अनसेंसर्ड आउटपुट के लिए Unrestricted AI API इंटीग्रेट कैसे करें

अनसेंसर्ड API क्यों उपयोग करें?

मानक LLM प्रदाता अक्सर कंटेंट मोडरेशन परतें लागू करते हैं जो विषयवस्तु के आधार पर प्रॉम्प्ट्स को रिफ्यूज करते हैं, जैसे कि क्रिएटिव राइटिंग ट्रॉप्स, राजनीतिक विषयों या वयक्त विषयों के आधार पर। डेवलपर्स के लिए जो ऐसी एप्लिकेशन बना रहे हैं जहाँ ये रिफ्यूजल यूजर एक्सपीरियंस को तोड़ देते हैं, एक अनसेंसर्ड LLM API इन कृत्रिम बाधाओं के बिना मॉडल आउटपुट तक एक सीधा मार्ग प्रदान करती है। यह सेवा एक अकेले, ओपन-वेट मॉडल को होस्ट करती है जिसे कानूनी वयस्क उपयोग के लिए बिना कंटेंट रिफ्यूज के जवाब देने के लिए ट्यून्ड किया गया है, जिससे विविध विषयों के लिए स्थिर व्यवहार सुनिश्चित होता है।

ऐसे एग्रीगेटर के विपरीत जो अनुरोधों को कई विक्रेता मॉडल्स के बीच रूट करते हैं, यह सेवा एक समर्पित इंफ्रास्ट्रक्चर का उपयोग करती है। इससे कई API कुंजियों और विविध प्रतिक्रिया फॉर्मेट्स को मैनेज करने की जटिलता समाप्त हो जाती है। मॉडल GPT, Claude, Gemini या किसी अन्य विक्रेता का मॉडल नहीं है; यह एक अलग ओपन-वेट मॉडल है जो हमारे सर्वरों पर चलता है। यह दृष्टिकोण लेटेंसी को कम करता है और सुनिश्चित करता है कि 'अनसेंसर्ड' व्यवहार स्थिर है, क्योंकि यह एक थर्ड-पार्टी एग्रीगेटर द्वारा लागू की गई गतिशील मोडरेशन परत के बजाय बेस मॉडल की ट्यूनिंग पर निर्भर करता है।

हालाँकि, यह एक सार्वभौमिक समाधान नहीं है। यदि आपको एम्बेडिंग्स, इमेज जनरेशन या मॉडल के कई विकल्पों की आवश्यकता है, तो यह टेक्स्ट-ओनली API आपके स्टैक के लिए उपयुक्त नहीं हो सकता है। यह विशेष रूप से उन डेवलपर्स के लिए डिज़ाइन किया गया है जिन्हें रॉ टेक्स्ट आउटपुट की आवश्यकता है और वे मॉडल रूटिंग के ओवरहेड या वेब-चैट UI की अप्रत्याशितता से बचना चाहते हैं।

OpenAI-कम्पैटिबल इंटरफ़ेस को समझना

API मानक OpenAI चैट-कम्प्लिशन स्कीमा का पालन करता है, जिससे पहले से OpenAI SDKs से परिचित डेवलपर्स के लिए इंटीग्रेशन सरल हो जाता है। आप मानक HTTP विधियों का उपयोग करके एंडपॉइंट के साथ इंटरैक्ट करते हैं, मुख्य रूप से कम्प्लिशन के लिए POST और मॉडल जानकारी के लिए GET। बेस URL https://api.unrestrictedai.cc/v1, है और आप किसी भी OpenAI-कम्पैटिबल क्लाइंट का उपयोग अपनी base_url अपडेट करके और अपनी API कुंजी प्रदान करके कर सकते हैं।

कोर एंडपॉइंट POST /v1/chat/completions है, जो एक मैसेज एरे स्वीकार करता है और एक टेक्स्ट रिस्पॉन्स लौटाता है। अतिरिक्त एंडपॉइंट में GET /v1/models शामिल है जो उपलब्ध मॉडल्स की सूची प्रदान करता है। कोई एम्बेडिंग्स, ऑडियो, वीडियो या फाइन-ट्यूनिंग एंडपॉइंट नहीं हैं। यह सरलता सीखने की वक्र को कम करता है और आपको न्यूनतम कोड परिवर्तनों के साथ अनसेंसर्ड मॉडल को स्विच करने की अनुमति देता है।

• विधि: कम्प्लिशन के लिए POST, मॉडल जानकारी के लिए GET।
• फॉर्मेट: मैसेज एरे के साथ JSON अनुरोध बॉडी।
• प्रतिक्रिया: जनरेटेड टेक्स्ट शामिल JSON ऑब्जेक्ट।
• कम्पैटिबिलिटी: आधिकारिक OpenAI SDKs और LangChain या LlamaIndex जैसे थर्ड-पार्टी क्लाइंट्स के साथ काम करता है।

यह इंटरफ़ेस सुनिश्चित करता है कि आपका मौजूदा कोडबेस अनसेंसर्ड क्षमताओं का लाभ उठा सकता है बिना पूरी तरह से रीराइट के। आप पैरामीटर्स, जैसे कि temperature और top_p, को नियंत्रित कर सकते हैं ताकि आउटपुट की क्रिएटिविटी और डिटर्मिनिज्म को ट्यून किया जा सके।

अपनी Unrestricted AI API कुंजी सेट अप करना

शुरू करने के लिए एक खाते की आवश्यकता होती है, जिसे 'Google के साथ जारी रखें' के माध्यम से बनाया जा सकता है या ईमेल और पासवर्ड से रजिस्टर करके। फोन नंबर की आवश्यकता नहीं है, और प्रक्रिया गति के लिए डिज़ाइन की गई है। साइन अप करने पर, आप 'API कुंजी प्राप्त करें' पेज पर निर्देशित किए जाते हैं, जहाँ आपकी API कुंजी तुरंत प्रदर्शित होती है। यह कुंजी API को सभी अनुरोधों के लिए प्रमाणीकृत करने के लिए उपयोग की जाती है।

प्रत्येक खाते के लिए केवल एक सक्रिय कुंजी की अनुमति है। यदि आप एक नई कुंजी जनरेट करते हैं, तो पिछली कुंजी अमान्य हो जाती है। यह सुरक्षा प्रबंधन को सरल बनाता है, क्योंकि आपको एकल खाते के लिए कई कुंजियों को ट्रैक करने की आवश्यकता नहीं है। कुंजी अनसेंसर्ड मॉडल तक पहुंच प्रदान करती है और वास्तविक टोकन उपयोग के आधार पर चार्ज की जाती है।

ट्रायल क्रेडिट: प्रत्येक नए खाते को 7 दिनों के लिए वैध $0.50 का मुफ़्त ट्रायल क्रेडिट प्राप्त होता है। इस ट्रायल को दावा करने के लिए क्रेडिट कार्ड की आवश्यकता नहीं होती है, जिससे खरीदारी करने से पहले API का परीक्षण करना आसान हो जाता है। यह ट्रायल एक व्यक्ति के लिए एक बार ही है और इसे अन्य ऑफ़र्स के साथ संयोजित नहीं किया जा सकता है।

गोपनीयता: आपके खाते के लिए केवल ईमेल पता की आवश्यकता है। API को भेजे गए प्रॉम्प्ट को प्रशिक्षण के लिए उपयोग नहीं किया जाता है, जिससे आपका डेटा गोपनीय रहता है।

अपना पहला अनुरोध करना

अपनी API कुंजी और बेस URL तैयार होने के बाद, आप अपना पहला अनुरोध कर सकते हैं। API मानक मैसेज फॉर्मेट्स स्वीकार करता है, जिसमें सिस्टम, यूजर और असिस्टेंट रोल शामिल हैं। यहाँ cURL का उपयोग करके एक उदाहरण दिया गया है:

Copycurl https://api.unrestrictedai.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

यह अनुरोध मॉडल को एक सरल प्रॉम्प्ट भेजता है। प्रतिक्रिया में जनरेटेड टेक्स्ट और टोकन उपयोग के आँकड़े शामिल होंगे। भेजने के लिए मॉडल आईडी 'uncensored' है। यह आईडी अनुरोध बॉडी में मॉडल को निर्दिष्ट करने के लिए उपयोग की जाती है।

आप आधिकारिक OpenAI Python SDK का भी उपयोग कर सकते हैं। अपनी बेस URL और API कुंजी के साथ क्लाइंट को इनिशियलाइज़ करें, फिर chat.completions.create विधि को कॉल करें। प्रतिक्रिया संरचना OpenAI फॉर्मेट से मेल खाती है, जिसमें choices, finish_reason और usage statistics शामिल हैं।

मुख्य पैरामीटर्स:

• model: 'uncensored'
• messages: मैसेज ऑब्जेक्ट्स का एरे
• temperature: यादृच्छिकता को नियंत्रित करता है (डिफ़ॉल्ट 1.0)
• max_tokens: अधिकतम आउटपुट टोकन (डिफ़ॉल्ट 2048)

यह सेटअप आपको अनसेंसर्ड मॉडल को अपनी एप्लिकेशन में जल्दी इंटीग्रेट करने की अनुमति देता है। प्रतिक्रिया समय सामान्य रूप से कम होता है, जो रूटिंग ओवरहेड के बिना सीधे इंफ्रास्ट्रक्चर को दर्शाता है।

स्ट्रीमिंग और टूल्स हैंडल करना

API सर्वर-सेंट इवेंट्स (SSE) के माध्यम से स्ट्रीमिंग का समर्थन करता है, जो रियल-टाइम उपयोगकर्ता अनुभवों के लिए आवश्यक है। जब स्ट्रीमिंग सक्षम होती है, तो API आंशिक प्रतिक्रियाएँ उत्पन्न होते ही भेजता है। अंतिम चंक में कुल टोकन उपयोग होता है, जिससे आप लागत की सटीक निगरानी कर सकते हैं। यह उन चैट इंटरफ़ेस के लिए उपयोगी है जो पाठ को उत्पन्न होते ही प्रदर्शित करते हैं।

फ़ंक्शन कॉलिंग (टूल्स) का भी समर्थन किया जाता है। आप अपने अनुरोध में टूल्स परिभाषित कर सकते हैं, और मॉडल संरचित JSON आउटपुट लौटाएगा जिसे आपकी एप्लिकेशन द्वारा पार्स और निष्पादित किया जा सकता है। इससे बाहरी APIs या डेटाबेस से संपर्क करने जैसे जटिल वर्कफ़्लो संभव होते हैं।

JSON मोड: आप response_format को json_object सेट करके JSON आउटपुट को लागू कर सकते हैं। यह सुनिश्चित करता है कि मॉडल मान्य JSON लौटाए, जो प्रोग्रामेटिक खपत के लिए महत्वपूर्ण है।

अन्य पैरामीटर्स:

• stop: वे टोकन क्रम जिन पर API आगे टोकन जनरेट करना बंद कर देगा।
• seed: पुनरुत्पादनीय आउटपुट के लिए।
• presence_penalty: मॉडल को नए विषयों के बारे में बात करने के लिए प्रोत्साहित करता है।
• frequency_penalty: टेक्स्ट में उनकी मौजूदा आवृत्ति के आधार पर नए टोकन पर प्रतिबंध लगाता है।

ये सुविधाएँ API को साधारण चैटबॉट्स से लेकर जटिल एजेंट-आधारित सिस्टम तक, विभिन्न प्रकार के अनुप्रयोगों के लिए उपयुक्त बनाती हैं।

मूल्य निर्धारण और क्रिप्टो भुगतान

मूल्य निर्धारण मॉडल सरल और उपयोग-आधारित है। कोई मासिक शुल्क या सदस्यता नहीं है। आप जिसका उपयोग करते हैं, उसके लिए भुगतान करते हैं:

• इनपुट टोकन: $0.25 प्रति 1M टोकन
• आउटपुट टोकन: 1M टोकन प्रति $1.00

त्रुटियां और अस्वीकृतियां मुफ्त हैं, जिसका अर्थ है कि आप उन टोकन के लिए भुगतान नहीं करते हैं जो सफलतापूर्वक जनरेट नहीं किए गए हैं। क्रेडिट प्रीपेड होता है और कभी समाप्त नहीं होता, इसलिए आप आवश्यकतानुसार टॉप-अप कर सकते हैं। यह मॉडल पारदर्शी और पूर्वानुमेय है, जिससे आप अपने अपेक्षित टोकन उपयोग के आधार पर लागत का अनुमान लगा सकते हैं।

टॉप-अप प्रक्रिया: भुगतान केवल क्रिप्टोकरेंसी के माध्यम से स्वीकार किए जाते हैं। आप USDT (TRC20) या USDC (Base) का उपयोग करके टॉप-अप कर सकते हैं। न्यूनतम टॉप-अप राशि $10 है और अधिकतम $500 है। बड़े टॉप-अप के लिए बोनस क्रेडिट प्रदान किए जाते हैं:

• $50 टॉप-अप: +5% बोनस क्रेडिट
• $100 टॉप-अप: +10% बोनस क्रेडिट

क्रेडिट शेष के लिए रिफंड जारी नहीं किए जाते हैं, लेकिन डबल चार्ज जैसी त्रुटियों को सपोर्ट पेज के माध्यम से हल किया जा सकता है। यह केवल-क्रिप्टो मॉडल लेनदेन शुल्क को कम करता है और वैश्विक भुगतान को सरल बनाता है।

रेट लिमिट और कोटा

समान उपयोग को सुनिश्चित करने और प्रदर्शन बनाए रखने के लिए, API निम्नलिखित सीमाओं को प्रत्येक API कुंजी के लिए लागू करता है:

• प्रति मिनट अनुरोध: 300
• समानांतर अनुरोध: 8
• अधिकतम अनुरोध बॉडी आकार: 8 MB

इन सीमाओं का अनुप्रयोग दुरुपयोग को रोकने और स्थिर विलंबता सुनिश्चित करने के लिए किया जाता है। यदि आप रेट लिमिट से अधिक हो जाते हैं, तो आपको 429 Too Many Requests त्रुटि प्राप्त होगी। आप इन मामलों को सुचारू रूप से संभालने के लिए एक्सपोनेंशियल बैकऑफ के साथ रीट्राई लॉजिक लागू कर सकते हैं।

कॉन्टेक्स्ट विंडो 100,000 टोकन की है, जिसमें प्रॉम्प्ट और कम्प्लीशन दोनों शामिल हैं। प्रति अनुरोध अधिकतम आउटपुट 32,000 टोकन है, या 2,048 यदि max_tokens सेट नहीं है। यह दस्तावेज़ विश्लेषण या विस्तृत संवादों जैसे लॉन्ग-कॉन्टेक्स्ट एप्लिकेशन की अनुमति देता है।

हार्ड कंटेंट लिमिट: जबकि मॉडल बिना सेंसर है, यह हमेशा किशोरों से संबंधित यौन सामग्री को अस्वीकार करता है। यह मॉडल द्वारा लागू की गई एक हार्ड लिमिट है।

इन सीमाओं को समझने से आपको रेट लिमिटिंग को संभालने और टोकन उपयोग को कुशलता से प्रबंधित करने के लिए अपनी एप्लिकेशन डिज़ाइन करने में मदद मिलती है। अधिकांश उपयोग मामलों के लिए, ये सीमाएं पर्याप्त हैं, लेकिन हाई-थ्रूपुट एप्लिकेशन को क्यूइंग तंत्र लागू करने की आवश्यकता हो सकती है।

गोपनीयता और डेटा उपयोग

कई डेवलपर्स के लिए गोपनीयता एक प्रमुख विचार है। यह सेवा आपके प्रॉम्प्ट का उपयोग प्रशिक्षण के लिए नहीं करती है। आपका डेटा प्रतिक्रिया उत्पन्न करने के लिए संसाधित किया जाता है और दीर्घकालिक मॉडल सुधार के लिए संग्रहीत नहीं किया जाता है। यह सुनिश्चित करता है कि आपकी एप्लिकेशन का इनपुट डेटा गोपनीय रहता है और बेस मॉडल के प्रशिक्षण के लिए उपयोग नहीं किया जाता है।

खाता गोपनीयता: आपके खाते के लिए केवल एक ईमेल पता की आवश्यकता है। फोन नंबर या व्यक्तिगत पहचान की आवश्यकता नहीं है। इससे आप सेवा के साथ साझा करने वाले व्यक्तिगत डेटा की मात्रा कम हो जाती है।

डेटा हैंडलिंग: प्रॉम्प्ट को ट्रेनिंग के लिए उपयोग नहीं किया जाता है। यह उन व्यवसायों के लिए एक महत्वपूर्ण लाभ है जिन्हें अपने स्वामित्व वाला डेटा या उपयोगकर्ता इनपुट पर गोपनीयता बनाए रखनी होती है। सेवा अपने डेटा प्रथाओं के बारे में पारदर्शी होने के लिए डिज़ाइन की गई है।

कोई ट्रेनिंग डेटा लीक नहीं: चूंकि प्रॉम्प्ट को ट्रेनिंग के लिए उपयोग नहीं किया जाता है, आपको चिंता करने की आवश्यकता नहीं है कि आपका डेटा भविष्य के मॉडल आउटपुट में प्रकट होगा। यह कुछ मुफ्त या साझा मॉडलों से एक प्रमुख अंतर है जो उपयोगकर्ता डेटा को ट्रेनिंग के लिए उपयोग करते हैं।

यह गोपनीयता-प्रधान दृष्टिकोण API को उन एंटरप्राइज़ अनुप्रयोगों के लिए उपयुक्त बनाता है जहाँ डेटा गोपनीयता सर्वोपरि है। आप आत्मविश्वास के साथ बिना सेंसर मॉडल को एकीकृत कर सकते हैं, यह जानते हुए कि आपका डेटा सम्मानित किया जाता है और पुनः उपयोग नहीं किया जाता है।