無審查 LLM API 文件

基礎 URL 與驗證

首先將您的客戶端指向特定的端點以繞過標準內容篩選。使用基礎 URL https://api.bestabliteratedmodel.com/v1 並透過標準 Authorization 標頭. 您可以在註冊頁面透過 Google 或電子郵件即時產生金鑰，無需提供試用期的付款詳情。

Copycurl https://api.bestabliteratedmodel.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Run the unit tests for the new authentication module"}]
  }'

確保您的標頭符合上述確切格式。系統會在處理任何 token 前驗證憑證，請妥善保管您的金鑰。

首次使用 Python SDK 的請求

透過覆寫 base URL，直接使用官方 OpenAI Python 函式庫進行整合。這允許您在未大幅更改現有程式碼結構的情況下，將提示發送給無審查模型。模型 ID 始終為 uncensored 適用於所有請求。

Copyfrom openai import OpenAI

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

此方法與標準參數保持相容，例如 temperature 和 top_p. 建立客戶端實例後，您可以立即測試回應。

Node.js 集成

使用 Node.js OpenAI 套件將文字補全發送到我們無審查的端點。設定 baseURL 屬性至我們的 API 位址，然後進行任何呼叫。這確保您的應用程式正確路由請求，而不會觸及標準供應商的限制。

Copyimport OpenAI from "openai";

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

根據需要處理回應串流或單一物件。SDK 會內部處理 tokenization，因此您只需專注於提示邏輯，而非基礎設施細節。

使用 SSE 串流

在請求中將 stream: true 在您的請求參數中。API 回傳伺服器發送事件（SSE），其中每個區塊包含部分文字。Token 使用指標出現在串流的最後一個區塊中。

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)

隨到隨處理每個增量以即時向用戶顯示文本。與等待完整完成相比，這顯著減少了感知延遲。

函式呼叫與工具

在請求中定義工具架構，以啟用來自模型的結構化輸出。API 支援標準的函式定義，包含參數和說明。模型會根據您的提示指示，在適當時回傳工具呼叫。

傳遞 tools 包含您期望函數的陣列。回應包含一個 tool_calls field if the model decides to invoke a tool.

JSON 模式、限制與錯誤

透過設定 response_format 以 {"type": "json_object". 這可確保自動化工作流程的可靠解析。我們的上下文視窗總共支援 100,000 個 token，最大輸出為 16,000 個 token。

常見錯誤包括 401（無效金鑰）、402（預付餘額耗盡）和 429（速率限制，每分鐘 300 次請求）。涉及未成年人的性內容請求始終會被拒絕。