基础 URL 和认证
我们的托管 API 对所有请求使用单一的基础 URL。你通过在 Authorization 头中传递 API 密钥进行身份验证。在获取 API 密钥页面注册,即可立即获得密钥。每个账户生成一个密钥,你可以随时重新生成该密钥以撤销访问权限。模型标识符严格为 uncensored,这是一个开放权重模型,针对无需内容拒绝的原始输出进行了调整,适用于合法的成人用途。
基础 URL:https://api.bestuncensoredllm.com/v1。所有标准的 OpenAI SDK 通过指向此基础 URL 并提供你的密钥即可工作。没有模型路由或供应商选择;我们提供单一的特定无审查模型。
隐私说明:提示词不用于训练。账户仅需邮箱和密码,试用层级无需手机号或信用卡。
首次请求
使用 curl 发送你的第一个请求,以验证连通性并获取无审查响应。接口为 POST /v1/chat/completions。确保将 YOUR_API_KEY 替换为你从仪表板获取的实际密钥。
此请求演示了基本的文本输入、文本输出流程。模型将根据其训练进行响应,而不包含标准的商业过滤器,使其非常适合原始数据处理或创意写作。
curl https://api.bestuncensoredllm.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
}'如果你收到 401 错误,说明你的密钥无效或已过期。402 错误表示预付额度不足。429 错误意味着你超过了每分钟 300 次请求的速率限制。
Python SDK 集成
使用官方 OpenAI Python SDK 与无审查 LLM 交互。通过 pip 安装软件包,然后配置客户端指向我们的基础 URL。这种方法适合构建后端服务或数据处理管道的开发人员。
SDK 自动处理 JSON 序列化和流式输出。请记住模型 ID 固定为 uncensored。你可以传递标准参数如 temperature 和 max_tokens 来控制输出行为。
from openai import OpenAI
client = OpenAI(base_url="https://api.bestuncensoredllm.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)此方法对于集成无审查 AI 模型进行编码任务或生成大段文本非常稳健。确保你的代码通过实现重试机制来优雅地处理潜在的速率限制错误。
Node.js SDK 集成
对于 JavaScript 和 TypeScript 环境,请使用 OpenAI Node.js SDK。使用与 Python 示例相同的基础 URL 和 API 密钥配置客户端。这允许你将无审查响应直接集成到 Web 应用程序或基于 Node 的微服务中。
SDK 支持完整的聊天完成参数。由于我们不提供嵌入或图像生成功能,请针对所有基于文本的交互使用 chat-completions 接口。
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.bestuncensoredllm.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);此设置适用于快速原型制作角色扮演机器人或自动化数据提取。API 密钥与你的账户绑定,因此请将其安全地存储在环境变量中。如果你怀疑密钥泄露,请从仪表板重新生成密钥。
流式响应
为了获得更低的延迟体验,请在请求中设置 stream: true 以启用流式输出。API 返回包含部分 token 输出的服务器发送事件(SSE)。这对于期望即时反馈的实时聊天界面至关重要。
每个事件包含响应的一个块。你必须解析这些事件以重建完整消息。流式输出不会改变定价或 token 计数;你仍会为总的输入和输出 token 付费。
stream = 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)确保你的客户端正确处理 SSE 连接,并在收到 done 事件后关闭它们。这比等待完整响应更能减少服务器负载并提供更流畅的用户体验。
模型接口、限制和错误
使用 GET /v1/models 验证可用模型。目前仅支持 uncensored 模型。上下文窗口为 100,000 token(包含提示词和补全)。请求体超过 8 MB 将被拒绝。
速率限制严格:每个密钥每分钟 300 次请求。超过此限制将触发 429 错误。定价基于使用情况:每 1M 输入 token $0.15,每 1M 输出 token $0.50。预付额度永不失效。新账户获得 $0.50 的免费试用额度,有效期 7 天。在 API 密钥页面一键领取此额度。试用无需信用卡。立即注册,开始测试最适合你项目的最佳无审查 LLM。