Dolphin llm API Quickstart
Dolphin LLM tilbyder en ucensureret API med et 100k kontekstvindue. Denne guide viser udviklere, hvordan de integrerer tjenesten ved hjælp af standard OpenAI-kompatible klienter.
Autentificering & Base URL-setup
API'en bruger standard Bearer token-autentificering. Du modtager din nøgle straks efter tilmelding med Google eller en e-mailadresse. Gem denne nøgle sikkert i dine miljøvariabler. Alle anmodninger skal målrette mod den dedikerede base URL for den ucensurerede model.
- Base URL: HTTPS://api.llmdolphin.com/v1
- Auth Header: Authorization: Bearer YOUR_API_KEY
curl https://api.llmdolphin.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "Set variable x to 5"}]
}'
Chat Completions-endepunktet
Send tekstprompts til POST /v1/chat/completions endpoint. Model-ID er 'uncensored'. Du kan streame svar eller modtage dem som fulde tekstblokke. API'et accepterer standard message-formater med system-, user- og assistant-roller.
from openai import OpenAI
client = OpenAI(base_url="https://api.llmdolphin.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)
Streaming-svar & tokenforbrug
Aktivér streaming ved at indstille stream=true. Serveren returnerer Server-Sent Events (SSE). Token-brugsdata vises i den sidste chunk af strømmen. Dette giver dig mulighed for at spore omkostninger i realtid uden at vente på det fulde svar.
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.llmdolphin.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);
Function Calling & JSON Mode
Modellen understøtter function calling med tool-definitioner. Du kan også tvinge JSON-output ved hjælp af response_format. Dette sikrer konsistent parsing til dine automatiseringspipelines. Definér tools i messages-arrayet eller request-objektet.
stream = 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)
Parametre: Temperatur, Top P og Seed
Kontroller kreativitet med temperatur og diversitet med top_p. Brug seed for reproducerbare outputs. Modellen accepterer standardparametre som stopsekvenser og tilstedeværelsesstraf. Juster disse værdier, så de passer til din specifikke brugssag.
Fejlhåndtering & Hastighedsbegrænsninger
Håndter 401-fejl for ugyldige nøgler og 402 for utilstrækkelig kredit. Hastighedsbegrænsninger er 300 anmodninger i minuttet. Kontekstvinduet er 100.000 tokens. Feil og afslag forbruger ikke kredit. Tjek responsstatus for detaljer.
Ofte stillede spørgsmål
Hvad er kontekstvinduet for Dolphin LLM?
Modellen understøtter et kontekstvindue på 100.000 tokens. Dette omfatter både prompt og svar. Du kan anmode om op til 16.000 tokens pr. output.
Hvordan betaler jeg for API'en?
Du kan toppe op med USDT på TRC20 eller USDC på Base. Credits udløber aldrig, og de opkræves baseret på faktisk forbrug. Minimumsbeløb for top-up er $20.
Er den ubegrænsede model den samme som GPT?
Nej, det er en open-weight-model finjusteret til ubegrænsede svar. Det er ikke GPT, Claude eller nogen anden leverandørs model. Den fungerer med den samme klientkode.
Generer din API-nøgle
Registrer, hent nøglen, og opdater din base-URL. Det er alt, du behøver at konfigurere.