Inicio rápido de la API de Dolphin llm
Dolphin LLM ofrece una API sin censura con una ventana de contexto de 100k. Esta guía muestra a los desarrolladores cómo integrar el servicio utilizando clientes compatibles con OpenAI estándar.
Autenticación & configuración de URL base
La API utiliza autenticación estándar con token Bearer. Recibes tu clave inmediatamente después de registrarte con Google o una dirección de correo electrónico. Almacena esta clave de forma segura en tus variables de entorno. Todas las solicitudes deben dirigirse a la URL base dedicada para el modelo sin censura.
- URL Base: HTTPS://api.llmdolphin.com/v1
- Cabecera de autenticación: 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"}]
}'El endpoint de finalización de chat
Envía prompts de texto al punto de conexión POST /v1/chat/completions. El id del modelo es 'uncensored'. Puedes transmitir respuestas o recibirlas como bloques de texto completos. La API acepta formatos de mensaje estándar con roles system, user y assistant.
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)Respuestas en streaming y uso de tokens
Habilita el streaming estableciendo stream=true. El servidor devuelve Server-Sent Events (SSE). Los datos de uso de tokens aparecen en el último fragmento del stream. Esto te permite rastrear los costes en tiempo real sin esperar a la respuesta completa.
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);Llamada de funciones y modo JSON
El modelo admite function calling con definiciones de herramientas. También puedes forzar la salida JSON mediante response_format. Esto asegura un análisis consistente para tus pipelines de automatización. Define las herramientas en el array de messages o en el objeto de solicitud.
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)Parámetros: Temperatura, Top P y Seed
Controla la creatividad con temperature y la diversidad con top_p. Usa seed para salidas reproducibles. El modelo acepta parámetros estándar como secuencias de parada y penalización por presencia. Ajusta estos valores según tu caso de uso específico.
Gestión de errores y límites de velocidad
Maneja errores 401 para claves inválidas y 402 para saldo insuficiente. Los límites de velocidad son de 300 solicitudes por minuto. La ventana de contexto es de 100.000 tokens. Los errores y las negaciones no consumen saldo. Verifica el estado de la respuesta para obtener detalles.
Preguntas frecuentes
¿Cuál es la ventana de contexto para el LLM Dolphin?
El modelo admite una ventana de contexto de 100,000 tokens. Esto incluye tanto el prompt como la respuesta. Puedes solicitar hasta 16,000 tokens por salida.
¿Cómo pago la API?
Puedes recargar con USDT en TRC20 o USDC en Base. Los créditos nunca caducan y se cargan según el uso real. La recarga mínima es de $20.
¿El modelo sin censura es el mismo que GPT?
No, es un modelo de pesos abiertos ajustado para respuestas sin restricciones. No es GPT, Claude ni ningún otro modelo de proveedor. Funciona con el mismo código de cliente.
Genera tu clave de API
Regístrate, obtén la clave y actualiza tu URL base. Eso es todo lo que necesitas para configurar.
