API 快速入門指南

基礎 URL 與驗證

使用標準 OpenAI 相容基礎 URL 連線至我們的 uncensored LLM API。您的 API 金鑰會驗證每個請求，因此請保持其安全性，但需讓應用程式可存取。我們使用簡單的標頭進行驗證，確保您的提示能無摩擦地傳遞至模型。

Copycurl https://api.modelsaiuncensored.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list all available endpoint urls"}]
  }'

每個帳戶只需一個有效金鑰。如果您輪換金鑰，舊金鑰會立即失效。這可防止背景腳本因過期而產生重複計費。您的預付額度涵蓋所有用量，如有需要可透過儀表板監控餘額。

聊天完成端點

透過標準的聊天補全端點將訊息發送給「uncensored」模型。此端點處理文本輸入、文本輸出的互動，上下文窗口為 100,000 token。您可以包含系統指令來定義行為，或者只發送使用者訊息以進行直接互動。

Copyfrom openai import OpenAI

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

該模型預設不會拒絕合法的成人或具爭議性的主題。設定溫度等參數以調整創意，或設定 top_p 以增加多樣性。如果您省略 max_tokens，預設輸出為 2,048 個 token。請求最多 16,000 個 token 以獲得更長的回應。此端點足以滿足大多數自動化任務的需求。

串流回應 (SSE)

透過 Server-Sent Events (SSE) 接收即時 Token 生成。這非常適合聊天介面，您可以在文字出現時即時顯示。串流的最末一個區塊包含總 Token 用量，用於帳單目的。這讓您的應用程式能夠即時準確地追蹤成本。

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)

串流降低了最終使用者的感知延遲，使無審查 AI 體驗感覺更具響應性。請優雅地處理連線錯誤，因為網路中斷可能會導致串流丟失。重新連線很簡單，因為模型狀態是針對每個請求維護的，而非跨會話。請將此用於動態內容生成。

函式呼叫與 JSON 模式

使用函式呼叫或 JSON 模式進行結構化資料擷取。在請求中指定工具以引導模型的輸出格式。這對於需要從無審查 LLM 獲得可靠資料結構的自動化管線至關重要。JSON 模式會強制回應為有效的 JSON，減少解析錯誤。

Copyimport OpenAI from "openai";

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

定義具有清晰說明的工具架構以提高準確性。模型會尊重工具定義，並以預期的格式回傳參數。這使得串接 API 呼叫或觸發外部動作變得非常容易。使用此功能來建構代理程式或資料處理工作流程，無需手動驗證步驟。

速率限制與限制條件

我們的 API 實施了嚴格的限制以確保所有用戶的穩定性。您每分鐘可進行 300 次請求，每個金鑰最多 8 個並發請求。每個請求主體必須低於 8 MB，以防止過大的負載問題。這些限制適用於每個 API 金鑰，因此如有需要，請將負載分佈到多個金鑰上。

錯誤如 401 表示無效或缺失的金鑰。402 錯誤表示您的預付積分已耗盡。429 狀態表示您已達到速率限制。暫停並在短暫延遲後重試。這些限制是透明的，高峰時間沒有隱藏的節流。

上下文視窗和輸出限制

該模型支援 100,000 token 的上下文視窗，包含提示與補全。這允許進行廣泛的文件分析或長對話歷史。然而，每次請求的最大輸出上限為 16,000 個 token。若未指定 max_tokens，預設值為 2,048 個 token。

對於非常長的輸出，請考慮分割請求或使用串流傳輸。這可確保您不會超出每次請求的限制。上下文視窗是共享的，因此高效的提示設計至關重要。利用此容量進行深度、無限制的推理任務，而不會觸及硬性上限。