Claude ai prezzo: API Quickstart

Basis-URL und Authentifizierung

Senden Sie Anfragen an unseren Proxy-Endpunkt mit standardmäßigen HTTP-Headern. Die Basis-URL lautet https://api.claudeaiprezzo.com/v1Autorisierung header. Dieser Schlüssel wird sofort bei der Anmeldung generiert. Er funktioniert mit jeder Bibliothek, die OpenAI-kompatible Clients unterstützt. Sie müssen keine benutzerdefinierten Treiber installieren. Verweisen Sie einfach Ihr SDK auf unsere Domain.

Senden Ihrer ersten Anfrage

Führen Sie eine Standard-Textvervollständigung durch, um die Konnektivität zu überprüfen. Verwenden Sie die uncensored Modell-ID für uneingeschränkte Ausgaben. Sie können Prompts in jeder Sprache senden. Die API gibt eine direkte Textantwort zurück. Es gibt keine versteckten Gebühren für fehlgeschlagene Versuche. Fehler verbrauchen nicht Ihr Guthaben. Sie können dies mit einem einfachen cURL-Befehl testen.

Copycurl https://api.claudeaiprezzo.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the standard pricing tiers for usage in euros."}]
  }'

Die Antwort enthält den generierten Text und die Token-Anzahlen. Sie sehen genau, wofür Sie bezahlen. Eingabe- und Ausgabetokens werden separat abgerechnet. Der Satz ist transparent und festgelegt. Keine Abonnementbindung.

Python SDK-Integration

Verwenden Sie das offizielle OpenAI Python-Paket für eine einfache Integration. Legen Sie die Basis-URL auf unseren API-Endpunkt fest. Übergeben Sie Ihren API-Schlüssel als Clientwert. Diese Methode funktioniert für die meisten Standard-Anwendungsfälle. Sie können Ergebnisse streamen oder vollständige Antworten erhalten. Der Code ist minimal und lesbar. Er passt sich schnell in bestehende Projekte ein.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.claudeaiprezzo.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)

Importieren Sie die Bibliothek und initialisieren Sie den Client. Rufen Sie dann die Chat-Vervollständigungsfunktion auf. Übergeben Sie Ihre System-Prompt und die Benutzernachricht. Das Modell gibt die Vervollständigung zurück. Sie können Parameter wie die Temperatur anpassen. Dies gibt Ihnen Kontrolle über die Kreativität. Die Antwortstruktur entspricht den OpenAI-Standards.

Node SDK-Einrichtung

Installieren Sie das OpenAI Node.js-Paket über npm. Konfigurieren Sie die Basis-URL, um auf unseren Server zu verweisen. Authentifizieren Sie sich mit Ihrem eindeutigen API-Schlüssel. Dieser Ansatz ist ideal für Webserver. Sie können gleichzeitige Anforderungen einfach verarbeiten. Das SDK verwaltet Wiederholungen und Fehler. Es passt gut zu Express oder Fastify. Sie können es in Ihr Backend integrieren.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.claudeaiprezzo.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);

Erstelle eine Instanz des OpenAI-Clients. Setze die Umgebungsvariablen für die Sicherheit. Rufe den Chat-Endpunkt mit deiner Nachricht auf. Die Antwort enthält den generierten Text. Du kannst das JSON direkt parsen. Dies funktioniert sowohl für Node als auch für Deno. Es ist ein Standard, zuverlässiges Muster.

Streaming-Antworten

Aktivieren Sie Streaming, indem Sie den Parameter „stream“ auf true setzen. Die API sendet Daten als Chunks über SSE. Jeder Chunk enthält einen Textausschnitt. Dies reduziert die wahrgenommene Latenz für Nutzer. Sie können Tokens anzeigen, sobald sie eintreffen. Der letzte Chunk enthält Token-Nutzungsdaten. Dies hilft Ihnen, Kosten genau zu verfolgen. Streaming ist für Chat-Schnittstellen unerlässlich.

Copystream = 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)

Verarbeiten Sie jeden Chunk in Ihrem Client-Code. Hängen Sie den Text an Ihren Anzeige-Puffer an. Warten Sie auf den letzten Chunk, um die Gesamtzahlen zu erhalten. Diese Methode funktioniert mit jedem SSE-Client. Sie bietet ein reibungsloses Nutzererlebnis. Das Modell wartet nicht auf die vollständige Generierung. Sie sehen den Fortschritt in Echtzeit.

Ratenbegrenzungen und Kontextfenster

Sie erhalten 300 Anfragen pro Minute pro Schlüssel. Dieses Limit ist für die meisten Entwickler großzügig. Sie können 8 gleichzeitige Anfragen ausführen. Der Anfragekörper muss unter 8 MB liegen. Wenn Sie das Limit überschreiten, erhalten Sie einen 429-Fehler. Dies belastet Ihr Guthaben nicht. Sie müssen nur kurz warten. Das Kontextfenster beträgt 100.000 Tokens. Dies umfasst sowohl Eingabe als auch Ausgabe. Sie können lange Dokumente senden. Das Modell behält den Kontext tief. Maximaler Output ist 16.000 Tokens. Wenn Sie nicht einstellen max_tokens, beträgt es standardmäßig 2.048. Fehler wie ungültige Schlüssel geben 401 zurück. Geringes Guthaben gibt 402 zurück. Diese sind kostenlos zu prüfen. Ihr Guthaben verfällt nicht. Sie zahlen nur für das, was Sie nutzen. Dieses Modell ist uncensored und direkt.