Points clés
- L'API sans censure suit la syntaxe standard d'OpenAI mais ne dispose pas de fonctionnalités avancées comme les embeddings ou le routage multi-modèles, donc votre client doit être configuré pour un endpoint unique.
- Les réponses en streaming nécessitent un traitement SSE spécifique ; si votre SDK utilise par défaut l'analyse JSON, vous rencontrerez des erreurs d'analyse sur les grandes sorties sans censure.
- L'appel de fonctions fonctionne mais nécessite une adhérence stricte au schéma JSON car le modèle peut halluciner des arguments plus fréquemment que les modèles ajustés par instruction.
- Vous êtes limité à 300 requêtes par minute et à une taille de corps de 8 Mo, ce qui nécessite des stratégies de regroupement soigneuses pour les applications à fort volume.
Comprendre l'endpoint de l'API IA sans censure
Lors de l'intégration d'une API IA sans censure, la première erreur est de supposer qu'elle se comporte identiquement aux modèles commerciaux standards. Notre endpoint est un service de chat-completions compatible OpenAI hébergé. Il sert un seul modèle de langage large sans censure dédié. Cela signifie que vous n'avez pas besoin de gérer le routage des modèles ou la gestion des versions. Vous envoyez des requêtes vers POST /v1/chat/completions et recevez du texte en retour.
Contrairement aux agrégateurs qui regroupent image, vidéo et plusieurs fournisseurs, ce service se concentre purement sur la génération de texte haute performance et sans restriction. Le modèle est à poids ouverts et ajusté pour répondre sans refus de contenu pour un usage adulte légal. Cependant, il ne s'agit pas de GPT, Claude, Gemini ou de tout autre modèle de fournisseur. Il s'exécute sur nos propres serveurs GPU.
La base URL est https://api.uncensoredgptapi.com/v1. Pour l'utiliser, modifiez le base_url dans vos SDK OpenAI existants ou tout client compatible OpenAI et fournissez votre clé API. L'ID du modèle que vous devez envoyer est simplement "uncensored". Cette simplicité réduit le temps d'intégration mais vous oblige à vérifier que votre client peut gérer un endpoint à modèle unique sans attendre de retours en arrière.
Erreurs courantes d'authentification
Les erreurs d'authentification proviennent généralement d'en-têtes mal configurés ou de clés expirées. L'API utilise l'authentification standard par jeton Bearer. Vous devez inclure votre clé API dans l'en-tête Authorization pour chaque requête.
Une erreur courante consiste à mettre en cache la clé API sans en vérifier la validité. Si vous régénérez votre clé, l'ancienne est immédiatement révoquée. Vous devez mettre à jour la configuration de votre client pour utiliser la nouvelle clé. Si vous recevez une erreur 401 Unauthorized, vérifiez deux choses : premièrement, assurez-vous que la clé est copiée correctement sans espaces blancs au début ou à la fin. Deuxièmement, vérifiez que vous utilisez la bonne base URL. Même une légère déviation dans le domaine ou le chemin entraînera une défaillance d'authentification.
Un autre problème fréquent est l'utilisation du mauvais ID de modèle. L'endpoint attend "uncensored". Si vous envoyez "gpt-4" ou un autre ID de modèle standard, l'endpoint peut rejeter la requête ou renvoyer une erreur car il ne sert qu'un seul modèle. Vérifiez toujours le champ model dans le corps de votre requête.
curl https://api.uncensoredgptapi.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."}]
}'Gestion correcte des réponses en streaming
Les réponses en streaming via Server-Sent Events (SSE) sont prises en charge mais sont souvent mal gérées par les développeurs habitués aux réponses JSON synchrones. Lorsque vous définissez "stream": true dans votre requête, l'API renvoie un flux de partiels objets JSON, et non une seule réponse JSON complète.
Si votre client tente d'analyser la réponse entière comme du JSON en une seule fois, cela échouera. Vous devez lire le flux ligne par ligne. Chaque ligne commence par data: et contient un objet JSON partiel. La dernière ligne est data: [DONE]. Votre code doit agréger ces chunks pour reconstituer le texte final.
Certains SDK gèrent cela automatiquement, mais les implémentations personnalisées nécessitent une analyse SSE explicite. Assurez-vous que le tampon de votre client peut gérer les grandes sorties sans temporisation. Le modèle sans censure peut générer de longues réponses, et le streaming aide à gérer l'utilisation de la mémoire. Si vous rencontrez des déconnexions, envisagez d'implémenter une régression exponentielle pour la logique de réessai.
stream = 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)Erreurs de configuration de l'appel de fonctions
L'appel de fonctions est pris en charge, mais le modèle sans censure peut halluciner des arguments plus fréquemment que les modèles ajustés par instruction. Cela nécessite une validation plus stricte de votre côté. Lors de la définition des outils, assurez-vous que votre schéma JSON est précis. Le modèle tentera de remplir les arguments, mais il peut omettre des champs requis ou fournir des types incorrects.
Validez toujours les arguments de l'appel de fonction avant d'exécuter la fonction. Si le modèle renvoie du JSON invalide pour les arguments, vous devez gérer l'erreur avec élégance. Ne supposez pas que la sortie sera parfaitement structurée. Vous devrez peut-être implémenter un mécanisme de réessai ou une étape de post-traitement pour nettoyer les arguments.
De plus, sachez que le modèle sans censure peut ignorer les définitions d'outils si le prompt est complexe. Si vous rencontrez des problèmes, simplifiez les descriptions des outils et assurez-vous que le prompt système indique clairement au modèle d'utiliser les outils lorsque cela est approprié. Testez avec quelques entrées d'exemple pour vérifier le comportement.
Limites de la fenêtre de contexte (100k tokens)
L'API sans censure prend en charge une fenêtre de contexte de 100 000 tokens, combinant à la fois le prompt et la complétion. C'est significativement plus grand que de nombreux modèles standards, permettant des conversations extensives ou le traitement de grands documents. Cependant, ce n'est pas infini. Si votre entrée dépasse cette limite, l'API renverra une erreur.
Pour éviter de toucher cette limite, surveillez votre utilisation de tokens. La plupart des SDK fournissent des utilitaires pour compter les tokens. Suivez le cumul des tokens dans l'historique de votre conversation. Si vous traitez de grands documents, envisagez de les fractionner ou de résumer les parties antérieures de la conversation pour libérer de l'espace de contexte.
N'oubliez pas que la fenêtre de contexte inclut tous les messages dans le tableau messages. Chaque message contribue au total. Si vous envoyez beaucoup de petits messages, la surcharge peut s'accumuler. Optimisez la structure de votre prompt pour minimiser les tokens inutiles. Par exemple, évitez de répéter les instructions système à chaque tour si elles restent constantes.
Explication des limites de débit (300 RPM)
L'API applique une limite de débit de 300 requêtes par minute par clé. Il s'agit d'une limite stricte pour garantir une utilisation équitable pour tous les utilisateurs. Si vous dépassez cette limite, vous recevrez une erreur 429 Too Many Requests. Votre client doit gérer cela en implémentant une stratégie de réessai.
Une erreur courante est de ne pas tenir compte du trafic en rafale. Si vous envoyez 300 requêtes rapidement, vous pouvez toucher la limite même si votre taux moyen est inférieur. Répartissez vos requêtes uniformément sur la minute. Si vous traitez un grand ensemble de données, envisagez de regrouper les requêtes ou d'utiliser une file d'attente pour gérer le flux.
Les limites de débit sont appliquées par clé API. Si vous avez plusieurs services utilisant la même clé, ils partagent la limite. Pour augmenter la capacité, vous pouvez générer une nouvelle clé, mais notez qu'une seule clé est active par compte. Vous pouvez régénérer la clé à tout moment, mais cela révoque l'ancienne, donc assurez-vous que tous les clients sont mis à jour.
Limites de taille du corps de la requête (8 Mo)
Chaque corps de requête est limité à 8 Mo. Cette limite s'applique au chargement JSON, y compris le tableau messages et toute définition d'outil. Si votre requête dépasse cette taille, l'API la rejettera avec une erreur 413 Payload Too Large.
Cette limite est importante lors de l'envoi de grands fichiers en tant que données encodées en base64 ou lors de l'inclusion d'historiques de conversation étendus. Si vous travaillez avec de grands documents, envisagez de compresser le texte ou de supprimer les espaces blancs inutiles avant l'envoi. Vous pouvez également utiliser le streaming pour réduire l'utilisation de la mémoire, mais le corps de la requête initial doit toujours tenir dans la limite de 8 Mo.
Surveillez la taille de vos requêtes pendant le développement. Si vous rencontrez cette erreur, examinez la structure de votre prompt et supprimez toute information redondante. Par exemple, si vous incluez l'intégralité du prompt système dans chaque message, déplacez-le dans le rôle system une fois et faites-y référence.
Gestion et régénération des clés API
Chaque compte est limité à une seule clé API. Cette clé est générée lors de l'inscription et est affichée immédiatement. Vous pouvez régénérer la clé à tout moment depuis votre tableau de bord. Lorsque vous la régénérez, l'ancienne clé est instantanément révoquée. Tout client utilisant l'ancienne clé recevra une erreur 401 Unauthorized.
Pour gérer cela efficacement, mettez à jour tous vos clients avant de régénérer la clé. Si vous avez plusieurs services ou appareils utilisant la clé, assurez-vous qu'ils sont tous mis à jour simultanément. Vous pouvez générer une nouvelle clé autant de fois que nécessaire, mais une seule sera active à la fois.
La clé API est liée à votre adresse e-mail et votre mot de passe. Si vous perdez votre clé, vous pouvez la régénérer. Il n'y a pas de limite au nombre de régénérations. Cependant, une régénération fréquente peut indiquer un problème de sécurité, donc utilisez-la lorsque cela est nécessaire. Gardez votre clé en sécurité et ne la partagez pas publiquement.
Dépannage des filtres de contenu
Le modèle sans censure n'interdit pas les sujets adultes licites, fictifs, liés à la recherche en sécurité ou controversés. Toutefois, une limite stricte en matière de contenu s'applique toujours : aucune représentation de contenu sexuel impliquant des mineurs. Les requêtes contenant ce type de contenu sont bloquées.
Si vous rencontrez des refus inattendus, vérifiez votre prompt pour des indicateurs subtils de contenu interdit. Le modèle est ajusté pour un usage sans restriction, mais il peut toujours appliquer des filtres de sécurité de base. Si vous testez avec des cas limites, documentez le comportement pour comprendre les limites du modèle.
Un autre problème courant est l'hallucination. Le modèle sans censure peut générer des informations plausibles mais incorrectes. Vérifiez toujours les sorties critiques, en particulier lors de l'utilisation d'appels de fonctions ou de la génération de code. Le modèle privilégie la fluidité par rapport à la précision factuelle stricte dans certains cas.
