Referensi API

Autentikasi dan URL Dasar

Gunakan kunci API Anda dengan https://api.routerllm.cc/v1 URL dasar. Daftar dengan Google atau email dan kata sandi untuk mendapatkan kunci Anda secara instan. Tidak diperlukan nomor telepon. Kunci tersebut mengautentikasi semua permintaan ke titik akhir chat-completions.

Copycurl https://api.routerllm.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the top five python libraries for web scraping."}]
  }'

Jaga kunci Anda tetap aman. Satu kunci aktif menggantikan kunci lama jika Anda menghasilkan kunci baru. Kesalahan dan penolakan gratis, sehingga Anda dapat menguji dengan aman.

Endpoint Chat Completions

Kirimkan prompt ke POST /v1/chat/completions endpoint. endpoint. ID model adalah uncensored. Ini adalah model bobot terbuka yang disesuaikan untuk penggunaan dewasa yang sah, bukan model vendor seperti GPT atau Claude.

Copyfrom openai import OpenAI

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

Jendela konteks adalah 100.000 token untuk prompt dan completion secara bersama-sama. Anda mendapatkan 16.000 token output secara default, atau 2.048 jika Anda mengabaikannya max_tokens.

Streaming dengan SSE

Aktifkan streaming dengan mengatur stream: true dalam permintaan Anda. API mengembalikan Server-Sent Events (SSE). Data penggunaan token muncul di potongan terakhir aliran.

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)

Pendekatan ini mengurangi latensi yang dirasakan untuk respons panjang. Gunakan pendekatan ini saat membangun antarmuka obrolan yang mendapat manfaat dari rendering teks bertahap.

Pemanggilan Fungsi dan Alat

Kirimkan tools di tools array. Model mendukung panggilan fungsi dengan tool_choice opsi. Gunakan ini untuk ekstraksi data terstruktur atau alur kerja otomatis.

Copyimport OpenAI from "openai";

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

Tentukan skema fungsi Anda dengan jelas. API menangani pengalihan antara prompt pengguna Anda dan definisi alat. Pastikan kode Anda mengurai panggilan alat dengan benar.

Mode JSON dan Parameter

Atur response_format ke {"type": "json_object"} untuk output JSON ketat. Kontrol generasi dengan temperature, top_p, stop, dan seed. Sesuaikan penalti untuk kehadiran dan frekuensi untuk menyempurnakan gaya output.

Gunakan parameter ini untuk menyesuaikan keandalan. Mode JSON sangat penting untuk menguraikan respons yang dapat dibaca mesin. Model tetap uncensored bahkan dengan format yang ketat.

Penanganan Kesalahan dan Batasan

Diharapkan 401 untuk kunci tidak valid, 402 untuk kredit tidak mencukupi, dan 429 untuk batas laju. Batasnya adalah 300 permintaan per menit dan 8 permintaan simultan per kunci. Ukuran badan permintaan maksimum adalah 8 MB.

Periksa kode status untuk menentukan penyebabnya. Isi ulang dengan USDT atau USDC untuk melanjutkan. Kredit tidak pernah kedaluwarsa, sehingga Anda dapat menghentikan penggunaan sementara tanpa kehilangan dana.

Info Model dan Penggunaan Token

Kueri GET /v1/models untuk memverifikasi model yang tersedia. Satu-satunya model adalah uncensored. Model ini melayani teks masuk dan teks keluar. Tidak ada dukungan untuk embedding, gambar, atau audio.

Lacak penggunaan token di header respons atau akhir stream. Harganya transparan: $0.15 per 1M token input dan $0.50 per 1M token output. Kredit prabayar mencakup semua penggunaan.