Riepilogo della specifica
Se hai già del codice che parla con OpenAI, la versione breve della specifica API compatibile con OpenAI è questa: cambia il base URL, cambia la chiave, imposta il modello su uncensored. I corpi delle richieste e delle risposte seguono la struttura delle chat completions, quindi gli SDK li analizzano senza modifiche.
| Voce | Valore |
|---|---|
| URL di base | https://api.unrestrictedaiapi.com/v1 |
| Autenticazione | Authorization: Bearer YOUR_KEY |
| Endpoint | POST /v1/chat/completions, GET /v1/models |
| ID modello | uncensored |
| Finestra di contesto | 100.000 token, prompt più completamento |
| Dimensione massima del corpo della richiesta | 8 MB |
| Output | Solo testo |
Il modello è un singolo modello a pesi aperti gestito da un provider indipendente e ottimizzato per rispondere senza filtri sui contenuti per un uso adulto lecito. Non è l'endpoint ufficiale di alcun fornitore di modelli e non effettua routing tra fornitori. Ecco perché esiste un solo ID modello e perché l'elenco dei modelli è breve.
Endpoint
GET /v1/models
Restituisce i modelli disponibili per la tua chiave. È il modo più economico per confermare che la tua chiave e il base URL sono corretti, e molti client UI lo chiamano per popolare un menu a discesa.
curl https://api.unrestrictedaiapi.com/v1/models \
-H "Authorization: Bearer $KEY"
POST /v1/chat/completions
L'unico endpoint di generazione. Invii un array messages di oggetti con un role (system, user, assistant o tool) e content, più il modello e qualsiasi opzione di campionamento. Una chiamata minima:
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 risposta contiene il testo generato in choices[0].message.content e i conteggi dei token in usage. Questi conteggi sono la base per la fatturazione.
Non offerti: l'endpoint legacy completions, embedding, immagine, audio e video endpoint, fine-tuning e endpoint file. Un client che li chiama riceverà un errore, quindi disabilita quelle funzionalità negli strumenti che le usano di default.
Parametri della richiesta
Questi parametri sono accettati e passati al modello:
temperatureetop_pper il campionamento.stopper una o più sequenze di stop.seedper un campionamento ripetibile quando mantieni tutto il resto uguale.presence_penaltyefrequency_penaltyper ridurre la ripetizione.max_tokens, che è opzionale. Se lo ometti, la completion può usare il resto della finestra da 100.000 token.streamper gli eventi server-sent.toolsetool_choiceper la chiamata di funzioni.response_formatcon{"type":"json_object"}per la modalità JSON.
Due note pratiche. Primo, la finestra conta prompt e completion insieme, quindi un prompt da 90.000 token lascia circa 10.000 token per la risposta. Secondo, il limite del corpo è 8 MB, che è di gran lunga più di quanto servano 100.000 token di testo, quindi lo raggiungi solo incorporando payload codificati di grandi dimensioni nei messaggi.
Streaming
Imposta stream: true e la risposta arriva come eventi server-sent. Ogni evento è un chunk JSON con un delta che contiene il pezzo di testo successivo, e l'utilizzo viene segnalato alla fine dello stream. Gli SDK nascondono il framing; con il protocollo grezzo leggi le righe che iniziano con data: fino alla chiusura dello stream.
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 regola influisce sulla pianificazione della capacità: una richiesta in streaming occupa il suo slot di concorrenza fino alla fine dello stream, non fino al primo token. Se un client si blocca mentre legge, mantiene lo slot occupato. Chiudi sempre o completa lo stream e imposta un timeout del client.
Chiamata di funzioni e modalità JSON
Chiamata di strumenti
Passa tools come elenco di definizioni di funzione con parametri JSON Schema. Se il modello decide di chiamarne una, il messaggio contiene tool_calls, che vengono anche trasmessi in streaming quando stream è attivo. Esegui la funzione e invia di nuovo il risultato come messaggio con role: "tool" e il corrispondente tool_call_id. Usa tool_choice per forzare una funzione specifica o lasciare la decisione al modello.
{
"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"]
}
}
}]
}
Il modello propone argomenti; non esegue nulla. Validali prima di agire, come faresti con qualsiasi input utente.
Modalità JSON
Aggiungi "response_format": {"type": "json_object"} per richiedere un singolo oggetto JSON valido. Come con altre implementazioni in stile OpenAI, indica anche al modello nel prompt quali chiavi vuoi, ad esempio "Restituisci un oggetto con chiavi titolo e tags". Analizza comunque il risultato in un blocco try e mantieni max_tokens generoso così un oggetto lungo non venga troncato.
Limiti, header ed errori
| Tipo di chiave | Richieste concorrenti | Richieste al minuto |
|---|---|---|
| Chiave completa | 8 | 300 |
| Chiave di prova | 2 | 60 |
Ogni risposta include X-Request-Id (citandolo quando contatti support), X-Balance-USD (il tuo credito residuo), X-RateLimit-Limit-Requests e X-RateLimit-Limit-Concurrency.
Quando superi un limite, l'API restituisce HTTP 429. Il codice di errore separa i casi:
rate_limited: troppe richieste in un minuto. Rallenta o distribuisci il carico.concurrency: troppe richieste in corso contemporaneamente. Mettile in coda dal tuo lato.- 429 con un'intestazione
Retry-After: 5: sovraccarico temporaneo. Attendi cinque secondi e riprova.
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
Le richieste che falliscono o vengono rifiutate non vengono addebitate.
Ruoli, cronologia e oggetto di risposta
L'API è stateless. Non ricorda le richieste precedenti, quindi una conversazione esiste solo come array messages che invii ogni volta. Una cronologia tipica inizia con un messaggio system che imposta il comportamento, seguito da messaggi user e assistant alternati. Quando la chiamata di strumenti è in corso, appaiono messaggi tool tra di loro, ciascuno collegato alla chiamata che risponde tramite tool_call_id.
Questo ha due conseguenze. La prima è il costo: ogni turno paga per l'intera cronologia come input, quindi una chat lunga diventa più costosa per messaggio anche se ogni domanda è breve. La seconda è il controllo: puoi modificare, ridurre o riscrivere la cronologia a piacimento. Rimuovere i turni più vecchi, sostituirli con un riassunto o iniettare un messaggio assistente corretto sono tutte operazioni ordinarie, e il modello tratta qualsiasi cosa tu invii come verità.
Nella risposta, leggi tre cose. choices[0].message contiene il testo o le chiamate di strumenti. choices[0].finish_reason ti dice perché la generazione si è arrestata: una conclusione naturale, il limite di token o una chiamata di strumento. usage contiene i conteggi dei token di prompt, completamento e totali. Se il motivo di fine indica che è stato raggiunto il limite di token, il testo è tronco e dovresti aumentare il limite o chiedere al modello di continuare in un turno successivo.
Una breve checklist di compatibilità
Prima di rilasciare un client contro questo endpoint, esegui questi controlli. Rilevano la maggior parte dei problemi di integrazione in pochi minuti.
- Chiama
GET /v1/modelscon la tua chiave e conferma di ottenere un elenco che includeuncensored. - Invia una richiesta di chat semplice senza opzioni e conferma una risposta normale con un blocco
usage. - Ripetilo con
stream: truee conferma che il tuo client gestisce la fine dello stream e i dati di utilizzo finali. - Se usi strumenti, invia un round trip di chiamata di funzione end-to-end, inclusa la richiesta di follow-up con il messaggio
tool. - Invia 10 richieste simultaneamente con una chiave di prova e verifica che il tuo codice gestisca il 429 che segue la seconda richiesta concorrente.
- Registra
X-Request-Idper ogni chiamata in modo che qualsiasi risultato anomalo possa essere tracciato in seguito.
Superare tutti e sei significa che il tuo client è pronto per il traffico reale.
Dove questo differisce dalla piattaforma OpenAI completa
La compatibilità riguarda il protocollo di chat, non l'intera piattaforma. Tutto ciò che esula dalla chat testuale è assente e alcuni comportamenti derivano dal modello piuttosto che dal protocollo. Il nome del modello è fisso, le risposte possono differire per stile rispetto a qualsiasi modello usato in precedenza e il campionamento con lo stesso seed è ripetibile solo finché il prompt e i parametri restano invariati.
L'unica regola sui contenuti che non puoi modificare è che i contenuti sessuali che coinvolgono i minorenni sono bloccati. Oltre a questo, il modello è ottimizzato per evitare rifiuti per l'uso adulto lecito e i prompt non vengono utilizzati per l'addestramento.
Per il codice in cinque lingue consulta la guida rapida, per le tecniche di prompting leggi come scrivere prompt per un modello senza restrizioni e per la gestione dell'account, prezzi elenca i prezzi: $0,15 per 1M di token in input e $0,50 per 1M di token in output, con credito che non scade mai. La documentazione contiene la stessa specifica in forma breve.
