Mistral api 文件：快速入門指南

安裝 SDK 並設定您的基礎 URL

首先為您的語言安裝官方的 SDK 並將其指向我們的端點。基礎 URL 為 HTTPS://api.mistralapidoc.com/v1。這項單一變更會將所有呼叫導向我們的無審查基礎設施，同時不改變您現有的邏輯。您可以使用任何支援 OpenAI 相容性的標準客戶端。設定只需幾秒鐘，且不需要複雜的設定檔。

請確保在 Authorization 標頭中傳遞您的唯一 API 金鑰。我們的系統會在處理任何 token 之前，根據您的預付餘額驗證此金鑰。此方法確保您僅為實際使用的部分付費。請妥善保管您的金鑰，若懷疑已洩露請立即更換。金鑰會在透過 Google 或電子郵件註冊後立即發行。

向 uncensored 模型發送首次請求

向 /v1/chat/completions 發送 POST 請求，將模型 ID 設定為 "uncensored"。此模型對於合法成人內容、虛構故事和爭議性話題會直接回應，不會有標準的拒絕機制。它是一個針對直接回答進行調整的開放權重模型。您無需指定版本號碼，也無需在不同供應商之間切換路由。回應會在 content 欄位中回傳文本。

Copycurl https://api.mistralapidoc.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List all available models and their context windows"}]
  }'

請求主體包含您的消息數組和可選參數。我們的 API 會優雅地忽略額外的字段。如果您發送簡單提示，您將收到直接補全。使用此功能在添加複雜邏輯之前驗證您的集成是否正常工作。模型能高效處理高達 100,000 個 token 的上下文。

啟用串流並處理令牌用量

設定 stream 為 true 以透過 Server-Sent Events 接收 token。此方法降低了長回應的感知延遲。串流中的最後一個 chunk 包含該請求的完整 token 使用統計數據。您可以記錄這些指標以準確追蹤預付額度的消耗。串流傳輸非常適合聊天介面和即時應用程式。

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)

透過累積內容增量來處理部分回應。我們的 API 確保總計數與實際用量相符。串流期間的錯誤不會為未完成的 token 計費。此功能在保持成本透明的同時，提供流暢的使用者體驗。如果使用者中斷生成，您可以提前停止串流。

使用函式呼叫與 JSON 模式

傳遞 tools 陣列以啟用函式呼叫。模型將在適當時輸出結構化的工具呼叫。您也可以透過將 response_format 設定為 json_object 來強制執行 JSON 模式。這保證輸出為有效的 JSON，從而簡化應用程式中的解析。這兩項功能均與標準的 OpenAI SDK 語法配合運作。

Copyimport OpenAI from "openai";

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

定義包含名稱、描述和參數的函式結構。API 會在回應中回傳函式名稱和參數。這允許你的程式根據模型的決策執行外部邏輯。當你需要同格的資料結構時，JSON 模式非常有用。結合這些功能可建立健壯的自動化工作流程。

配置參數：temperature、top_p 和 seed

調整 temperature 以控制隨機性。較低的值會使回應更具決定性。top_p 會將核採樣限制在最可能的詞元範圍內。seed 可確保輸出可重現，便於除錯。這些參數讓你能精細控制模型的行為，用於調整創意與準確性之間的平衡。

Copyfrom openai import OpenAI

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

設定 presence_penalty 和 frequency_penalty 以減少重複。該模型支援所有標準的 OpenAI 參數。您可以傳遞 stop sequence 以在特定標記處停止生成。這些控制功能可幫助您獲得所需的確切輸出格式。嘗試不同的組合以找到適合您使用情境的最佳設定。

限制、錯誤與上下文視窗

我們的 API 支援 100,000 token 的上下文視窗。每個請求的最大輸出為 16,000 token，若未指定 max_tokens 則為 2,048 token。每分鐘限 300 個請求，每個金鑰限 8 個併發請求。請求主體必須小於 8 MB。這些限制確保所有預付制客戶的公平使用。

透過驗證 API 金鑰處理 HTTP 401 錯誤。402 錯誤表示預付餘額不足。使用加密貨幣充值以恢復服務。429 錯誤表示您已超過速率限制。稍作等待後再重試。我們的系統不使用提示詞進行訓練，以保護您的資料隱私。錯誤和拒絕免費，因此您只需為成功的補全付費。