सारांश
- एक खुले-वजन वाले मॉडल तक पहुंचने के लिए एकल बेस यूआरएल और मॉडल आईडी "uncensored" का उपयोग करें जो कम रिफ्यूजल दरों के लिए ट्यून्ड है।
- API 100,000-टोकन संदर्भ विंडो और प्रति अनुरोध 16,000-टोकन अधिकतम आउटपुट सीमा का समर्थन करता है।
- स्ट्रक्चर्ड डेटा पाइपलाइन्स के लिए SSE के माध्यम से स्ट्रीमिंग, JSON मोड और फंक्शन कॉलिंग पूरी तरह से समर्थित हैं।
- मूल्य निर्धारण $0.15 प्रति 1M इनपुट टोकन और $0.50 प्रति 1M आउटपुट टोकन पर पारदर्शी है, केवल क्रिप्टो टॉप-अप के साथ।
डेवलपर्स के लिए 'AI no restrictions' क्यों मायने रखता है
AI नो रिस्ट्रिक्शंस उन मनमाने कंटेंट फिल्टर्स को हटा देता है जो अक्सर मान्य वयस्क, रचनात्मक या तकनीकी आउटपुट को अस्वीकार कर देते हैं। जब आपको किसी मॉडल से कोड या कथा जनरेट करने की आवश्यकता होती है जिसका टोन नरम न किया गया हो, तो मानक प्रदाता सुरक्षा परतें लगा सकते हैं जो परिणाम को बदल देते हैं। हमारी API एक विशिष्ट अनसेंसर्ड मॉडल को सेवा प्रदान करती है जो सीधे उत्तर देता है, यह सुनिश्चित करते हुए कि आपको वह ही कच्चा टेक्स्ट मिले जिसे आपने मांगा था।
यह दृष्टिकोण उन डेवलपर्स के लिए महत्वपूर्ण है जो ऐसे टूल्स बना रहे हैं जहाँ स्वयं-सेंसरशिप शोर पैदा करती है। आप उस घर्षण से बचते हैं जो प्रॉम्प्ट को दोबारा भेजने की आवश्यकता पैदा करता है क्योंकि मॉडल ने एक कीवर्ड को "संवेदनशील" माना। मॉडल ओपन-वेइट है और कानूनी वयस्क उपयोग के लिए ट्यून किया गया है, जिसका अर्थ है कि यह विवादास्पद विषयों या स्पष्ट भाषा को अस्वीकार नहीं करता जब तक कि इसमें किशोर शामिल न हों। आपको छिपे मॉडरेशन गेट्स के बिना स्थिर, पूर्वानुमेय व्यवहार मिलता है।
चरण 1: अपना बेस URL और हेडर कॉन्फ़िगर करें
अपने OpenAI SDK को हमारे बेस यूआरएल की ओर निर्देशित करें और सभी अनुरोधों के लिए मॉडल id "uncensored" का उपयोग करें। यह सुनिश्चित करता है कि आप हमारे समर्पित uncensored मॉडल से बात कर रहे हैं, न कि एक रूटेड प्रॉक्सी से। आपको केवल प्रमाणीकरण हेडर में एक वैध API कुंजी की आवश्यकता है।
शुरुआत करें सेट करके बेस यूआरएल को HTTPS://api.llmwithoutrestrictionsonline.com/v1 पर। फिर, /v1/chat/completions पर एक POST अनुरोध भेजें। मॉडल आईडी सख्ती से "uncensored" है। आप किसी भी मानक OpenAI-सुसंगत क्लाइंट का उपयोग कर सकते हैं, लेकिन आपको बेस यूआरएल ओवरराइड करना होगा। यह एकल एंडपॉइंट सभी चैट पूर्णताओं को संभालता है। कोई अन्य मॉडल उपलब्ध नहीं है, इसलिए आपको मॉडल रूटिंग या वर्जनिंग प्रबंधित करने की आवश्यकता नहीं है। बस अपनी कुंजी सेट करें और शुरू करें।
curl https://api.llmwithoutrestrictionsonline.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "List three linux commands to delete log files"}]
}'चरण 2: संदर्भ विंडो हैंडल करें (100k टोकन)
मॉडल प्रॉम्प्ट और कंप्लीशन को मिलाकर 100,000-टोकन का कॉन्टेक्स्ट विंडो सपोर्ट करता है। आप बड़े इनपुट भेज सकते हैं, लेकिन यदि आप कम सीमा निर्दिष्ट नहीं करते हैं तो अधिकतम आउटपुट प्रति रिक्वेस्ट 16,000 टोकन पर सीमित है। यदि आप max_tokens सेट नहीं करते हैं, तो यह डिफ़ॉल्ट रूप से 2,048 होता है। अपनी स्ट्रीमिंग या चंकिंग रणनीतियों की योजना बनाएं।
लंबे इनपुट भेजते समय, सुनिश्चित करें कि कुल टोकन गणना 100,000 से कम रहे। इसमें सिस्टम प्रॉम्प्ट, इतिहास और उपयोगकर्ता संदेश शामिल हैं। यदि आप इससे अधिक हो जाते हैं, तो अनुरोध विफल हो जाएगा। लंबे आउटपुट की आवश्यकता वाले कार्यों के लिए, आपको जनरेशन को विभाजित करने की आवश्यकता हो सकती है। API एम्बेडिंग्स का समर्थन नहीं करता है, इसलिए आपको अपनी स्वयं की पुनर्प्राप्ति तर्क संभालना होगा। यह सेवा को अतिरिक्त ओवरहेड के बिंदु शुद्ध पाठ जनरेशन पर केंद्रित रखता है।
चरण 3: रियल-टाइम आउटपुट के लिए स्ट्रीमिंग सक्षम करें
टोकन को जनरेट होते समय स्ट्रीम करने के लिए सर्वर-सेंट इवेंट्स (SSE) का उपयोग करें। यह यूजर इंटरफेस के लिए तत्काल फीडबैक प्रदान करता है और अनुपस्थित लेटेंसी को कम करता है। स्ट्रीम के अंतिम चंक में अनुरोध के लिए कुल टोकन उपयोग शामिल होता है। आप इसे पार्स करके पूरे रिस्पॉन्स का इंतजार किए बिना वास्तविक समय में लागत ट्रैक कर सकते हैं।
अपने अनुरोध में stream पैरामीटर को true सेट करें। API डेल्टा ऑब्जेक्ट्स की एक श्रृंखला लौटाता है। प्रत्येक डेल्टा में एक आंशिक सामग्री स्ट्रिंग होती है। अंतिम आउटपुट बनाने के लिए इन स्ट्रिंग्स को जोड़ें। यह विधि OpenAI-compatible क्लाइंट्स के लिए मानक है। यह अधिकांश SDKs के साथ सहज रूप से काम करती है। आपको SSE फॉर्मेट के लिए कस्टम पार्सर की आवश्यकता नहीं है। बस स्ट्रीम इवेंट्स को उनके आने के अनुसार हैंडल करें।
from openai import OpenAI
client = OpenAI(base_url="https://api.llmwithoutrestrictionsonline.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)चरण 4: संरचित डेटा के लिए JSON मोड फोर्स करें
response_format को json_object सेट करके जेएसओएन मोड सक्षम करें। यह मॉडल को मान्य जेएसओन आउटपुट करने पर मजबूर करता है, जो प्रोग्रामेटिक पाइपलाइनों के लिए आवश्यक है। यह पार्सिंग त्रुटियों को कम करता है और सुनिश्चित करता है कि आपका बैकएंड संरचित डेटा प्राप्त करता है। एंटिटीज़ को निकालने, कॉन्फ़िग फ़ाइलें जनरेट करने, या टूल इनपुट्स बनाने के लिए इसका उपयोग करें।
JSON मोड का उपयोग करते समय, मॉडल में मामूली फॉर्मेटिंग समस्याएं आ सकती हैं। हमेशा आउटपुट को एक JSON पार्सर के साथ सत्यापित करें। यह उन डेवलपर्स के लिए महत्वपूर्ण है जिन्हें निर्धारित संरचनाओं की आवश्यकता होती है। यह पूर्ण सिंटैक्स की गारंटी नहीं देता, लेकिन यह विश्वसनीयता को काफी बढ़ाता है। मार्कडाउन वेप्पर या अतिरिक्त पाठ की संभावना को कम करने के लिए इसे एक सिस्टम प्रॉम्प्ट के साथ संयोजित करें जो मॉडल को केवल JSON आउटपुट करने का निर्देश देता है।
चरण 5: फंक्शन कॉलिंग (टूल्स) लागू करें
टूल्स और tool_choice पैरामीटर पास करके फ़ंक्शन कॉलिंग का समर्थन करें। मॉडल तय कर सकता है कि किस फ़ंक्शन को कॉल करना है और तर्क उत्पन्न करना है। यह एजेंटिक कार्यप्रवाह सक्षम बनाता है जहां API बाहरी सेवाओं के साथ इंटरैक्ट करता है। आप फ़ंक्शन स्कीमा परिभाषित करते हैं, और मॉडल प्रतिक्रिया में टूल कॉल लौटाता है।
अपने फ़ंक्शंस को नाम, विवरण और पैरामीटर स्कीमा के साथ परिभाषित करें। इन्हें टूल्स एरे में पास करें। मॉडल टूल कॉल की एक सूक्षा के साथ प्रतिक्रिया देगा। आप फिर इन फ़ंक्शंस को निष्पादित करते हैं और परिणामों को मॉडल को वापस पास करते हैं। यह लूप जटिल मल्टी-स्टेप तर्क की अनुमति देता है। यह मानक मॉडल्स की तरह ही अनसेंसर्ड मॉडल के साथ काम करता है। मानक OpenAI फॉर्मेट के अलावा कोई विशेष कॉन्फ़िगरेशन की आवश्यकता नहीं है।
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.llmwithoutrestrictionsonline.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);चरण 6: टोकन लागत और लिमिट्स प्रबंधित करें
मूल्य स्पष्ट हैं: 1M इनपुट टोकन प्रति $0.15 और 1M आउटपुट टोकन प्रति $0.50। आप वास्तविक उपयोग के लिए भुगतान करते हैं, त्रुटियां और अस्वीकृतियां मुफ्त हैं। कोई मासिक सदस्यता या छिपी हुई फीस नहीं है। क्रेडिट कभी समाप्त नहीं होता, इसलिए आप एक बार टॉप-अप कर सकते हैं और समय के साथ उपयोग कर सकते हैं। यह मॉडल बिना किसी प्रतिबद्धता के उच्च-वॉल्यूम, दीर्घकालिक परियोजनाओं के लिए उपयुक्त है।
आप केवल क्रिप्टो के साथ टॉप-अप कर सकते हैं। न्यूनतम टॉप-अप $20 है, अधिकतम $500 है। आपको बोनस मिलता है: $50 के लिए +5%, $100 के लिए +10%, और $200 के लिए +15%। सीमाओं में प्रति मिनट 300 अनुरोध और प्रति कुंजी 8 समवर्ती अनुरोध शामिल हैं। अनुरोध बॉडी 8 MB से कम होनी चाहिए। प्रति खाता एकल API कुंजी का उपयोग करें, या यदि आवश्यक हो तो इसे बदलें।
चरण 7: सामान्य फिल्टर रिजेक्शन डिबगिंग
अनकेंसर मॉडल्स विशिष्ट सामग्री को अस्वीकार कर सकते हैं, जैसे कि किशोरों से जुड़ी यौन सामग्री। यह एक कड़ी सीमा है जो हमेशा लागू होती है। यदि आपको अस्वीकृति मिलती है, तो सामग्री नीति दर्शाने वाले एक त्रुटि कोड के लिए प्रतिक्रिया की जांच करें। अन्यथा, वयस्क, रचनात्मक या तकनीकी विषयों के लिए अस्वीकृतियां दुर्लभ होती हैं। यदि आपको अप्रत्याशित ब्लॉक का सामना करना पड़ता है, तो संदर्भ को स्पष्ट करने के लिए अपने सिस्टम प्रॉम्प्ट को समायोजित करें।
सामान्य समस्याओं में संदर्भ विंडो ओवरफ्लो या JSON पार्सिंग त्रुटियाँ शामिल हैं। सुनिश्चित करें कि आपका इनपुट 100,000 टोकन से कम रहता है। संरचित आउटपुट के लिए JSON मोड का उपयोग करें। यदि आपको डिबग करने की आवश्यकता है, तो विस्तृत त्रुटि संदेशों के लिए रिस्पॉन्स बॉडी की जाँच करें। API स्पष्ट फीडबैक प्रदान करता है। आप डबल चार्ज या खाता समस्याओं के लिए सहायता से भी संपर्क कर सकते हैं। क्रेडिट रिफंड नहीं किया जाता है, लेकिन त्रुटियाँ मुफ्त हैं।
निष्कर्ष: गार्डरेल्स के बिना निर्माण
AI के साथ बिना किसी प्रतिबंध के बिल्डिंग आपको आउटपुट पर पूर्ण नियंत्रण देती है। आप सुरक्षा फिल्टर्स के शोर से बचते हैं जो सामूहिक आकर्षण के लिए टेक्स्ट को सैनिटाइज करता है। यह API डेवलपर्स के लिए एक भरोसेमंद, ओपन-वेइट मॉडल प्रदान करता है जिन्हें रॉ, अनफिल्टर्ड परिणामों की आवश्यकता होती है। आसान इंटीग्रेशन के लिए स्टैंडर्ड OpenAI-कम्पैटिबल एंडपॉइंट्स का उपयोग करें। स्ट्रीम रिस्पॉन्सेस, फोर्स JSON, या टूल्स को कॉल करें जैसी स्थिति में।
मूल्य सरल और पारदर्शी है। केवल अपनी खपत के लिए भुगतान करें, क्रिप्टो टॉप-अप और कोई समाप्ति के बिना। मॉडल कानूनी वयस्क उपयोग के लिए ट्यून्ड है, यह सुनिश्चित करते हुए कि आपको वह सामग्री मिले जिसकी आप उम्मीद करते हैं। ट्रायल क्रेडिट के साथ शुरू करें, अपने ऐप्स को एकीकृत करें, और बिना किसी सीमा के स्केल करें। यह उन डेवलपर्स के लिए एक टूल है जो पॉलिश की तुलना में पावर चाहते हैं।
