Guide de début rapide API LLM | LLM API Source

URL de base et Authentification

Pour utiliser l'API LLM, pointez votre client vers https://api.llmapisource.com/v1. L'authentification utilise une clé API standard passée dans l'en-tête Authorization: Bearer <key>. Vous pouvez générer ou faire tourner les clés sur le tableau de bord ; la révocation d'une clé invalide immédiatement l'ancienne.

• Aucun numéro de téléphone ni carte bancaire n'est requis pour l'essai.
• Chaque compte possède exactement une clé active à la fois.
• Les prompts ne sont pas utilisés pour l'entraînement.

Première requête

Envoyez une simple demande de chat completion pour vérifier la connectivité. L'endpoint prend en charge les structures JSON OpenAI standard. Remplacez l'espace réservé par votre clé réelle.

Copycurl https://api.llmapisource.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."}]
  }'

Clé invalide : erreur 401. Crédit insuffisant : erreur 402. L'identifiant du modèle est toujours uncensored.

SDK Python

Installez le package officiel OpenAI et configurez l'URL de base pour acheminer les requêtes vers notre infrastructure. Cela fonctionne avec n'importe quel client Python compatible OpenAI.

Copyfrom openai import OpenAI

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

Assurez-vous que base_url inclut le chemin complet vers /v1. Le nom du modèle doit être uncensored.

SDK Node.js

Pour les environnements Node.js, configurez le client de manière similaire. La structure imite l'interface OpenAI standard, rendant la migration simple.

Copyimport OpenAI from "openai";

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

Transmettez l'apiKey et définissez l'basePath sur https://api.llmapisource.com/v1. Cela garantit que toutes les complétions sont acheminées vers notre modèle sans censure.

Activer le streaming

Définissez stream: true dans votre requête pour recevoir des événements Server-Sent Events (SSE). Cela vous permet de traiter les tokens au fur et à mesure de leur génération, réduisant la latence perçue pour les réponses longues.

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)

Gérez les événements de streaming pour mettre à jour votre interface en temps réel. Chaque chunk contient un delta partiel de la complétion.

Limites, erreurs et contexte

Notre infrastructure applique des limites spécifiques pour garantir la stabilité. La fenêtre de contexte prend en charge jusqu'à 100 000 tokens pour le prompt et la complétion combinés.

• Limite de débit : 300 requêtes par minute par clé (renvoie 429).
• Taille du corps : Maximum 8 Mo par requête.
• Tarifs : 0,25 $/1M tokens d'entrée, 1,00 $/1M tokens de sortie.

Les requêtes contenant du contenu sexuel impliquant des mineurs sont bloquées. Tout autre contenu adulte légal est autorisé.