Resumo da especificação
Se você já tem código que se comunica com a OpenAI, a versão curta da especificação da API compatível com OpenAI é esta: altere a base URL, altere a chave, defina o modelo para uncensored. Os corpos das requisições e respostas seguem o formato de completions de chat, então SDKs os analisam sem alterações.
| Item | Valor |
|---|---|
| URL base | https://api.unrestrictedaiapi.com/v1 |
| Autenticação | Authorization: Bearer YOUR_KEY |
| Endpoints | POST /v1/chat/completions, GET /v1/models |
| ID do modelo | uncensored |
| Janela de contexto | 100.000 tokens, prompt mais conclusão |
| Corpo da requisição máximo | 8 MB |
| Saída | Apenas texto |
O modelo é um único modelo de pesos abertos executado por um provedor independente e ajustado para responder sem recusas de conteúdo para uso adulto lícito. Não é o endpoint oficial de nenhum fornecedor de modelo e não faz roteamento entre fornecedores. É por isso que há um único ID de modelo e por que a lista de modelos é curta.
Endpoints
GET /v1/models
Retorna os modelos disponíveis para sua chave. É a maneira mais barata de confirmar que sua chave e URL base estão corretas, e muitos clientes de interface chamam isso para preencher uma lista suspensa.
curl https://api.unrestrictedaiapi.com/v1/models \
-H "Authorization: Bearer $KEY"
POST /v1/chat/completions
O único endpoint de geração. Você envia um array messages de objetos com um role (system, user, assistant ou tool) e content, além do modelo e quaisquer opções de amostragem. Uma chamada 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?"}
]
}'
A resposta contém o texto gerado em choices[0].message.content e as contagens de tokens em usage. Essas contagens são a base para o faturamento.
Não oferecido: o endpoint de completions legado, embeddings, imagem, áudio e vídeo, fine-tuning e endpoints de arquivo. Um cliente que os chamar receberá um erro, então desative esses recursos em ferramentas que usam esses endpoints por padrão.
Parâmetros da requisição
Estes parâmetros são aceitos e passados para o modelo:
temperatureetop_ppara amostragem.stoppara uma ou mais sequências de parada.seedpara amostragem repetível quando você mantém tudo o mais igual.presence_penaltyefrequency_penaltypara reduzir a repetição.max_tokens, que é opcional. Se você não o definir, o texto gerado pode usar o restante da janela de 100.000 tokens.streampara eventos enviados pelo servidor.toolsetool_choicepara chamada de funções.response_formatcom{"type":"json_object"}para o modo JSON.
Duas observações práticas. Primeiro, a janela conta o prompt e a conclusão juntos, então um prompt de 90.000 tokens deixa cerca de 10.000 tokens para a resposta. Segundo, o limite do corpo é 8 MB, o que é muito mais do que 100.000 tokens de texto precisam, então você só atinge esse limite ao incorporar payloads grandes codificados nas mensagens.
Streaming
Defina stream: true e a resposta chega como eventos enviados pelo servidor. Cada evento é um fragmento JSON com um delta contendo o próximo trecho de texto, e o uso é reportado no final do streaming. SDKs ocultam o enquadramento; com o protocolo bruto, você lê linhas que começam com data: até o stream fechar.
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="")
Uma regra afeta o planejamento de capacidade: uma requisição em streaming mantém seu slot de concorrência até o fim do stream, não até o primeiro token. Se um cliente travar ao ler, ele mantém o slot ocupado. Sempre feche ou finalize o stream e defina um tempo limite do cliente.
Chamada de ferramentas e modo JSON
Chamada de funções
Passe tools como uma lista de definições de função com parâmetros JSON Schema. Se o modelo decidir chamar uma, a mensagem conterá tool_calls, que também são transmitidos em streaming quando stream está ativo. Você executa a função e envia de volta o resultado como uma mensagem com role: "tool" e o tool_call_id correspondente. Use tool_choice para forçar uma função específica ou deixar a decisão para o 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"]
}
}
}]
}
O modelo propõe argumentos; ele não executa nada. Valide-os antes de agir, como faria com qualquer entrada de usuário.
Modo JSON
Adicione "response_format": {"type": "json_object"} para solicitar um único objeto JSON válido. Como em outras implementações estilo OpenAI, também diga ao modelo no prompt quais chaves você deseja, por exemplo "Retorne um objeto com as chaves title e tags". Analise o resultado em um bloco try mesmo assim, e mantenha max_tokens generoso para que um objeto longo não seja cortado.
Limites, cabeçalhos e erros
| Tipo de chave | Requisições simultâneas | Requisições por minuto |
|---|---|---|
| Chave completa | 8 | 300 |
| Chave de teste | 2 | 60 |
Cada resposta inclui X-Request-Id (cite-o quando entrar em contato com suporte), X-Balance-USD (seu crédito restante), X-RateLimit-Limit-Requests e X-RateLimit-Limit-Concurrency.
Quando você ultrapassa um limite, a API retorna HTTP 429. O código de erro separa os casos:
rate_limited: muitas requisições em um minuto. Diminua a velocidade ou distribua a carga.concurrency: muitas requisições em andamento ao mesmo tempo. Coloque-as em fila do seu lado.- 429 com um cabeçalho
Retry-After: 5: sobrecarga temporária. Aguarde cinco segundos e tente novamente.
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
Requisições que falham ou são recusadas não são cobradas.
Papéis, histórico e o objeto de resposta
A API é sem estado. Ela não lembra requisições anteriores, então uma conversa existe apenas como o array messages que você envia a cada vez. Um histórico típico começa com uma mensagem system que define o comportamento, seguida por mensagens alternadas user e assistant. Quando a chamada de funções está em jogo, mensagens tool aparecem entre elas, cada uma vinculada à chamada que responde por tool_call_id.
Isso tem duas consequências. A primeira é custo: cada turno paga pelo histórico inteiro como entrada, então um chat longo fica mais caro por mensagem mesmo se cada pergunta for curta. A segunda é controle: você pode editar, reduzir ou reescrever o histórico à vontade. Remover as rodadas mais antigas, substituí-las por um resumo ou injetar uma mensagem de assistant corrigida são todas operações comuns, e o modelo trata o que você envia como a verdade.
Na volta, leia três coisas. choices[0].message contém o texto ou as chamadas de funções. choices[0].finish_reason diz por que a geração parou: um fim natural, o limite de tokens ou uma chamada de função. usage contém contagens de tokens de prompt, conclusão e total. Se o motivo de término indicar que o limite de tokens foi atingido, o texto está truncado, e você deve aumentar o limite ou pedir ao modelo para continuar em um turno de acompanhamento.
Uma lista de verificação de compatibilidade curta
Antes de lançar um cliente contra este endpoint, passe por estas verificações. Elas capturam a maioria dos problemas de integração em alguns minutos.
- Chame
GET /v1/modelscom sua chave e confirme que você recebe uma lista que incluiuncensored. - Envie uma solicitação de chat simples sem opções e confirme uma resposta normal com um bloco
usage. - Repita com
stream: truee confirme que seu cliente lida com o fim do streaming e os dados finais de uso. - Se você usar ferramentas, envie uma ida e volta de chamada de ferramenta de ponta a ponta, incluindo a solicitação de acompanhamento com a mensagem
tool. - Dispare 10 requisições de uma vez em uma chave de teste e confirme que seu código lida com o 429 que segue a segunda requisição concorrente.
- Registre
X-Request-Idpara cada chamada para que qualquer resultado estranho possa ser rastreado depois.
Passar em todos os seis significa que seu cliente está pronto para tráfego real.
Onde isso difere da plataforma OpenAI completa
Compatibilidade significa o protocolo de chat, não a plataforma inteira. Tudo fora do chat de texto está ausente, e alguns comportamentos vêm do modelo, não do protocolo. O nome do modelo é fixo, as respostas podem diferir em estilo de qualquer modelo que você usou antes, e a amostragem com a mesma seed é repetível apenas enquanto o prompt e os parâmetros permanecerem os mesmos.
A única regra de conteúdo que você não pode alterar é que o conteúdo sexual envolvendo menores é bloqueado. Além disso, o modelo é ajustado para evitar recusas para uso adulto legal, e os prompts não são usados para treinamento.
Para código em cinco idiomas, consulte o início rápido; para técnicas de prompt, leia como escrever prompts para um modelo sem restrições; e para a parte da conta, preços lista as taxas: $0,15 por 1M de tokens de entrada e $0,50 por 1M de tokens de saída, com crédito que nunca expira. A documentação contém a mesma especificação em forma resumida.
