Qwen Unrestricted: OpenAI-kompatible API-Schnellstartanleitung
Fügen Sie die uneingeschränkte qwen-API in Ihren bestehenden Stack ein, indem Sie die Basis-URL und den Schlüssel austauschen. Diese Anleitung behandelt Authentifizierung, Streaming und strukturierte Ausgaben für das unzensierte LLM-Modell.
Authentifizierung und Basis-URL
Der erste Schritt besteht darin, Ihren Client auf unseren gehosteten Endpunkt zu richten. Verwenden https://api.qwenunrestricted.com/v1 als Ihre Basis-URL. Übergeben Sie Ihren API-Schlüssel im Authorization Header als Bearer-Token. Dies funktioniert mit jedem OpenAI-kompatiblen SDK.
curl 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."}]
}'Stellen Sie sicher, dass Ihr Schlüssel gültig ist, bevor Sie Anfragen senden. Ein 401-Fehler bedeutet, dass der Schlüssel ungültig oder abgelaufen ist.
Eine Chat-Vervollständigungsanfrage senden
Senden Sie eine POST-Anfrage an /v1/chat/completions mit Ihrem Prompt. Die Modell-ID ist uncensored. Dieses Modell lehnt legale erwachsene oder kontroverse Themen nicht ab. Es liefert uneingeschränkte Ausgaben, ohne die Basisintelligenz zu verschlechtern.
from 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)Legen Sie den Modellnamen auf uncensored. Die API akzeptiert Standardparameter wie messages und max_tokens.
Konfigurieren von Temperatur und Top-P
Anpassen temperature und top_p um Zufälligkeit zu steuern. Höhere Werte erhöhen die Kreativität. Niedrigere Werte machen Ausgaben deterministischer. Diese Parameter beeinflussen, wie das Modell Token während der Generierung auswählt.
import 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);Festlegen temperature auf 0,7 für ausgewogene Ergebnisse. Verwenden top_p den Wahrscheinlichkeitsanteil der Kandidaten-Tokens zu begrenzen. Dies hilft, die Vielfalt der Ausgabe zu steuern.
Streaming-Antworten (SSE) handhaben
Aktivieren Sie Streaming, indem Sie stream auf true. Die API gibt Server-Sent Events (SSE) zurück. Jeder Chunk enthält teilweise Token-Daten. Sammeln Sie diese Chunks, um die endgültige Antwort zu erstellen.
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)Analysieren Sie den SSE-Stream, um Token in Echtzeit anzuzeigen. Das letzte Chunk enthält die gesamte Token-Nutzung. Dies ermöglicht eine genaue Kostenverfolgung pro Anfrage.
JSON-Modus für strukturierte Ausgaben erzwingen
Verwenden response_format gesetzt auf {"type": "json_object"} um JSON-Ausgabe zu erzwingen. Dies stellt sicher, dass das Modell gültige JSON-Strukturen zurückgibt. Nützlich zum Analysieren von Daten oder zur Integration mit anderen Systemen.
Legen Sie den Parameter in Ihrem Anforderungstext fest. Das Modell hält sich streng an die JSON-Formatierungsregeln. Dies reduziert Parsing-Fehler in nachgelagerten Anwendungen.
Die Verwendung von Tool-Aufrufen (Function Calling)
Definieren Sie Tools in Ihrer Anfrage mit der tools Parameter. Das Modell kann diese Funktionen basierend auf dem Prompt aufrufen. Verwenden Sie tool_choice die Funktionsausführung zu steuern.
Specify function definitions in the request. The API returns tool call arguments. Parse these arguments to execute functions. This enables complex agent workflows.
Token-Nutzung und Kosten verstehen
Das Context-Window umfasst 100.000 Tokens. Maximaler Output ist 16.000 Tokens pro Anfrage. Der Preis beträgt $0.15 pro 1M Eingabetokens und $0.50 pro 1M Ausgabetokens. Fehler sind kostenlos.
Prüfen Sie den letzten SSE-Chunk für Nutzungsdetails. Token-Anzahlen spiegeln die tatsächliche Verarbeitung wider. Es fallen keine Abonnementgebühren an. Bezahlen Sie nur für das, was Sie nutzen.
Häufig gestellte Fragen
Was ist Qwen Unrestricted?
Es ist ein Open-Weight-Modell, dessen Guardrails aus den Gewichten entfernt wurden. Es bietet uneingeschränkte Ausgaben, ohne die grundlegende Intelligenz zu beeinträchtigen. Es ist kein GPT-, Claude- oder Llama-Modell.
Wie erhalte ich einen API-Schlüssel?
Melden Sie sich mit Google oder E-Mail an. Der Schlüssel wird sofort angezeigt. Keine Telefonnummer ist erforderlich. Ein aktiver Schlüssel pro Konto.
Wie groß ist die Kontextfenstergröße?
Der Context-Window umfasst 100.000 Tokens. Dies umfasst Prompt und Completion. Maximaler Output sind 16.000 Tokens. Nutzen Sie dies für lange Dokumente.
Sichern Sie Ihren API-Schlüssel
Registrieren Sie sich, rufen Sie Ihren Schlüssel ab, aktualisieren Sie die Basis-URL. Das ist die gesamte Konfiguration.
