Dolphin ia API Quickstart

Bas URL och autentisering

Vårt API finns på HTTPS://api.dolphinia.cc/v1 och kräver en enkel API-nyckel för varje begäran. Du får denna nyckel omedelbart efter att du registrerat dig med Google eller e-post i dashboarden, och den löper aldrig ut. Till skillnad från aggregatörer som döljer kostnader bakom abonnemang tar vi ut betalning endast för de tokens du faktiskt förbrukar. Förvara din nyckel säker i dina miljövariabler, eftersom alla som har nyckeln kan spendera ditt förbetala kredit. Tjänsten tillämpar en strikt gräns på 300 begäranden per minut per nyckel för att upprätthålla stabilitet för alla användare.

Skickar en chattslutförandeförfrågan

Gör ditt första anrop med standard chatkompletteringsändpunkten med modell-ID:t "uncensored". Detta anrop skickar din prompt till vår server och returnerar ett text svar utan de typiska vägran som finns i andra modeller. Du kan skicka upp till 8 MB data i en enda begärans kropp, vilket är tillräckligt för de flesta standard användningsfall. Om du överskrider hastighetsgränsen returnerar servern ett 429-fel som indikerar att du behöver backa av kortvarigt. Verifiera alltid att ditt svar innehåller ett giltigt message-objekt innan du bearbetar vidare.

Strömningsresponser och tokenanvändning

Aktivera strömning genom att ställa in stream-parametern till true, vilket levererar tokens när de genereras via Server-Sent Events. Denna metod minskar den upplevda latensen avsevärt, särskilt vid generering av långa utdata upp till 16,000 token maximum per begäran. Den sista chunken i strömmen innehåller kompletta tokenanvändningsstatistik, vilket gör att du kan spåra kostnader i realtid. Du kan bearbeta dessa händelser i din applikation för att visa text progressivt till användaren utan att vänta på att hela generationen ska slutföras.

Funktionsanrop och JSON-läge

Utnyttja inbyggda funktionsanrop genom att tillhandahålla en verktygsarray i din begäran, vilket gör att modellen kan returnera strukturerad data för dina applikationer. Du kan också tvinga fram strikt JSON-utdata med hjälp av response_format-parametern, vilket är idealiskt för integration med nedströmsystem som kräver exakt schemahållning. Modellen stöder tool_choice-alternativ för att kontrollera om den måste anropa en funktion eller kan generera text fritt. Använd dessa funktioner för att bygga robusta agenter som interagerar med externa API:er eller databaser utan att parsra rörig text.

Parametrar: Temperatur, Top P och Seed

Styr kreativiteten och slumpmässigheten i outputen med temperatur-, top_p- och seed-parametrar, precis som du skulle göra med standarda OpenAI-klienter. En lägre temperatur ger mer deterministiska resultat, medan ett högre värde uppmuntrar mer varierade och kreativa svar. Att ställa in en seed säkerställer reproducerbarhet, vilket är avgörande för att felsöka specifikt beteende i dina arbetsflöden med obegränsade LLM:er. Du kan också definiera stoppsekvenser för att avbryta genereringen vid specifika markörer, vilket ger dig precis kontroll över outputens gränser.

Gränser, fel och kontextfönster

Din modell stöder ett enormt kontextruta på 100,000 tokens, vilket omfattar både prompt och svar tillsammans. Detta gör att du kan skicka stora dokument eller omfattande konversationshistoriker utan att förlora tidigare information. Om du skickar en ogiltig nyckel får du ett 401-fel, och ett 402-fel indikerar att ditt förbetala kredit är slut. 429-hastighetsgränsen utlöses om du överskrider 300 förfrågningar per minut eller försöker göra 8 samtidiga förfrågningar samtidigt. Hantera dessa fel elegant i din kod för att säkerställa smidig drift.

cURL

Copycurl https://api.dolphinia.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the three main benefits of using Redis for caching."}]
  }'

Python

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

Strömning

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)