do modelo; ele apenas modifica o transporte dos dados. Cada chunk é uma parte da resposta final. Você pode interromper o stream a qualquer momento se o usuário alterar o prompt, otimizando o uso dos seus créditos.

Limites de taxa, erros e contexto

Conhecer os limites da sua API é crucial para uma integração robusta. Você está limitado a 300 requisições por minuto por chave de API. O corpo da requisição não deve exceder 8 MB. Em caso de erro, os códigos HTTP padrão são retornados: 401 para chave inválida, 402 se seu crédito estiver esgotado e 429 em caso de exceder o limite de requisições. O modelo possui uma janela de contexto de 100.000 tokens, combinando prompt e resposta. Isso permite enviar documentos longos ou conversas aprofundadas sem interrupção prematura. Diferente de outros serviços, não há taxas mensais fixas; você paga apenas o que consome com seus créditos pré-pagos.