3 行程式碼即可連線

基礎 URL 與模型 ID

您的第一步是將您的客戶端指向我們的伺服器。使用 https://api.openaiapialternatives.com/v1 作為基礎 URL，並將模型 ID 設為 uncensored. 單一端點處理所有聊天完成任務，無需為嵌入向量或音訊進行額外設定。您可以透過呼叫 models 端點來驗證連線，確認系統已啟動並準備好處理您的請求。

驗證標頭

在 Authorization 標頭使用 Bearer 方案。在金鑰頁面透過 Google 或電子郵件立即產生您的金鑰，無需電話號碼。該金鑰授予存取您預付信用餘額的權限，請妥善保管。如果您遺失了它，請立即產生新金鑰以取代舊的有效金鑰。

標準聊天完成

向 /v1/chat/completions 搭配您的訊息陣列。我們的模型直接以文字回應，支援如 temperature 和 top_p 用於控制。無效金鑰等錯誤返回 401，信用額度不足觸發 402。對於結構化輸出使用 JSON 模式，或對於對話流程使用純文本。

串流回應

在請求主體中將 stream: true 在您的請求主體中。您會收到模型生成文字時的伺服器發送事件（SSE）區塊。最後一個區塊包含用於計費準確性的總 token 使用數據。此方法在等待 uncensored 模型的長篇回答時，可保持您的 UI 響應能力。

函式呼叫工具

在請求中定義工具以讓模型輸出結構化資料。傳遞 tools 包含函數定義的陣列，模型會在適當時回傳工具呼叫。您可以使用 tool_choice 或讓模型自行決定。此功能可與標準 OpenAI SDK 無縫整合，適用於代理程式工作流程。

限制、錯誤與上下文

您的上下文視窗總計支援 100,000 個 token，每次請求的最大輸出為 16,000 個 token。速率限制為每分鐘 300 次請求，每支金鑰最多 8 個併發請求。請透過實施指數退避來處理 429 錯誤。若信用耗盡，請求會優雅地失敗，且未使用的預付信用永不過期。

cURL

Copycurl https://api.openaiapialternatives.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Translate the following French code comments to English."}]
  }'

Python

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

串流

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)