Démarrage rapide et référence API prix Claude

Installation et configuration de l'environnement

Commencez par installer la bibliothèque cliente officielle pour votre langage. Notre service se trouve derrière le standard /v1 chemin, de sorte que vous n'avez besoin de mettre à jour que l'URL de base et la clé API. L'URL de base sur ce site est HTTPS://api.claudeprecio.com/v1. L'authentification repose sur une seule clé active par compte. Vous pouvez générer cette clé immédiatement via Google ou e-mail sur la page "Obtenir la clé API". Aucun numéro de téléphone n'est requis. La clé n'est affichée qu'une seule fois, donc copiez-la en toute sécurité.

Effectuer votre première requête avec Python

Envoyez une demande de complétion en utilisant le SDK Python standard. Pointez le client vers notre URL de base et définissez le modèle sur "uncensored". Ce modèle open-weight s'exécute sur nos propres serveurs et est optimisé pour répondre sans refus de contenu. Vous pouvez transmettre des paramètres tels que temperature ou top_p tout comme vous le feriez avec n'importe quel service compatible OpenAI. La structure de la requête reste identique au format standard.

Copyfrom openai import OpenAI

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

Vérifiez que la réponse contient le texte généré. Si vous recevez une erreur 401, votre clé est invalide. Une erreur 402 indique un crédit prépayé insuffisant. Les erreurs lors de la génération ne consomment pas de tokens, vous ne payez donc que pour la sortie réussie.

Suivi de l'utilisation et réponses en streaming

Activez le streaming en définissant stream=True dans la configuration de votre client. L'API renvoie des événements envoyés par le serveur (SSE) pour chaque jeton généré. Cela vous permet d'afficher le texte en temps réel pendant l'attente de la réponse complète. Les données d'utilisation, y compris les nombres de jetons d'entrée et de sortie, sont incluses dans le dernier fragment du flux. Cette approche réduit la latence perçue pour les sorties longues. Cela fonctionne parfaitement avec les SDK standard.

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)

Gérer les interruptions de flux de manière élégante. Les coupures réseau peuvent laisser des réponses partielles. Vérifiez toujours le dernier fragment pour des statistiques précises sur l'utilisation des jetons. Cela garantit que votre tableau de bord de facturation correspond à la consommation réelle.

Paramètres : température, top_p et seed

Contrôlez la créativité et la reproductibilité à l'aide des paramètres de génération standards. Le temperature la valeur ajuste l'aléatoire, des valeurs plus faibles produisant des sorties plus déterministes. Utilisez top_p pour limiter l'échantillonnage à la masse de probabilité supérieure. Définir seed pour corriger l'état aléatoire afin d'obtenir des résultats reproductibles sur plusieurs appels. Ces paramètres fonctionnent de manière identique à la norme OpenAI. Ajustez-les en fonction de votre cas d'utilisation, qu'il s'agisse de codage ou d'écriture créative.

Copyimport OpenAI from "openai";

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

Combinez ces paramètres pour un contrôle précis. Par exemple, une température faible avec une graine fixe garantit des sorties cohérentes pour les tests. Le modèle prend en charge tous les paramètres standard comme stop séquences et presence_penalty. Expérimentez pour trouver le bon équilibre pour votre projet spécifique.

Appel de fonctions et mode JSON

Utiliser l'appel de fonctions pour intégrer l'API à vos applications. Définissez les outils dans le corps de la requête, et le modèle renverra du JSON structuré contenant les arguments de fonction. Activez le mode JSON en définissant response_format à {"type": "json_object"}. Cela garantit que la sortie est toujours du JSON valide, ce qui simplifie l'analyse. Utilisez ceci pour l'extraction de données ou les réponses structurées. Le modèle gère efficacement les définitions d'outils complexes.

Copycurl https://api.claudeprecio.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Calculate total cost for 10 million input tokens and 3 million output tokens"}]
  }'

Testez l'appel de fonctions avec une définition d'outil simple. Vérifiez que le modèle respecte le schéma de l'outil. Le mode JSON est particulièrement utile lorsque vous avez besoin de structures de sortie prévisibles. Combinez-le avec le streaming pour le traitement des données en temps réel. Cette fonctionnalité rend l'API adaptée aux applications de niveau production.

Limites, erreurs et fenêtre de contexte

La fenêtre de contexte prend en charge 100 000 tokens pour l'invite et la complétion combinées. La sortie maximale par requête est de 16 000 tokens. Si max_tokens n'est pas défini, la limite par défaut est de 2 048. Vous avez droit à 300 requêtes par minute par clé. La concurrence est limitée à 8 requêtes simultanées par clé. Le corps de la requête ne doit pas dépasser 8 Mo. Les erreurs 401, 402 et 429 sont gérées via les codes de statut HTTP standard. L'utilisation des jetons est facturée avec précision, et les erreurs sont gratuites.