Qwen unrestricted: openai kompatibel api quickstart

Autentificering og base URL

Det første skridt er at pege din klient på vores hosted endpoint. Brug https://api.qwenunrestricted.com/v1 som din base URL. Overfør din API-nøgle i Authorization header som en Bearer-token. Dette fungerer med ethvert OpenAI-kompatibelt SDK.

Copycurl https://api.qwenunrestricted.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List steps to deploy a docker container."}]
  }'

Sørg for, at din nøgle er gyldig, før du sender anmodninger. En 401-fejl betyder, at nøglen er ugyldig eller udløbet.

At sende en chat completion request

Send en POST-forespørgsel til /v1/chat/completions med din prompt. Model-ID'et er uncensored. Denne model afviser ikke lovligt voksen- eller kontroversielle emner. Den leverer ubegrænsede output uden at nedbryde den grundlæggende intelligens.

Copyfrom openai import OpenAI

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

Indstil modelnavnet til uncensored. API'et accepterer standardparametre som messages og max_tokens.

Konfigurerer temperatur og top_p

Juster temperature og top_p til at kontrollere tilfældighed. Højere værdier øger kreativiteten. Lavere værdier gør outputtet mere deterministisk. Disse parametre påvirker, hvordan modellen vælger tokens under generering.

Copyimport OpenAI from "openai";

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

Indstil temperature til 0,7 for balancerede resultater. Brug top_p til at begrænse sandsynlighedsmassen af kandidat-tokens. Dette hjælper med at kontrollere outputdiversitet.

Håndtering af streamingrespons (SSE)

Aktivér streaming ved at indstille stream til true. API'et returnerer Server-Sent Events (SSE). Hver chunk indeholder delvis tokendata. Saml disse chunks for at bygge det endelige svar.

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)

Parser SSE-strømmen for at vise tokens i realtid. Den sidste chunk indeholder det totale tokenforbrug. Dette gør det muligt at spore omkostninger præcist pr. anmodning.

Tvinger JSON-tilstand til struktureret output

Brug response_format indstillet til {"type": "json_object"} til at håndhæve JSON-output. Dette sikrer, at modellen returnerer gyldige JSON-strukturer. Nyttigt til at parse data eller integrere med andre systemer.

Indstil parameteren i din anmodningskrop. Modellen vil strengt overholde JSON-formatregler. Dette reducerer parsingfejl i downstream-applikationer.

Brug af værktøbskald (funktionskald)

Definer værktøjer i din request ved hjælp af tools parameter. Modellen kan kalde disse funktioner baseret på prompten. Brug tool_choice til at kontrollere funktionskald.

Angiv funktionsdefinitioner i forespørgslen. API'et returnerer værktøjskaldsargumenter. Fortolk disse argumenter for at eksekvere funktioner. Dette muliggør komplekse agent-arbejdsgange.

Forståelse af tokenbrug og omkostninger

Kontekstvinduet er på 100.000 tokens. Max output er 16.000 tokens pr. anmodning. Prissætning er $0.15 per 1M inputtokens og $0.50 per 1M outputtokens. Fejl er gratis.

Tjek den sidste SSE-chunk for oplysninger om forbrug. Tokenantal afspejler faktisk behandling. Der er ingen abonnementsgebyrer. Betal kun for det, du bruger.