URL de base et authentification
Commencez par configurer votre client compatible OpenAI pour pointer vers l'URL de base de l'API Mimo. Vous recevrez une clé API immédiatement après vous être connecté avec Google ou par e-mail. Transmettez cette clé dans l'en-tête Authorization standard. L'identifiant du modèle est uncensored, qui exécute un modèle à poids ouverts ajusté pour réduire les refus sur le contenu adulte légal.
Contrairement aux services par abonnement, la facturation est prépayée via crypto. Les erreurs ne consomment pas de crédit. Vous pouvez vérifier la connectivité en listant les modèles ou en envoyant une simple requête textuelle. Gardez votre clé en sécurité ; une clé par compte remplace la précédente si vous en générez une nouvelle.
Endpoint standard de complétion de chat
Envoyez une requête POST standard vers l'endpoint de complétion de chat. Définissez le modèle sur uncensored et fournissez vos messages au format tableau requis. L'API renvoie une sortie textuelle basée sur votre prompt. Vous pouvez ajuster des paramètres comme temperature ou top_p pour contrôler la créativité.
curl https://api.mimoapi.top/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
}'Cet endpoint gère les interactions texte en entrée, texte en sortie. Il ne prend pas en charge les embeddings, les images ou le fine-tuning. Si vous avez besoin de ces fonctionnalités, vous devez utiliser un autre service. La fenêtre de contexte permet 100 000 tokens au total pour le prompt et la complétion combinés.
Intégration SDK Python
Utilisez la bibliothèque Python officielle OpenAI pour interagir avec l'API. Remplacez l'URL de base pour pointer vers l'endpoint de l'API Mimo. Cela vous permet d'utiliser les mêmes méthodes SDK que vous utilisez pour GPT-4 ou d'autres modèles. Définissez la clé API et le modèle cible dans la configuration de votre client.
from openai import OpenAI
client = OpenAI(base_url="https://api.mimoapi.top/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)Cette approche garantit la portabilité de votre code. Si vous changez de fournisseur, vous modifiez uniquement l'URL de base et la clé. Le SDK Python gère automatiquement la sérialisation et les nouvelles tentatives. Vous pouvez également définir des paramètres comme seed pour des sorties déterministes.
Intégration SDK Node.js
Installez le package Node.js OpenAI et configurez l'URL de base. Transmettez votre clé API dans l'objet de configuration. Le client acheminera les requêtes vers l'endpoint du modèle sans censure. Cela fonctionne avec les importations CommonJS et ES modules.
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.mimoapi.top/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);Les développeurs Node peuvent utiliser les mêmes schémas asynchrones qu'avec d'autres services compatibles OpenAI. Le SDK gère l'analyse du streaming et l'encodage JSON. Vous pouvez définir max_tokens pour contrôler la longueur de la sortie, avec une valeur par défaut de 2 048 si elle n'est pas spécifiée.
Réponses en streaming (SSE)
Activez le streaming en définissant stream: true dans votre requête. L'API renvoie des événements Server-Sent Events (SSE) contenant des tokens partiels. Cela vous permet d'afficher la sortie progressivement aux utilisateurs. Les statistiques d'utilisation des tokens apparaissent dans le dernier bloc du flux.
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)Le streaming réduit la latence perçue pour les longues réponses. Vous devez gérer les événements du flux dans le code de votre client. L'API ne garantit pas de comptes de tokens exacts pendant le streaming, mais le dernier bloc inclut des données d'utilisation précises. Cela est utile pour la transparence de la facturation.
Limites de débit, erreurs et mode JSON
L'API impose une limite de 300 requêtes par minute par clé et permet 8 requêtes simultanées. Si vous dépassez cette limite, vous recevez une erreur 429. Une erreur 401 indique une clé invalide ou expirée. Le crédit prépayé est facturé uniquement pour l'utilisation réelle de tokens ; les erreurs et les refus sont gratuits.
Pour une sortie structurée, utilisez le mode JSON en définissant response_format sur json_object. Cela force le modèle à renvoyer un JSON valide. Cela est utile pour l'appel de fonctions ou l'extraction de données. La fenêtre de contexte prend en charge jusqu'à 32 000 tokens de sortie par requête.
