無審查模型的 API 文件

驗證與標頭

在 Authorization 標頭中傳送您的 API 金鑰以用於每個請求。使用格式 Bearer YOUR_API_KEY 並將其包含在 Authorization 欄位。您的金鑰在透過 Google 或電子郵件註冊後立即生成，註冊過程不需要電話號碼。請將金鑰安全地保存在環境變數中，以防止未經授權的使用消耗您的預付餘額。此標頭確保我們的伺服器能識別您的帳戶，以便準確計費 token。

POST /v1/chat/completions

進行首次請求以生成文字回應。使用 POST /v1/chat/completions 端點，搭配 model 設定為 uncensored. 此端點接受包含 user 和 assistant 角色的標準訊息陣列。您可以根據客戶端配置串流傳輸回應或接收完整文字。模型處理您的輸入並返回無內容拒絕的文字，適用於合法成人用途。請查看速率限制頁面以了解併發限制。

GET /v1/models

使用 GET 端點檢索可用的模型資訊。這會回傳 uncensored 模型及其功能的元資料。您可以在發送補全請求前驗證模型 ID。回應確認了 API 與標準 OpenAI 結構的相容性。使用此端點可快速偵錯客戶端設定。這有助於確保您的 SDK 指向正確的服務版本。此端點不會消耗您帳戶中的 token 額度。

串流回應與 token 用量

透過設定 stream 設為 true。您會隨著 token 生成收到 server-sent events (SSE)。最後一個區塊包含請求的總 token 用量。這允許您的應用程式即時顯示回應。Token 計數可幫助您準確監控預付餘額。串流期間的錯誤會透過正常關閉串流來處理。如有需要，您可以無懲罰地中斷串流。

函式呼叫與 JSON 模式

使用 tools 參數用於函數呼叫功能。設定 response_format 以 json_object 用於嚴格的 JSON 輸出。該模型支援為您的應用程式生成結構化資料。您可以在請求主體中定義自訂工具。API 會在將資料傳送給模型之前驗證結構。這可確保下游程式碼中的解析一致性。JSON 模式非常適合需要特定格式的自動化工作流程。

速率限制與錯誤處理

預期若超過每分鐘 300 次請求會出現 429 錯誤。限制允許每支金鑰 8 個並行請求。請求主體必須低於 8 MB。若收到 401 錯誤，請檢查 API 金鑰有效性。402 錯誤表示預付額度不足。錯誤不會消耗您餘額中的 token。上下文視窗支援 100,000 個 token（提示與完成合計）。除非另有說明，否則最大輸出為 16,000 個 token。在客戶端程式碼中優雅地處理這些錯誤。

cURL

Copycurl https://api.unrestrictedgptchat.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "what is the capital of france"}]
  }'

Python

Copyfrom openai import OpenAI

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