无审查 LLM API 文档

基础 URL 和认证

首先将客户端指向特定端点以绕过标准内容过滤器。使用基础 URL https://api.bestabliteratedmodel.com/v1 并通过标准的 Authorization 头部，您可以在注册页面通过 Google 或邮箱即时生成密钥，无需提供试用期的支付详情。

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"}]
  }'

确保您的标头与上述格式完全匹配。系统在标记任何令牌之前会验证凭据，因此请保持密钥安全。

首次使用Python SDK的请求

通过覆盖基础 URL，直接使用官方 OpenAI Python 库进行集成。这允许您将提示发送到无审查模型，而无需显著更改现有代码结构。模型 ID 始终为 uncensored 适用于所有请求。

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)

这种方法与标准参数保持兼容，例如 temperature 和 top_p. 创建客户端实例后，您可以立即测试响应。

Node.js 集成

使用 Node.js OpenAI 包向我们的无审查端点发送文本补全。设置 baseURL 属性到我们的 API 地址，然后再进行任何调用。这确保您的应用正确路由请求，而不会触及标准提供商的限制。

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);

根据需要处理响应流或单个对象。SDK 内部处理分词，因此您只需关注提示逻辑，而无需关心基础设施细节。

使用 SSE 进行流式传输

通过将 stream: true 在请求参数中。API 返回服务器发送事件（SSE），其中每个数据块包含部分文本。Token 使用指标出现在流的数据块中。

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)

随到达处理每个增量以即时向用户显示文本。与等待完整完成相比，这显著降低了感知延迟。

函数调用与工具

在请求中定义工具模式，以启用模型的结构化输出。API 支持带有参数和描述的标准函数定义。模型会根据你的提示指令在适当时返回工具调用。

传入 tools 包含您期望函数的数组。响应包括一个 tool_calls field if the model decides to invoke a tool.

JSON 模式、限制与错误

通过设置 response_format 到 {"type": "json_object". 这确保了自动化工作流中的可靠解析。我们的上下文窗口总共支持 100,000 个 token，最大输出为 16,000 个 token。

常见错误包括 401（无效密钥）、402（预付费余额耗尽）和 429（速率限制，300 次请求/分钟）。涉及未成年人的性内容请求始终会被拒绝。