FR ▾
Base URL https://api.uncensoredaiapis.com/v1Modèle uncensored
Obtenir une clé API
Uncensored AIGuide de migration

Migrez de OpenAI ou OpenRouter vers une API IA sans censure

Commencez une migration en modifiant l'URL de base, la clé API et l'ID du modèle dans un petit client de test. Exécutez un ensemble enregistré de vos propres invites avant de basculer le trafic de production : un format de requête compatible n'implique pas des réponses identiques. Ce guide couvre la configuration, le streaming, les appels d'outils et les vérifications à répéter dans LangChain ou LlamaIndex.

Migrez de OpenAI ou OpenRouter vers une API IA sans censure

Mis à jour le

Points clés

  • Modifiez uniquement trois valeurs : l'URL de base https://api.uncensoredaiapis.com/v1, votre nouvelle clé, et le modèle "uncensored".
  • Les complétions de chat, le streaming et l'appel de fonctions fonctionnent au format OpenAI ; les embeddings, images, audio et fine-tuning n'existent pas.
  • Mettez l'URL de base, la clé et le modèle dans des variables d'environnement afin que les anciens et nouveaux backends fonctionnent côte à côte et que le rollback soit un simple échange de fichier.
  • Définissez explicitement max_tokens et planifiez la fenêtre de contexte de 100 000 tokens avant le basculement.

Ce qui change lorsque vous passez

Si votre application communique déjà avec l'API de complétions de chat OpenAI ou OpenRouter, passer à cette API IA sans censure est un changement de configuration, pas une réécriture. Trois valeurs changent et tout le reste dans votre code de requête reste tel quel : l'URL de base, la clé API et le nom du modèle.

ParamètreAvantAprès
URL de baseL'URL OpenAI ou OpenRouterhttps://api.uncensoredaiapis.com/v1
AuthentificationClé de votre service actuelClé de votre compte ici, envoyée en tant que Authorization: Bearer <key>
ModèleUn ID de modèle tel qu'un nom de modèle GPT ou routéuncensored
Endpoint/chat/completionsIdentique : POST /v1/chat/completions

Il n'y a qu'un seul modèle, donc pas de catalogue de modèles à choisir. GET /v1/models existe et le liste, ce qui permet de conserver les assistants SDK et les vérifications de santé qui l'appellent. Les messages, le streaming et l'appel de fonctions utilisent les mêmes formats OpenAI que vous envoyez déjà. Cette page est un guide pratique ; si vous souhaitez la comparaison des coûts, de la latence et de la confidentialité avec OpenRouter, lisez plutôt l'article sur les modèles sans censure d'OpenRouter.

Voici la différence Python minimale. Rien d'autre dans l'appel ne change.

import os
from openai import OpenAI

# before
# client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])
# model = "gpt-4o"

# after
client = OpenAI(
    base_url="https://api.uncensoredaiapis.com/v1",
    api_key=os.environ["API_KEY"],
)
model = "uncensored"

resp = client.chat.completions.create(
    model=model,
    messages=[{"role": "user", "content": "Say hello in five words."}],
    max_tokens=50,
)
print(resp.choices[0].message.content)

Pour les utilisateurs d'OpenRouter, la même chose s'applique : remplacez l'URL de base et la clé OpenRouter, et supprimez tous les extras spécifiques au routage que vous avez passés dans les en-têtes ou le corps de la requête (voir le tableau de compatibilité ci-dessous).

Compatibilité des paramètres et des fonctionnalités

La surface utile pour une application de chat est couverte. Le tableau sépare ce qui est documenté comme pris en charge, ce que vous devez confirmer avec un appel de test avant d'en dépendre, et ce qui n'existe pas du tout. En cas de doute, envoyez la requête dans un environnement de staging et comparez la réponse, plutôt que de supposer une parité avec un autre service.

ÉlémentCodeNotes
modelPris en chargeUtilisez uncensored. Un seul modèle.
messages (rôles system, user, assistant, tool)Pris en chargeFormat standard de message OpenAI. La fenêtre de contexte est de 100 000 tokens pour le prompt plus la complétion.
max_tokensPris en chargeJusqu'à la fin de la fenêtre de 100,000 tokens.
stream: truePris en chargeÉvénements envoyés par le serveur. Un dernier chunk d'utilisation est ajouté automatiquement.
tools, tool_choice, role tool messagesPris en chargeFormat d'appel de fonctions OpenAI.
Options d'échantillonnage et d'arrêt (temperature, top_p, stop, et similaires)Pris en chargeChamps OpenAI standard, transmis tels quels. Ajustez temperature après le changement : la même valeur peut sembler différente sur un nouveau modèle.
Extras de routage : listes de modèles de secours, préférences de routage, en-têtes d'attribution d'applicationNon disponibleIl n'y a qu'un seul modèle, donc il n'y a rien à router entre. Supprimez-les des requêtes et de la configuration.
EmbeddingsNon disponibleGardez une source d'embeddings distincte pour les pipelines RAG.
Génération d'images, vision, audio, vidéoNon disponibleL'API est textuelle uniquement.
Fine-tuningNon disponiblePas d'endpoints de fine-tuning. Formez le comportement avec des prompts système.

La conséquence pratique est qu'un pipeline utilisant des embeddings pour la récupération a besoin de deux clients : un pour votre service d'embeddings existant et un pour la génération ici. C'est une séparation normale, et l'approche par variable d'environnement dans la section suivante la garde ordonnée.

Exécutez les deux côte à côte avec des variables d'environnement

La migration la plus sûre consiste à garder les deux backends actifs et à en sélectionner un au moment de l’exécution. Placez les trois valeurs qui diffèrent dans des variables d’environnement et lisez-les à un seul endroit. Vous pouvez ainsi router un environnement de développement, un pourcentage du trafic ou une fonctionnalité unique vers la nouvelle API sans modifier le code de vos requêtes.

# .env.openai
LLM_BASE_URL=your-current-base-url
LLM_API_KEY=paste-your-existing-key
LLM_MODEL=gpt-4o

# .env.uncensored
LLM_BASE_URL=https://api.uncensoredaiapis.com/v1
LLM_API_KEY=paste-your-key-here
LLM_MODEL=uncensored

Ensuite, une seule fabrique construit le client :

import os
from openai import OpenAI

def make_client() -> tuple[OpenAI, str]:
    client = OpenAI(
        base_url=os.environ["LLM_BASE_URL"],
        api_key=os.environ["LLM_API_KEY"],
    )
    return client, os.environ["LLM_MODEL"]

client, model = make_client()
resp = client.chat.completions.create(
    model=model,
    messages=[{"role": "user", "content": "Reply with the single word: ready"}],
    max_tokens=10,
)
print(model, "->", resp.choices[0].message.content)

Le même pattern en Node.js :

import OpenAI from "openai";

export function makeClient() {
  const client = new OpenAI({
    baseURL: process.env.LLM_BASE_URL,
    apiKey: process.env.LLM_API_KEY,
  });
  return { client, model: process.env.LLM_MODEL };
}

const { client, model } = makeClient();
const resp = await client.chat.completions.create({
  model,
  messages: [{ role: "user", content: "Reply with the single word: ready" }],
  max_tokens: 10,
});
console.log(model, "->", resp.choices[0].message.content);

Pour comparer le comportement, exécutez le même ensemble de prompts sur les deux configurations, par exemple avec set -a; source .env.uncensored; set +a avant votre commande de test. Comme les noms de variables sont génériques, aucun changement de code n'est nécessaire lorsque vous retirez définitivement l'ancien backend, et le retour en arrière ne nécessite qu'un échange de fichier.

LangChain, LlamaIndex et d’autres clients compatibles OpenAI

Tout framework qui vous permet de remplacer l'URL de base OpenAI fonctionnera avec cette API, car le contrat HTTP est identique. Vous passez l'URL de base, la clé et le nom du modèle ; le framework s'occupe du reste. Pour LangChain, le package langchain_openai expose ChatOpenAI :

import os
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    base_url="https://api.uncensoredaiapis.com/v1",
    api_key=os.environ["API_KEY"],
    model="uncensored",
    max_tokens=500,
)

print(llm.invoke("Give me a one-line pitch for a noir detective game.").content)

Pour LlamaIndex, utilisez la classe LLM compatible OpenAI du package llama-index-llms-openai-like, qui est conçu pour les serveurs qui implémentent le format de complétion de chat mais ne sont pas OpenAI :

import os
from llama_index.llms.openai_like import OpenAILike

llm = OpenAILike(
    api_base="https://api.uncensoredaiapis.com/v1",
    api_key=os.environ["API_KEY"],
    model="uncensored",
    is_chat_model=True,
)

print(llm.complete("Give me a one-line pitch for a noir detective game."))

Deux points à retenir dans les configurations de framework. Premièrement, les fonctionnalités de récupération qui appellent un modèle d'embeddings auront toujours besoin d'une source d'embeddings différente, car cette API n'en a pas. Deuxièmement, les frameworks supposent parfois un nom de modèle à partir d'une liste interne pour décider de la taille du contexte ou du support des outils ; si vous voyez un avertissement concernant un modèle inconnu, c'est cosmétique, mais vérifiez que la fenêtre de contexte supposée par votre framework ne dépasse pas 100 000 tokens. Les noms de paramètres diffèrent légèrement entre les bibliothèques (base_url, api_base, baseURL), donc vérifiez celle que votre bibliothèque utilise. Les autres outils acceptant une URL de base OpenAI personnalisée, tels que les plugins d'éditeur et les interfaces de chat, suivent le même schéma à trois valeurs.

Liste de contrôle des tests avant le basculement

Parcourez cette liste en environnement de staging. Chaque élément est rapide et ensemble, ils détectent la plupart des surprises de migration.

  1. Auth et routage. Appelez GET /v1/models avec votre clé. Un 401 signifie que la clé ou l'en-tête est incorrect ; un 404 signifie que le chemin l'est.
  2. Complétion de base. Envoyez un prompt d'une ligne avec max_tokens défini et confirmez que choices[0].message.content et usage sont présents.
  3. Streaming. Exécutez votre chemin d'interface utilisateur réel avec stream: true. Assurez-vous que votre analyseur tolère le dernier chunk d'utilisation avec une liste choices vide.
  4. Appels d'outils. Exécutez un aller-retour complet : requête, tool_calls, rôle tool réponse, réponse finale. Vérifiez que votre code gère les réponses sans appel d'outil.
  5. Prompts longs. Envoyez un prompt proche de votre maximum réel. Un prompt supérieur à 100 000 renvoie 400 ; max_tokens est ajusté automatiquement.
  6. Gestion des erreurs. Simulez une clé incorrecte (401). Confirmez que votre application lit le JSON error.code et gère correctement 402 no_credit, 403 content_blocked, 429 et 503 upstream_busy.
  7. Qualité et ton de sortie. Rejouez un échantillon de prompts réels et comparez les réponses à votre modèle actuel. Les prompts qui ont été ajustés autour des refus ou des hésitations d'un autre modèle peuvent nécessiter une simplification.
  8. Suivi des coûts. Journalisez usage. L'entrée est à 0,15 $ par million de tokens et la sortie à 0,50 $ par million, donc vos estimations basées sur les comptes de tokens existants sont faciles à recalculer.

Pour des versions exécutables des étapes de streaming, d'outils et de nouvelle tentative, consultez la page exemples de code.

Pièges courants

Laisser l'ancien nom de modèle en place. L'échec le plus fréquent est une requête qui indique encore un autre identifiant de modèle. Lisez le modèle depuis la configuration, comme dans l'exemple de variable d'environnement, afin qu'il soit déplacé avec l'URL de base.

Envoi de l'ancienne clé. Une clé d'un autre service renvoie 401. Les clés ici sont liées à un compte, une par compte, et la régénération d'une clé révoque immédiatement la clé précédente, donc mettez à jour tous les déploiements après avoir régénéré.

Manque de /v1 dans l'URL de base. L'URL de base doit se terminer par /v1. Les SDK ajoutent /chat/completions eux-mêmes ; une URL de base sans ce suffixe produit des erreurs 404.

S'appuyer sur une fonctionnalité qui n'existe pas. Les appels d'embeddings, d'images, d'audio et de fine-tuning échoueront. Auditez votre base de code pour les détecter avant de basculer, pas après.

Ignorer la limite de sortie. Si vous ne définissez pas max_tokens, la réponse peut s'étendre jusqu'à la fin de la fenêtre. Si un autre service vous fournissait par défaut des réponses plus longues, définissez la valeur explicitement, car une limite faible peut interrompre prématurément les réponses avec finish_reason: length.

Débordement de contexte. Si votre modèle actuel avait une fenêtre plus grande, de longs historiques peuvent dépasser 100 000 tokens de prompt plus de complétion et renvoyer 400. Ajoutez un découpage ou une résumation avant le changement.

Nouvelle tentative de tout. Nouvelle tentative de 429 et 503 uniquement. Un 402 signifie que le solde est épuisé ou que l'essai est expiré, et une nouvelle tentative ne servira à rien. Rechargez et continuez, comme décrit sur la page tarification.

Règles de contenu. Le contenu adulte légal et la fiction ne sont pas refusés, mais le contenu sexuel impliquant des mineurs est toujours bloqué avec un 403, y compris dans la fiction et le jeu de rôle. Le service est destiné aux adultes et à une utilisation légale, alors assurez-vous que votre propre produit applique le filtrage d'âge si nécessaire.

Questions et réponses

Dois-je réécrire mon code pour passer d'OpenAI ?

Généralement non. Modifiez base_url, api_key et le nom du modèle vers uncensored dans la configuration de votre client. Le format des messages, le streaming et l’appel d’outils suivent le même format OpenAI.

Puis-je continuer à utiliser OpenRouter à côté de cette API ?

Oui. Lisez l’URL de base, la clé et le modèle depuis des variables d’environnement et pointez chaque environnement ou fonctionnalité vers le backend souhaité. Les deux peuvent fonctionner en parallèle lors d’une migration progressive.

Que se passe-t-il pour mes appels d'embeddings ou d'images ?

Ils ne fonctionneront pas ici. L’API est textuelle uniquement, sans embeddings, images, audio, vidéo ni fine-tuning, donc conservez une source distincte pour ces fonctionnalités.

LangChain fonctionne-t-il avec cette API IA sans censure ?

Oui. Utilisez ChatOpenAI de langchain_openai avec base_url défini sur https://api.uncensoredaiapis.com/v1, votre clé et model="uncensored". Tout client acceptant une URL de base OpenAI personnalisée suit le même schéma.

Votre clé n'est qu'à un formulaire d'ici

Créez un compte, copiez la clé, modifiez l'URL de base. C'est toute la configuration.