Démarrage rapide API Groq

Prérequis et dépendances

Commencez par générer votre clé API groq sur le tableau de bord. Vous pouvez vous connecter avec Google ou utiliser un e-mail et un mot de passe. Aucun numéro de téléphone n'est requis. La clé apparaît immédiatement pour être copiée-collée.

Assurez-vous que votre environnement prend en charge les SDK officiels OpenAI. Notre URL de base est HTTPS://api.apigroq.com/v1. Cela fonctionne avec n'importe quel client qui accepte les points de terminaison OpenAI standard. Vous n'avez pas besoin d'installer de middleware supplémentaire.

Authentification de votre clé API groq

Transmettez votre clé dans l'en-tête Authorization en tant que jeton Bearer. Cela authentifie chaque requête adressée au service d'IA uncensored. Si la clé est invalide, vous recevez une erreur 401. Si vous n'avez pas de crédits, vous obtenez une erreur 402.

• En-tête : Authorization: Bearer YOUR_API_KEY
• N'exposez pas les clés dans le code côté client.

Envoi de votre première complétion

Envoyez une requête POST à /v1/chat/completions. Utilisez l'ID de modèle uncensored. Ce modèle répond sans refus pour un usage adulte légal. Définissez top_p vers 1 et temperature vers 0 pour des résultats cohérents.

Copycurl https://api.apigroq.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list dependencies in requirements.txt"}]
  }'

La réponse retourne uniquement du texte. Aucune embedding ni image n'est générée. Les erreurs ne consomment pas votre crédit prépayé.

Gestion des réponses en streaming

Utilisez les Événements envoyés par le serveur pour la livraison de tokens en temps réel. Définissez stream: true dans votre requête. Chaque chunk contient du texte partiel. Le dernier chunk inclut les détails d'utilisation des jetons.

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)

Cette approche réduit la latence perçue pour les réponses volumineuses. Votre client doit gérer le data: préfixe et analysez les objets JSON.

Intégration du SDK Python

Installez le package Python officiel OpenAI. Configurez le client avec notre URL de base et votre clé. Cela permet une utilisation directe du LLM uncensored sans OpenRouter.

Copyfrom openai import OpenAI

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

Le SDK gère automatiquement les nouvelles tentatives et l'analyse JSON. Vous pouvez également activer le mode JSON en définissant response_format à {"type": "json_object"}.

SDK Node et limites

Utilisez le client OpenAI Node.js de manière similaire. Définissez l'URL de base sur notre point de terminaison. Surveillez étroitement vos limites de débit.

Copyimport OpenAI from "openai";

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

Vous êtes limité à 300 requêtes par minute par clé. Vous pouvez avoir 8 requêtes concurrentes. Le corps de la requête doit rester inférieur à 8 Mo. La fenêtre de contexte est de 100,000 tokens au total. Le maximum de sortie est de 16,000 tokens sauf indication contraire.