Início rápido da API LLM: Endpoints compatíveis com OpenAI

Autenticação e URL Base

Para começar a usar os serviços do provedor de api llm, você precisa de uma chave de API. Registre-se na página Obter chave de API com apenas e-mail e senha. Sua chave aparece imediatamente. Não é necessário número de telefone ou cartão de crédito para o crédito de teste. Mantenha sua chave segura; você pode regenerá-la a qualquer momento, o que invalida a chave anterior.

Configure seu cliente para apontar para nossa URL base. Isso garante que todas as requisições sejam roteadas para nosso modelo sem censura. A estrutura do endpoint espelha a interface padrão de conclusões de chat da OpenAI.

• URL Base: https://api.comparellmapi.com/v1
• Cabeçalho: Authorization: Bearer YOUR_API_KEY

Esta configuração funciona com qualquer SDK compatível com OpenAI. Você só precisa ajustar a URL base e injetar sua chave.

Sua Primeira Requisição

Envie uma requisição simples de conclusão de texto para testar a conectividade. Isso confirma que sua chave de API é válida e que há créditos disponíveis. Use o ID do modelo uncensored para acessar o modelo bruto. O endpoint aceita requisições POST com um corpo JSON contendo mensagens.

Certifique-se de que o corpo da sua requisição fique abaixo de 8 MB. Se você exceder esse limite, o servidor rejeitará a requisição. Para a maioria dos aplicativos baseados em texto, uma única interação ou conversa curta se encaixa bem dentro dessa restrição.

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

Se for bem-sucedido, você receberá uma resposta JSON com o texto gerado. Isso confirma que a estrutura de preços da api llm se aplica ao seu uso. Cada token conta para o seu saldo pré-pago.

Integração com SDK Python

Use a biblioteca Python oficial da OpenAI para a integração mais fácil. Instale o pacote via pip e configure o cliente com nossa URL base. Isso permite que você use métodos familiares como chat.completions.create().

Defina o modelo para uncensored. Passe suas mensagens no formato padrão. O SDK lida com serialização e análise de erros automaticamente.

Copyfrom openai import OpenAI

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

Esta abordagem é ideal para serviços de back-end ou scripts. A biblioteca gerencia retentativas e tratamento básico de erros. Lembre-se de verificar o conteúdo da resposta para o texto gerado. Você também pode acessar dados de uso de tokens para transparência de cobrança.

Configuração do SDK Node.js

Para ambientes JavaScript ou TypeScript, o SDK Node.js da OpenAI funciona perfeitamente. Instale o pacote e inicialize o cliente com nossa URL base. Isso mantém a compatibilidade com a interface de API padrão.

Defina suas mensagens de sistema e do usuário. O ID do modelo permanece uncensored. O SDK retorna uma promessa com o resultado da conclusão. Trate os erros adequadamente para gerenciar limites de API ou créditos insuficientes.

Copyimport OpenAI from "openai";

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

Este método é adequado para servidores web ou aplicativos Node.js. A estrutura do código espelha o exemplo Python, garantindo consistência entre linguagens. Você pode integrar isso facilmente em rotas Express ou funções serverless.

Respostas em Streaming (SSE)

Para aplicativos em tempo real, ative o streaming definindo o parâmetro stream como true. O servidor envia uma série de Eventos Enviados pelo Servidor (SSE). Cada evento contém um pedaço parcial da resposta.

Isso reduz a latência percebida para os usuários. O cliente recebe tokens conforme são gerados. Isso é útil para interfaces de chat ou geração de texto ao vivo.

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)

Analise o fluxo SSE para extrair cada token. Acumule o texto para formar a resposta completa. O custo da api chatgpt e outros provedores geralmente cobram de forma semelhante pelo streaming, mas nosso modelo sem censura oferece saída bruta sem taxas extras para este modo. Monitore o evento de fim do fluxo para finalizar a resposta.

Limites, Erros e Contexto

Entenda os limites operacionais para garantir uma integração suave. Você tem permissão para 300 requisições por minuto por chave de API. Se você exceder isso, receberá um erro de limite de taxa 429. Aguarde antes de tentar novamente.

Erros comuns incluem 401 para chaves inválidas e 402 para créditos insuficientes. Certifique-se de que seu saldo pré-pago seja suficiente. A janela de contexto suporta até 100.000 tokens para prompt mais conclusão. Gerencie o uso de tokens cuidadosamente para evitar truncamento.

Para preços da api llm detalhados, consulte a página de preços. Cada token é cobrado de acordo com as taxas de entrada e saída. Não há taxas ocultas. Essa transparência ajuda você a orçar com precisão para seu aplicativo.