Resumen de la especificación
Si ya tienes código que habla con OpenAI, la versión corta de la especificación API compatible con OpenAI es esta: cambia la URL base, cambia la clave, establece el modelo en uncensored. Los cuerpos de petición y respuesta siguen la forma de completiones de chat, por lo que los SDKs los analizan sin cambios.
| Ítem | Valor |
|---|---|
| URL base | https://api.unrestrictedaiapi.com/v1 |
| Autenticación | Authorization: Bearer YOUR_KEY |
| Endpoints | POST /v1/chat/completions, GET /v1/models |
| ID del modelo | uncensored |
| Ventana de contexto | 100.000 tokens, prompt más completación |
| Cuerpo de petición máximo | 8 MB |
| Salida | Solo texto |
El modelo es un único modelo de pesos abiertos ejecutado por un proveedor independiente y ajustado para responder sin rechazos de contenido para uso adulto lícito. No es el endpoint oficial de ningún proveedor de modelos y no enruta entre proveedores. Por eso hay un solo ID de modelo y por qué la lista de modelos es corta.
Endpoints
GET /v1/models
Devuelve los modelos disponibles para tu clave. Es la forma más barata de confirmar que tu clave y URL base son correctas, y muchos clientes UI lo llaman para llenar un menú desplegable.
curl https://api.unrestrictedaiapi.com/v1/models \
-H "Authorization: Bearer $KEY"
POST /v1/chat/completions
El único endpoint de generación. Envías un array messages de objetos con un role (system, user, assistant o tool) y content, más el modelo y cualquier opción de muestreo. Una llamada mínima:
curl https://api.unrestrictedaiapi.com/v1/chat/completions \
-H "Authorization: Bearer $KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [
{"role": "system", "content": "Answer in one sentence."},
{"role": "user", "content": "What is a base URL?"}
]
}'
La respuesta lleva el texto generado en choices[0].message.content y los recuentos de tokens en usage. Esos recuentos son en los que se basa la facturación.
No ofrecidos: el endpoint legacy de completions, embeddings, imagen, audio y video, ajuste fino y endpoints de archivos. Un cliente que los llame recibirá un error, así que deshabilita esas funciones en herramientas que las usan por defecto.
Parámetros de la petición
Se aceptan y pasan a través estos parámetros:
temperatureytop_ppara muestreo.stoppara una o más secuencias de parada.seedpara muestreo repetible cuando mantienes todo lo demás igual.presence_penaltyyfrequency_penaltypara reducir la repetición.max_tokens, que es opcional. Si lo omites, el completado puede usar el resto de la ventana de 100,000 tokens.streampara eventos enviados por el servidor.toolsytool_choicepara llamadas a funciones.response_formatcon{"type":"json_object"}para modo JSON.
Dos notas prácticas. Primero, la ventana cuenta prompt y finalización juntos, así que un prompt de 90.000 tokens deja unos 10.000 tokens para la respuesta. Segundo, el límite del cuerpo es 8 MB, que es mucho más de lo que necesitan 100.000 tokens de texto, así que solo lo alcanzas incrustando cargas útiles codificadas grandes en mensajes.
Transmisión
Establece stream: true y la respuesta llega como eventos enviados por el servidor. Cada evento es un fragmento JSON con un delta que contiene la siguiente pieza de texto, y el uso se informa al final del flujo. Los SDKs ocultan el enmarcado; con el protocolo crudo lees líneas que comienzan con data: hasta que el flujo se cierra.
from openai import OpenAI
client = OpenAI(base_url="https://api.unrestrictedaiapi.com/v1", api_key="YOUR_KEY")
with client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "List five HTTP status codes."}],
stream=True,
) as stream:
for chunk in stream:
if chunk.choices and chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="")
Una regla afecta la planificación de capacidad: una petición en streaming mantiene su ranura de concurrencia hasta que termina el flujo, no hasta el primer token. Si un cliente se bloquea al leer, mantiene la ranura ocupada. Cierra o finaliza siempre el flujo, y establece un tiempo de espera del cliente.
Llamadas a herramientas y modo JSON
Llamadas a funciones
Pasa tools como una lista de definiciones de funciones con parámetros JSON Schema. Si el modelo decide llamar a una, el mensaje contiene tool_calls, que también se transmiten cuando stream está activo. Ejecutas la función y envías de vuelta su resultado como un mensaje con role: "tool" y el correspondiente tool_call_id. Usa tool_choice para forzar una función específica o dejar la decisión al modelo.
{
"model": "uncensored",
"messages": [{"role": "user", "content": "Weather in Oslo?"}],
"tools": [{
"type": "function",
"function": {
"name": "get_weather",
"description": "Current weather for a city",
"parameters": {
"type": "object",
"properties": {"city": {"type": "string"}},
"required": ["city"]
}
}
}]
}
El modelo propone argumentos; no ejecuta nada. Valídalos antes de actuar sobre ellos, como harías con cualquier entrada de usuario.
Modo JSON
Añade "response_format": {"type": "json_object"} para pedir un único objeto JSON válido. Al igual que con otras implementaciones estilo OpenAI, también dile al modelo en el prompt qué claves quieres, por ejemplo "Devuelve un objeto con las claves title y tags". Analiza el resultado en un bloque try de todos modos, y mantén max_tokens generoso para que un objeto largo no se corte.
Límites, encabezados y errores
| Tipo de clave | Peticiones simultáneas | Peticiones por minuto |
|---|---|---|
| Clave completa | 8 | 300 |
| Clave de prueba | 2 | 60 |
Cada respuesta incluye X-Request-Id (cítalo cuando contactes a soporte), X-Balance-USD (tu crédito restante), X-RateLimit-Limit-Requests y X-RateLimit-Limit-Concurrency.
Cuando excedes un límite, la API devuelve HTTP 429. El código de error distingue los casos:
rate_limited: demasiadas peticiones en un minuto. Ralentiza o distribuye la carga.concurrency: demasiadas peticiones en vuelo a la vez. Cola las tuyas en tu lado.- 429 con un encabezado
Retry-After: 5: sobrecarga temporal. Espera cinco segundos y reintenta.
import time
import httpx
def post_with_retry(payload, key, tries=4):
# payload example: {"model": "uncensored", "messages": [...]}
for attempt in range(tries):
r = httpx.post(
"https://api.unrestrictedaiapi.com/v1/chat/completions",
headers={"Authorization": "Bearer " + key},
json=payload,
timeout=120,
)
if r.status_code == 429:
wait = int(r.headers.get("Retry-After", 2 ** attempt))
time.sleep(wait)
continue
return r
return r
Las peticiones que fallan o se rechazan no se cobran.
Roles, historial y objeto de respuesta
La API es sin estado. No recuerda peticiones anteriores, por lo que una conversación existe solo como el array messages que envías cada vez. Un historial típico comienza con un mensaje system que establece el comportamiento, seguido de mensajes alternos user y assistant. Cuando se usan herramientas, aparecen mensajes tool entre ellos, cada uno vinculado a la llamada que responde mediante tool_call_id.
Esto tiene dos consecuencias. La primera es el costo: cada turno paga por todo el historial como entrada, así que un chat largo se vuelve más caro por mensaje incluso si cada pregunta es corta. La segunda es el control: puedes editar, recortar o reescribir el historial a voluntad. Eliminar los turnos más antiguos, reemplazarlos con un resumen o inyectar un mensaje de asistente corregido son operaciones comunes, y el modelo trata lo que envíes como la verdad.
De vuelta, lee tres cosas. choices[0].message contiene el texto o las llamadas a funciones. choices[0].finish_reason te dice por qué terminó la generación: un final natural, el límite de tokens, o una llamada a función. usage contiene recuentos de tokens de prompt, completación y total. Si el motivo de finalización indica que se alcanzó el límite de tokens, el texto está truncado, y deberías aumentar el límite o pedirle al modelo que continúe en un turno posterior.
Una breve lista de comprobación de compatibilidad
Antes de lanzar un cliente contra este endpoint, pasa por estas comprobaciones. Capturan la mayoría de los problemas de integración en unos minutos.
- Llama a
GET /v1/modelscon tu clave y confirma que obtienes una lista que incluyeuncensored. - Envía una petición de chat simple sin opciones y confirma una respuesta normal con un bloque
usage. - Repítelo con
stream: truey confirma que tu cliente maneja el final del flujo y los datos de uso finales. - Si usas herramientas, envía un ciclo de petición-respuesta de extremo a extremo, incluyendo la petición de seguimiento con el mensaje
tool. - Envía 10 solicitudes a la vez con una clave de prueba y confirma que tu código maneja el 429 que sigue a la segunda solicitud concurrente.
- Registra
X-Request-Idpara cada llamada para que cualquier resultado extraño pueda rastrearse más tarde.
Aprobar las seis significa que tu cliente está listo para tráfico real.
En qué se diferencia de la plataforma completa de OpenAI
La compatibilidad se refiere al protocolo de chat, no a toda la plataforma. Todo lo que no sea chat de texto está ausente, y algunos comportamientos provienen del modelo en lugar del protocolo. El nombre del modelo es fijo, las respuestas pueden variar en estilo respecto a cualquier modelo que hayas usado antes, y el muestreo con el mismo seed es repetible solo mientras el prompt y los parámetros se mantengan iguales.
La única regla de contenido que no puedes cambiar es que el contenido sexual que involucra a menores está bloqueado. Más allá de eso, el modelo está ajustado para evitar rechazos en el uso legal para adultos, y los prompts no se utilizan para entrenamiento.
Para código en cinco idiomas, consulta el inicio rápido; para técnicas de prompt, lee cómo dar prompts a un modelo sin restricciones; y para la cuenta, precios lista las tarifas: $0.15 por 1M de tokens de entrada y $0.50 por 1M de tokens de salida, con crédito que no caduca. La documentación contiene la misma especificación en formato corto.
