API de chat compatible OpenAI : Python, Node et curl
Un appel de chat compatible OpenAI consiste en une seule requête POST avec une liste de messages et une réponse du modèle. Ce guide parcourt la requête, les conversations multi-tours, le streaming et les erreurs possibles, en utilisant un endpoint sans censure comme exemple.
Mis à jour le

La requête en une minute
Tout client capable de communiquer avec le format de chat OpenAI peut communiquer avec ce service. Vous modifiez deux choses, l'URL de base et la clé, et gardez tout le reste. Ici, l'URL de base est https://api.mistralapikey.com/v1 et l'ID de modèle est uncensored. L'authentification est un en-tête Authorization: Bearer standard.
Une première requête ressemble à ceci :
curl https://api.mistralapikey.com/v1/chat/completions -H "Authorization: Bearer YOUR_API_KEY" -H "Content-Type: application/json" -d '{
"model": "uncensored",
"messages": [
{"role": "system", "content": "You are a concise assistant."},
{"role": "user", "content": "Explain what an API key is in two sentences."}
]
}'
Il s'agit d'un service indépendant qui exécute un modèle à poids ouverts, ajusté pour répondre sans refus de contenu pour un usage adulte légal. Ce n'est pas l'API officielle de Meta, Mistral, OpenAI ou tout autre fournisseur. Il expose deux méthodes, POST /v1/chat/completions et GET /v1/models, et ne traite que du texte. Si vous avez encore besoin d'une clé, la page clé API explique l'inscription et le crédit d'essai.
Lire la réponse
Une réponse réussie est un objet JSON de forme habituelle. Le texte se trouve dans choices[0].message.content, la raison d'arrêt est dans choices[0].finish_reason, et les nombres de tokens sont dans usage.
{
"id": "chatcmpl-...",
"object": "chat.completion",
"model": "uncensored",
"choices": [
{
"index": 0,
"message": {"role": "assistant", "content": "An API key is a secret string..."},
"finish_reason": "stop"
}
],
"usage": {"prompt_tokens": 31, "completion_tokens": 48, "total_tokens": 79}
}
Un finish_reason de stop signifie que le modèle a terminé sa réponse. Une valeur de length signifie qu'il a atteint une limite de tokens, donc augmentez max_tokens ou laissez-le non défini. Les en-têtes comptent aussi : X-Request-Id identifie l'appel pour le support, X-Balance-USD montre votre crédit restant, et X-RateLimit-Limit-Requests et X-RateLimit-Limit-Concurrency indiquent vos limites.
Messages et rôles
Le tableau messages est toute la conversation, dans l'ordre. Chaque élément a un role et un content.
- system définit le comportement, le ton et les règles. Mettez-le en premier.
- user est ce que la personne a tapé.
- assistant est ce que le modèle a dit plus tôt dans la conversation.
- tool transporte le résultat d'un appel de fonction, si vous utilisez l'appel de fonctions.
Le modèle ne connaît que ce qui est dans le tableau. Rien n'est mémorisé entre les requêtes, donc le serveur ne conserve pas de session pour vous. C'est la chose la plus importante à comprendre sur les endpoints de chat, et cela explique pourquoi un "chat" coûte plus cher à chaque tour : l'historique que vous envoyez est facturé en entrée à chaque fois.
Chat multi-tours en Python
Pour maintenir une conversation, gardez une liste, ajoutez le message utilisateur, appelez l'API, ajoutez la réponse de l'assistant, et répétez. C'est un chat terminal complet.
from openai import OpenAI
client = OpenAI(
base_url="https://api.mistralapikey.com/v1",
api_key="YOUR_API_KEY",
)
history = [{"role": "system", "content": "You are a friendly, direct assistant."}]
while True:
text = input("you> ").strip()
if not text:
break
history.append({"role": "user", "content": text})
resp = client.chat.completions.create(
model="uncensored",
messages=history,
temperature=0.7,
)
answer = resp.choices[0].message.content
history.append({"role": "assistant", "content": answer})
print("bot>", answer)
print(f" [{resp.usage.prompt_tokens} in / {resp.usage.completion_tokens} out]")
Surveillez les nombres entre crochets pendant que vous discutez. Le compteur "in" augmente à chaque tour car il inclut tout ce qui a été dit jusqu'alors. Cette croissance est normale et est aussi votre principal levier de contrôle des coûts, couvert ci-dessous.
Réponses en streaming dans Node
Pour une interface de chat, vous voulez que le texte apparaisse au fur et à mesure de sa génération. Définissez stream: true et l'API envoie des événements envoyés par le serveur. Le SDK Node d'OpenAI enveloppe cela dans un itérateur asynchrone.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.mistralapikey.com/v1",
apiKey: process.env.API_KEY,
});
const stream = await client.chat.completions.create({
model: "uncensored",
messages: [{ role: "user", content: "Write a four-line poem about debugging." }],
stream: true,
});
for await (const chunk of stream) {
const piece = chunk.choices[0]?.delta?.content ?? "";
process.stdout.write(piece);
}
process.stdout.write("\n");
L'utilisation est indiquée à la fin du flux, donc vous pouvez toujours enregistrer les compteurs de tokens sans un second appel. Un détail opérationnel : une requête en streaming occupe son slot de concurrence jusqu'à la fin du flux. Si un utilisateur ferme un onglet, annulez la requête de votre côté pour libérer le slot plus tôt.
Paramètres que vous pouvez utiliser
Les contrôles d'échantillonnage standard sont transmis au modèle. Ce sont ceux que vous toucherez le plus.
| Champ | Ce qu'il fait | Conseil pratique |
|---|---|---|
temperature | Aléatoire du choix des mots | 0 à 0,3 pour l'extraction, 0,7 à 1,0 pour le texte créatif |
top_p | Limite l'échantillonnage aux mots les plus probables | Modifiez ceci ou la température, rarement les deux |
max_tokens | Limite supérieure sur la longueur de la réponse | Optionnel ; définissez-le pour limiter le coût sur les prompts ouverts |
stop | Séquences qui terminent la génération | Utile pour les formats basés sur des lignes |
seed | Échantillonnage répétable | Pratique pour les tests |
frequency_penalty, presence_penalty | Décourage la répétition | Les petites valeurs font beaucoup |
response_format | Mode JSON | Utilisez {"type":"json_object"} et décrivez les clés dans le prompt |
L'appel de fonctions est disponible via tools et tool_choice également. Le démarrage rapide couvre la configuration pour les SDK courants.
Combien coûte une conversation
Les prix sont de 0,15 $ par 1M de tokens d'entrée et de 0,50 $ par 1M de tokens de sortie, depuis le crédit prépayé. La fenêtre de contexte est de 100 000 tokens pour le prompt et la réponse ensemble. Parce que l'historique est renvoyé, le coût d'un chat augmente plus vite que le nombre de messages.
Prenez un chat où chaque message utilisateur fait environ 100 tokens et chaque réponse environ 200 tokens, plus un message système de 200 tokens. Le tour 1 envoie 300 tokens d'entrée. Le tour 10 envoie environ 200 + 10 x 100 + 9 x 200 = 3 000 tokens d'entrée. Le tour 30 envoie environ 200 + 30 x 100 + 29 x 200 = 9 000.
Additionnez les 30 tours d'entrée : le total est 30 x 200 + 100 x (1 + 2 + ... + 30) + 200 x (0 + 1 + ... + 29) = 6 000 + 46 500 + 87 000 = 139 500 tokens d'entrée. La sortie est de 30 x 200 = 6 000 tokens. Coût : 139 500 / 1M x $0,15 = $0,020925, plus 6 000 / 1M x $0,50 = $0,003. L'ensemble du chat de 30 tours revient à environ $0,024. Pas cher, mais notez que l'entrée est 23 fois plus importante que la sortie, et cela croîtrait au carré de la longueur si vous ne la réduisiez jamais.
Façons de le maintenir bas : supprimez ou résumez les anciens tours une fois que l'historique dépasse une taille que vous choisissez, gardez le prompt système court, et définissez max_tokens lorsque vous n'avez pas besoin de longues réponses. Les requêtes échouées ou refusées ne sont pas facturées. Les montants de rechargement et les paliers de bonus sont listés sur la page tarifs.
Réduire l'historique sans casser le chat
Une fois qu'une conversation devient longue, vous avez deux choix : payer pour l'historique complet à chaque tour, ou le réduire. Une règle simple consiste à conserver le message système et les derniers tours. Cette fonction le fait et laisse le reste de votre boucle inchangé.
from openai import OpenAI
client = OpenAI(
base_url="https://api.mistralapikey.com/v1",
api_key="YOUR_API_KEY",
)
def trimmed(history, keep=8):
system = history[:1]
rest = history[1:]
return system + rest[-keep:]
resp = client.chat.completions.create(
model="uncensored",
messages=trimmed(history),
)
Le prix de la réduction est que le modèle oublie ce qu'il ne voit plus. Pour les bots de support, c'est bien. Pour les longues histoires, vous préférerez peut-être demander au modèle d'écrire un court résumé des anciens tours une fois, de le stocker comme une note système, et de supprimer les originaux. Cela coûte un appel supplémentaire mais garde l'intrigue.
Écrire un message système utile
Gardez-le court et concret : qui est l'assistant, quelle doit être la longueur des réponses, et toute règle de format. "Vous êtes un agent de support pour un magasin de vélos. Répondez en au maximum trois phrases et posez une question si la demande n'est pas claire" fait plus qu'une page de vertus générales. Chaque mot de celui-ci est facturé en entrée à chaque tour, donc un message système de 1 000 tokens ajoute $0,00015 à chaque requête.
Erreurs et limites
Une clé complète permet 8 requêtes simultanées et 300 requêtes par minute ; une clé d'essai en permet 2 et 60. Le corps de requête maximum est de 8 Mo. Si vous dépassez une limite, vous recevez un HTTP 429, avec l'une de ces significations :
- Code d’erreur
rate_limited: trop de requêtes par minute. Espacez-les. - Code d’erreur
concurrency: trop de requêtes simultanées. Mettez-les en file d’attente. - En-tête
Retry-After: 5: surcharge temporaire. Attendez 5 secondes puis réessayez.
Un 401 signifie que la clé est manquante ou incorrecte. Gardez les clés hors du code front-end ; appelez l'API depuis votre serveur. Si vous migrez depuis une configuration Mistral, la page de la clé API Mistral couvre l'accès à ce service.
Pour du code de production, enveloppez les appels dans une tentative avec un court délai d'attente, comme le font déjà les SDK OpenAI pour certaines erreurs, et journalisez la valeur X-Request-Id à côté de chaque erreur. Lorsque quelque chose semble incorrect, cet ID est le moyen le plus rapide de pointer support vers la requête exacte. Définissez également un délai d'expiration côté client : une complétion longue sur un prompt volumineux peut prendre du temps, et vous ne voulez pas qu'une connexion bloquée retienne l'un de vos 8 emplacements de concurrence.
Le service ne produit pas de contenu sexuel impliquant des mineurs, et les prompts ne sont pas utilisés pour l’entraînement.
Plus de guides
Questions et réponses
Que signifie compatible OpenAI ?
Cela signifie que l’endpoint accepte le même format de requête que l’API de complétion de chat OpenAI, de sorte que les SDK et outils OpenAI fonctionnent après avoir modifié l’URL de base et la clé.
Le serveur retient-il la conversation ?
Non. Envoyez l’intégralité de l’historique des messages avec chaque requête. Le serveur ne conserve aucune session entre les appels.
Quels endpoints sont disponibles ?
POST /v1/chat/completions et GET /v1/models. Le service est uniquement textuel, sans endpoints d’images, d’audio ou d’embeddings.
Comment activer le streaming de la réponse ?
Définissez stream à true. L'API envoie des server-sent events et indique l'utilisation à la fin du streaming.
Quel nom de modèle dois-je utiliser ?
Utilisez uncensored comme ID de modèle dans chaque requête.
Votre clé est à un formulaire de vous
Créez un compte, copiez la clé, modifiez l'URL de base. C'est toute la configuration.