无审查 API 快速入门

安装和设置

使用基础 URL 和 API 密钥配置您的环境。此无审查 API 使用标准 /v1/chat/completions 端点。更改 base_url 在您的 SDK 客户端中，并提供来自仪表板的密钥。

• 基础 URL： https://api.openrouterapipricing.com/v1
• 模型 ID： uncensored

认证依赖于每个账户的单个密钥。通过 Google 或电子邮件注册后，您将立即收到密钥。无需电话号码。

Copycurl https://api.openrouterapipricing.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "get me the price per token for the largest model"}]
  }'

基本聊天补全

发送标准聊天补全请求以获取文本回复。模型接受文本输入并返回文本输出。使用 uncensored 用于无限制生成的模型 ID。

您可以使用标准参数控制输出长度和风格。该 API 不支持嵌入或图像生成。请求严格按 token 使用情况收费。

流式响应

启用流式传输以实时接收令牌。这降低了您用户的感知延迟。最后一个数据块包含请求的总令牌使用情况。

流式传输支持所有标准 SDK。处理流事件以增量更新您的 UI。这非常适合聊天机器人界面。

Copyfrom openai import OpenAI

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

函数调用与工具

在请求中定义工具以允许模型调用函数。使用 tools 指定模式的参数。模型会在适当时返回工具调用。

设置 tool_choice 用于强制执行函数使用。这与标准的 OpenAI 兼容格式配合使用。在您的应用程序逻辑中解析工具调用。

Copyimport OpenAI from "openai";

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

JSON 模式

强制模型输出有效的 JSON。设置 response_format 到 {"type": "json_object"}. 这为您的应用程序确保结构化数据。

JSON 模式提高了数据提取任务的可靠性。模型会严格遵循你提供的 schema。这对于保持一致的解析效果非常有用。

参数、限制和错误

使用 temperature, top_p，以及 stop 序列。上下文窗口总共为 100,000 个令牌。最大输出为每次请求 16,000 个令牌。401（无效密钥）或 402（无信用额度）等错误免费。429 表示速率限制。请求限制为每分钟 300 个。请求体必须小于 8 MB。

流式传输

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)