API-Dokumentation

Basis-URL und Authentifizierung

Beginnen Sie mit der Authentifizierung über die Base URL https://api.googlegeminiuncensored.com/v1. Sie erhalten sofort nach der Anmeldung über Google oder E-Mail einen aktiven API-Schlüssel. Verwenden Sie diesen Schlüssel in der Authorization Header als Bearer-Token für alle nachfolgenden Anfragen.

• Base URL: https://api.googlegeminiuncensored.com/v1
• Header: Authorization: Bearer YOUR_API_KEY

Copycurl https://api.googlegeminiuncensored.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the top five open source LLMs for local deployment"}]
  }'

Chat-Vervollständigungs-Endpunkt

Senden Sie Textgenerierungsanfragen an POST /v1/chat/completions. Dieser Endpunkt akzeptiert standardmäßige Nachrichten-Arrays und gibt Rohtextantworten ohne Inhaltsfilter für die legale Erwachsenenverwendung zurück.

Copyfrom openai import OpenAI

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

Die Modell-ID ist uncensored. Es ist ein Open-Weight-Modell, das auf unseren Servern läuft, getrennt von GPT oder Gemini. Es routet nicht zwischen Anbietern und bietet keine Embeddings an.

Streaming-Antworten (SSE)

Aktivieren Sie Streaming, indem Sie stream: true in Ihrem Anfragekörper. Die API gibt Server-Sent Events (SSE) zurück, wobei Token-Nutzungsdaten im letzten Chunk erscheinen.

Copyimport OpenAI from "openai";

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

Streaming reduziert die wahrgenommene Latenz bei langen Ausgaben. Jeder Chunk enthält partielle Text-Deltas. Analysieren Sie das letzte Ereignis, um den gesamten Token-Verbrauch für Transparenz bei der Abrechnung zu erhalten.

Streaming

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)