id ▾
Buat kunci

Panduan Cepat Dolphin llm API

Dolphin LLM menawarkan API tidak disensor dengan jendela konteks 100k. Panduan ini menunjukkan kepada pengembang cara mengintegrasikan layanan ini menggunakan klien yang kompatibel dengan OpenAI standar.

Autentikasi & Penyiapan URL Dasar

API menggunakan autentikasi token Bearer standar. Anda menerima kunci Anda segera setelah mendaftar dengan Google atau alamat email. Simpan kunci ini dengan aman di variabel lingkungan Anda. Semua permintaan harus menargetkan URL dasar khusus untuk model tanpa sensor.

  • URL Dasar: HTTPS://api.llmdolphin.com/v1
  • Header Auth: 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"}]
  }'

Endpoint Chat Completions

Kirim prompt teks ke endpoint POST /v1/chat/completions. ID model adalah 'uncensored'. Anda dapat melakukan streaming respons atau menerimanya sebagai blok teks penuh. API menerima format pesan standar dengan peran system, user, dan 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)

Respons Streaming & Penggunaan Token

Aktifkan streaming dengan mengatur stream=true. Server mengembalikan Server-Sent Events (SSE). Data penggunaan token muncul di chunk terakhir stream. Ini memungkinkan Anda melacak biaya secara real-time tanpa menunggu respons penuh.

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);

Pemanggilan Fungsi & Mode JSON

Model ini mendukung function calling dengan definisi alat. Anda juga dapat memaksa output JSON menggunakan response_format. Hal ini memastikan parsing yang konsisten untuk pipeline otomatisasi Anda. Definisikan alat dalam array messages atau objek permintaan.

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)

Parameter: Suhu, Top P, dan Seed

Kontrol kreativitas dengan temperature dan keragaman dengan top_p. Gunakan seed untuk output yang dapat direproduksi. Model menerima parameter standar seperti urutan henti dan penalti keberadaan. Sesuaikan nilai-nilai ini sesuai dengan kasus penggunaan spesifik Anda.

Penanganan Kesalahan & Batasan Laju

Handle error 401 untuk kunci tidak valid dan 402 untuk kredit tidak cukup. Batas laju adalah 300 permintaan per menit. Jendela konteks adalah 100.000 token. Error dan penolakan tidak mengonsumsi kredit. Periksa status respons untuk detailnya.

Pertanyaan yang sering diajukan

Apa jendela konteks untuk LLM Dolphin?

Model ini mendukung jendela konteks 100.000 token. Ini mencakup baik prompt maupun hasil completions. Anda dapat meminta hingga 16.000 token per output.

Bagaimana cara membayar untuk API?

Anda dapat melakukan top up dengan USDT di jaringan TRC20 atau USDC di jaringan Base. Kredit tidak pernah kedaluwarsa dan dibebankan berdasarkan penggunaan aktual. Top up minimum adalah $20.

Apakah model tanpa sensor sama dengan GPT?

Tidak, ini adalah model open-weight yang disetel untuk respons tanpa batasan. Ini bukan GPT, Claude, atau model vendor lain' mana pun. Model ini bekerja dengan kode klien yang sama.

Hasilkan kunci API

Daftar, ambil kunci, dan perbarui URL dasar Anda. Itu saja yang perlu Anda konfigurasi.

Buat kunci