PL ▾

API LLM bez cenzury kompatybilne z OpenAIuncensoredapis.com

Strona głównaAgenci

Test API zgodny z OpenAI: zweryfikuj dowolny endpoint

Terminal wysyłający zapytania testowe do bramy API, zwracający zielony znacznik potwierdzenia

Nie potrzebujesz specjalnego testera API zgodnego z OpenAI do sprawdzenia endpointu. Cztery zapytania i krótki skrypt Pythona powiedzą Ci, czy bazowy URL naprawdę zachowuje się jak API OpenAI.

Zaktualizowano

Kluczowe punkty

  1. Zacznij od GET /v1/models, a następnie jednego minimalnego wywołania completion.
  2. Przetestuj strumieniowanie i przeczytaj zużycie na końcu strumienia.
  3. Celowo wyślij błędne zapytania, aby zobaczyć, jak wyglądają błędy.
  4. Jeden skrypt może uruchomić wszystkie testy i wyświetlić wynik: poprawny lub niepoprawny.

Cztery kluczowe sprawdzenia

Wiele usług twierdzi, że są zgodne z OpenAI. Niektóre kopiują tylko trasę czatu, niektóre zmieniają format błędów, niektóre rezygnują z szczegółów strumieniowania. Tester powinien potwierdzić, co jest kluczowe dla Twojego kodu klienta:

  1. Autoryzacja i odkrywanie: GET /v1/models z kluczem Bearer.
  2. Minimalne completion czatu: POST /v1/chat/completions.
  3. Strumieniowanie: to samo wywołanie z stream: true.
  4. Błędy: co zwraca system przy nieprawidłowym kluczu, nieprawidłowej nazwie modelu i niepoprawnym ciele zapytania.

Poniższe przykłady używają endpointu tej strony, https://api.uncensoredapis.com/v1, i modelu uncensored. Zamień bazowy URL i model na te, które testujesz. Jeśli jeszcze nie masz klucza, utwórz go tutaj; nowe konta mogą uzyskać kredyt próbny za $0,50 bez karty.

Sprawdzenie 1: wypisz modele za pomocą curl

export API_KEY="sk-your-key"
curl -s -w "\nHTTP %{http_code}\n" \
  https://api.uncensoredapis.com/v1/models \
  -H "Authorization: Bearer $API_KEY"

Oczekuj HTTP 200 i obiektu JSON z tablicą data. Każdy element ma id. Tutaj ID, którego będziesz używać wszędzie, to uncensored. To jedno wywołanie sprawdza DNS, TLS, prefiks ścieżki i klucz, więc jeśli zawiedzie, nie ma sensu testować czegokolwiek innego. Typowe przyczyny to brak /v1 w bazowym URL, dodatkowy ukośnik na końcu lub klucz wklejony z znakiem nowej linii.

Sprawdzenie 2: jedno minimalne zapytanie czatu

curl -s https://api.uncensoredapis.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"uncensored","messages":[{"role":"user","content":"Reply with the word ok."}]}'

W odpowiedzi sprawdź choices[0].message.content, finish_reason oraz obiekt usage z liczbą tokenów prompt i completion. Wykorzystaj też nagłówki: dodaj -i i szukaj X-Request-Id, X-Balance-USD, X-RateLimit-Limit-Requests oraz X-RateLimit-Limit-Concurrency. Są przydatne do logowania i śledzenia kosztów w przyszłości. Ta sama usługa akceptuje również POST /v1/responses, co omawia poradnik referencji API.

Sprawdzenie 3: skrypt Pythona testujący wszystko

Curl jest wystarczający do pierwszego spojrzenia, ale skrypt, który możesz uruchomić ponownie po każdej zmianie, jest lepszy. Ten używa oficjalnego pakietu openai i raportuje każde sprawdzenie.

import sys
from openai import OpenAI, AuthenticationError, NotFoundError, RateLimitError

BASE = "https://api.uncensoredapis.com/v1"
MODEL = "uncensored"
client = OpenAI(base_url=BASE, api_key=sys.argv[1])

def check(name, fn):
    try:
        print("PASS", name, "-", fn())
    except Exception as e:
        print("FAIL", name, "-", type(e).__name__, e)

def models():
    ids = [m.id for m in client.models.list().data]
    assert MODEL in ids, ids
    return ids

def chat():
    r = client.chat.completions.create(
        model=MODEL, messages=[{"role": "user", "content": "Say ok."}])
    assert r.choices[0].message.content
    return r.usage.total_tokens

def stream():
    parts, usage = [], None
    for c in client.chat.completions.create(
            model=MODEL, stream=True,
            messages=[{"role": "user", "content": "Count to five."}]):
        if c.choices and c.choices[0].delta.content:
            parts.append(c.choices[0].delta.content)
        usage = getattr(c, "usage", None) or usage
    assert parts
    return f"{len(parts)} chunks, usage={usage}"

def bad_model():
    try:
        client.chat.completions.create(
            model="no-such-model", messages=[{"role": "user", "content": "hi"}])
    except NotFoundError as e:
        return "NotFoundError " + str(e.status_code)
    except Exception as e:
        return type(e).__name__
    raise AssertionError("bad model name was accepted")

for n, f in [("models", models), ("chat", chat), ("stream", stream), ("bad model", bad_model)]:
    check(n, f)

Uruchom go poleceniem python tester.py sk-your-key. Sprawdzenie błędnego modelu rejestruje dowolną klasę błędów zgłoszoną przez Twoje SDK, co samo w sobie jest przydatną informacją. Jeśli usługa akceptuje nieznaną nazwę modelu, prawdopodobnie przekierowuje ją lub tworzy alias, i powinieneś dowiedzieć się, jak to działa.

Sprawdzenie 4: obsługa błędów

Twoja aplikacja będzie widzieć błędy, więc przyjrzyj im się celowo.

  • Nieprawidłowy klucz: zmień jeden znak w kluczu. Oczekuj HTTP 401 i ciała błędu JSON, a nie strony HTML.
  • Niepoprawne ciało: wyślij {"model":"uncensored"} bez wiadomości. Oczekuj błędu 4xx z czytelną wiadomością.
  • Limity zapytań: to API zwraca 429 z kodem rate_limited dla zapytań na minutę oraz concurrency dla zbyt wielu równoległych zapytań. Tymczasowe przeciążenie również zwraca 429, z Retry-After: 5.

Dobry klient traktuje 429 jako sygnał do oczekiwania i ponownego wysłania zapytania, a 4xx inne niż 429 jako błąd do naprawienia. Zapisz regułę ponawiania raz i przetestuj ją, uruchamiając dziesięć zapytań jednocześnie. Limity dla każdego typu klucza znajdują się na stronie błędów i limitów zapytań.

Luki kompatybilności do sprawdzenia

Przejście czterech sprawdzeń to dobry początek. To miejsca, w których klony różnią się najczęściej, więc sprawdź każde z nich, jeśli Twoja aplikacja od nich zależy:

  • Parametry: wyślij temperature, top_p, stop, seed oraz kary. Niektóre serwery ignorują je w tle. Uruchom ten sam prompt trzy razy z ustalonym seed i niską temperaturą i porównaj wyniki.
  • Role wiadomości: wypróbuj najpierw wiadomość system, a następnie długą historię wieloetapową. Sprawdź, czy wiadomość systemowa faktycznie zmienia zachowanie.
  • Wywoływanie funkcji: poproś o wywołanie funkcji, którą zdefiniujesz, a następnie wyślij wynik z powrotem jako wiadomość role: "tool". W trybie strumieniowania tool_calls przychodzą w kawałkach, które musisz złożyć.
  • Tryb JSON: ustaw response_format na {"type":"json_object"} i przeanalizuj 20 odpowiedzi.
  • Rozmiar ciała: to API akceptuje ciała do 8 MB. Zapytanie przekraczające limit powinno zakończyć się błędem 4xx, a nie zawisnąć.

Zapisz każdą napotkaną lukę i zdecyduj, czy twój kod może ją obejść. Przechowuj notatki obok skryptu, ponieważ następnym razem, gdy dostawca wypuści aktualizację, będziesz chciał ponownie uruchomić te same sprawdzenia i porównać wyniki. Jeśli testujesz kilku dostawców, uruchom ten sam skrypt przeciwko każdemu z nich i przechowuj wyniki w tabeli, aby różnice były widoczne na pierwszy rzut oka, a nie ukryte w pamięci. Brakujący parametr jest zwykle nieszkodliwy. Inny format błędu lub zepsute strumieniowanie zwykle nie jest.

Co nie dowodzi poprawności

Zielony wynik pokazuje kompatybilność protokołu. Nic nie mówi o jakości odpowiedzi, prędkości pod obciążeniem czy cenie. Wymagają one oddzielnych testów na twoich własnych promptach. Warto dodać dwa szybkie testy: żądanie z długim promptem zbliżonym do twojego rzeczywistego rozmiaru (ten endpoint ma okno kontekstu 100 000 tokenów) oraz żądanie z wywoływaniem narzędzi, jeśli twoja aplikacja używa agentów.

Pamiętaj też, z czym dokładnie testujesz. Usługa obsługuje jeden model o otwartych wagach, dostrojony do odpowiadania bez odmów treści dla legalnego użytku dorosłych. Obsługuje tylko tekst i nie jest oficjalnym API żadnego dostawcy modeli. Ceny wynoszą $0,15 za 1 mln tokenów wejściowych i $0,50 za 1 mln tokenów wyjściowych, podane na stronie z cenami, a nieudane zapytania nie są rozliczane, więc powtarzane uruchomienia testów kosztują bardzo mało. W dokumentacji wymieniono wszystkie obsługiwane parametry.

Pytania i odpowiedzi

Czy istnieje narzędzie online do testowania endpointu zgodnego z OpenAI?

Działa dowolny klient HTTP: curl, Postman lub krótki skrypt z OpenAI SDK. Zaletą skryptu jest możliwość ponownego uruchomienia go po każdej zmianie.

Jaki Base URL powinienem wpisać w SDK?

Użyj pełnego URL, łącznie z /v1, np. https://api.uncensoredapis.com/v1. Nie dodawaj /chat/completions, ponieważ SDK dodaje go automatycznie.

Dlaczego otrzymuję 404 przy żądaniu, które wygląda poprawnie?

Najczęstszą przyczyną jest bazowy URL bez /v1 lub z podwójną ścieżką. Sprawdź go, wysyłając GET do /v1/models.

Jak sprawdzić pozostałe środki podczas testowania?

Przeczytaj nagłówek X-Balance-USD w każdej odpowiedzi lub wywołaj GET /v1/balance.

Twój klucz jest o jeden formularz stąd

Utwórz konto, skopiuj klucz, zmień bazowy URL. To cała konfiguracja.