開發人員快速入門：無審查 API

Base URL 與身份驗證

首先，將你的 base_url 設為 https://api.abliteratedmodels.cc/v1。在每個請求中，透過在 Authorization 標頭中加入你的 API 金鑰作為 Bearer token 來進行驗證。你可以在透過 Google 或電子郵件註冊後，立即在 取得 API 金鑰 頁面產生金鑰。金鑰僅顯示一次；請將其安全地儲存於你的環境變數中。

• 標頭：Authorization: Bearer YOUR_API_KEY
• 身份驗證不需要額外的查詢參數。

確保您的客戶端程式庫支援自訂 Base URL。這允許您在不改變程式碼結構的情況下替換預設的 OpenAI 端點。

首次請求

向 /v1/chat/completions 發送 POST 請求，並使用模型 ID uncensored。API 接受標準的聊天完成參數。文字輸入，文字輸出。沒有嵌入或圖像生成的端點。

• 模型：uncensored
• 端點：POST /v1/chat/completions

使用以下 curl 命令驗證連線：

複製curl https://api.abliteratedmodels.cc/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."}]
  }'

Python SDK 整合

官方的 OpenAI Python SDK 可直接與此 API 配合使用。使用正確的 Base URL 和金鑰初始化客戶端。此方法抽象化了 HTTP 細節，同時保持對溫度 (temperature) 和 top_p 等參數的完全控制。

• 使用 OpenAI(base_url=..., api_key=...)
• 呼叫 client.chat.completions.create()

以下是用於編碼 LLM 任務的最小範例：

複製from openai import OpenAI

client = OpenAI(base_url="https://api.abliteratedmodels.cc/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 SDK 整合

對於 Node.js 環境，請使用 openai npm 套件。將 baseURL 設定指向我們的伺服器。此方法非常適合需要程式化存取無審查模型的後端服務或無伺服器函式。

• 安裝 openai 套件
• 將 baseURL 設定為 https://api.abliteratedmodels.cc/v1

實作範例：

複製import OpenAI from "openai";

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

串流回應 (SSE)

在請求中設定 stream: true 以啟用串流輸出。API 會傳回伺服器發送事件 (SSE)。token 使用統計資訊包含在最後一個區塊中。這可降低內容生成期間最終使用者的感知延遲。

• 設定 stream: true
• 在客戶端或伺服器上解析 SSE 事件

串流程式碼片段：

複製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)

速率限制與上下文視窗

每個 API 金鑰允許每分鐘 300 次請求及 8 個並行請求。請求主體不得超過 8 MB。上下文視窗總計為 100,000 個 token。沒有單獨的輸出上限；若 max_tokens 未設定，回應可延伸至視窗結尾。若達到限制，您的請求將排隊或失敗。請管理並行數量以保持在 8 個並行請求閾值內。請查看定價頁面以取得額度詳細資訊。