Inicio rápido de API LLM sin censura | Uncensored LLM Hub

URL base y autenticación

Usa la URL base https://api.uncensoredllmhub.com/v1 para todas las peticiones. La autenticación requiere una clave de API pasada en el encabezado Authorization como token Bearer. Recibes esta clave inmediatamente al registrarte a través de la página Obtener clave de API. La clave está vinculada a una sola cuenta; puedes regenerarla en cualquier momento, lo que invalida la clave anterior. No se requiere número de teléfono ni tarjeta de crédito para comenzar.

POST /v1/chat/completions

Envía tu prompt al endpoint de chat. El id del modelo es siempre uncensored. La API acepta mensajes de chat estándar y devuelve texto. No soporta imágenes, audio ni embeddings. Asegúrate de que el cuerpo de tu petición no supere los 8 MB. El siguiente ejemplo demuestra una petición de texto básica usando cURL:

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

Esto devuelve una finalización para tu prompt. Puedes analizar la respuesta para extraer el texto generado para la lógica de tu aplicación.

Integración con SDK de Python

Usa el paquete de Python oficial openai para una integración más fácil. Configura el cliente con tu URL base y clave de API. Este enfoque simplifica el manejo de JSON y la inferencia de tipos. El siguiente ejemplo muestra cómo inicializar el cliente y enviar un mensaje:

Copyfrom openai import OpenAI

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

Reemplaza YOUR_API_KEY con tu clave real. El objeto de respuesta proporciona acceso directo al contenido, facilitando la integración en flujos de trabajo de Python.

Integración con SDK de Node

Para entornos JavaScript, usa el SDK de Node.js de OpenAI. Establece la URL base y la clave de API en el objeto de configuración. Esto te permite usar sintaxis basada en promesas estándar. El siguiente ejemplo demuestra una finalización de chat simple:

Copyimport OpenAI from "openai";

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

Asegúrate de manejar la respuesta asíncrona apropiadamente. Este método funciona bien para aplicaciones del lado del servidor o entornos Node.js donde necesitas procesar la salida inmediatamente.

Respuestas en streaming (SSE)

Habilita el streaming estableciendo stream: true en tu petición. La API devuelve Eventos Enviados por Servidor (SSE) en lugar de un único objeto JSON. Esto te permite mostrar tokens a medida que se generan, mejorando la latencia percibida. El siguiente ejemplo muestra cómo manejar el stream en Python:

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)

Analiza cada fragmento para extraer el contenido delta. Esto es útil para interfaces de chat donde los usuarios esperan indicadores de escritura en tiempo real. El stream termina cuando se recibe el fragmento final.

Límites de velocidad, errores y contexto

Estás limitado a 300 peticiones por minuto por clave. Si excedes esto, recibes un error 429. Otros errores comunes incluyen 401 (clave inválida) y 402 (crédito insuficiente). La ventana de contexto es de 100.000 tokens para prompt más finalización combinados. Si tu entrada es demasiado grande, el modelo puede truncar o rechazar la petición. Monitorea siempre tu uso a través del panel para evitar interrupciones del servicio.