Prix Claude ai : Démarrage rapide API

URL de base et authentification

Envoyez des requêtes à notre point de terminaison proxy en utilisant les en-têtes HTTP standards. L’URL de base est https://api.claudeaiprezzo.com/v1Autorisation header. Cette clé est générée instantanément lors de votre inscription. Elle fonctionne avec n'importe quelle bibliothèque prenant en charge les clients compatibles OpenAI. Vous n'avez pas besoin d'installer des pilotes personnalisés. Pointez simplement votre SDK vers notre domaine.

Envoi de votre première requête

Faites une simple complétion de texte pour vérifier la connectivité. Utilisez le uncensored ID du modèle pour des sorties non restreintes. Vous pouvez envoyer des invites dans n'importe quelle langue. L'API renvoie une réponse textuelle directe. Il n'y a pas de frais cachés pour les tentatives échouées. Les erreurs ne consomment pas votre crédit. Vous pouvez tester cela avec une simple commande cURL.

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."}]
  }'

La réponse inclut le texte généré et les compteurs de tokens. Vous voyez exactement ce pour quoi vous payez. Les tokens d'entrée et de sortie sont facturés séparément. Le tarif est transparent et fixe. Aucun abonnement ne vous lie.

Intégration du SDK Python

Utilisez le package Python officiel d'OpenAI pour une intégration facile. Définissez l'URL de base sur le point de terminaison de notre API. Passez votre clé API en tant que valeur client. Cette méthode fonctionne pour la plupart des cas d'utilisation standards. Vous pouvez diffuser les résultats ou obtenir des réponses complètes. Le code est minimal et lisible. Il s'intègre rapidement dans les projets existants.

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)

Importez la bibliothèque et initialisez le client. Appelez ensuite la fonction de complétion de chat. Transmettez votre prompt système et le message de l'utilisateur. Le modèle renvoie la complétion. Vous pouvez ajuster des paramètres comme la température. Cela vous donne le contrôle sur la créativité. La structure de la réponse respecte les normes OpenAI.

Installation du SDK Node

Installez le package OpenAI Node.js via npm. Configurez l'URL de base pour pointer vers notre serveur. Authentifiez-vous avec votre clé API unique. Cette approche est idéale pour les serveurs web. Vous pouvez gérer facilement les requêtes concurrentes. Le SDK gère les nouvelles tentatives et les erreurs. Il s'intègre bien avec Express ou Fastify. Vous pouvez l'intégrer dans votre backend.

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);

Créez une instance du client OpenAI. Définissez les variables d'environnement pour la sécurité. Appelez le point de terminaison de chat avec votre message. La réponse contient le texte généré. Vous pouvez analyser le JSON directement. Cela fonctionne pour Node et Deno. C'est un modèle standard et fiable.

Réponses en streaming

Activez le streaming en définissant le paramètre stream sur true. L'API envoie des données par chunks via SSE. Chaque chunk contient un fragment de texte. Cela réduit la latence perçue pour les utilisateurs. Vous pouvez afficher les tokens à mesure qu'ils arrivent. Le dernier chunk inclut les données d'utilisation des tokens. Cela vous aide à suivre les coûts avec précision. Le streaming est essentiel pour les interfaces de chat.

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)

Gérez chaque chunk dans votre code client. Ajoutez le texte à votre tampon d'affichage. Attendez le dernier chunk pour obtenir les totaux. Cette méthode fonctionne avec n'importe quel client SSE. Elle offre une expérience utilisateur fluide. Le modèle n'attend pas la génération complète. Vous voyez les progrès en temps réel.

Limites de débit et fenêtres de contexte

Vous bénéficiez de 300 requêtes par minute par clé. Cette limite est généreuse pour la plupart des développeurs. Vous pouvez exécuter 8 requêtes simultanées en même temps. Le corps de la requête doit rester inférieur à 8 Mo. Si vous dépassez la limite, vous obtenez une erreur 429. Cela ne débit pas votre crédit. Vous devez simplement attendre brièvement. La fenêtre de contexte est de 100 000 tokens. Cela inclut à la fois l'entrée et la sortie. Vous pouvez envoyer de longs documents. Le modèle conserve le contexte en profondeur. Le débit de sortie maximal est de 16 000 tokens. Si vous ne définissez pas max_tokens, il est par défaut de 2 048. Les erreurs comme les clés invalides renvoient 401. Un solde insuffisant renvoie 402. Celles-ci sont gratuites à vérifier. Votre crédit n'expire jamais. Vous ne payez que ce que vous utilisez. Ce modèle est uncensored et direct.