整合無審查 AI 模型 API

認證與基礎 URL

我們的 API 設計為現有 OpenAI 客戶端的即插即用替代品。你只需更改兩個變數：base_url 和你的 api_key。所有請求的基礎 URL 為 https://api.llmmodelsapi.com/v1。驗證透過 Authorization 標頭使用 Bearer token 處理。請確保你的 API 金鑰安全，因為它可存取你的預付額度。你可隨時從儀表板重新產生金鑰，這會立即使舊金鑰失效。

首次請求

發送標準聊天補全請求以測試連線。使用模型 ID uncensored 來存取我們專門設計的大型語言模型。該模型經過微調，可在合法成人用途下無內容拒絕地回答，非常適合需要一致輸出的代理程式。請求主體遵循標準 OpenAI 聊天補全格式。

Copycurl https://api.llmmodelsapi.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."}]
  }'

驗證回應是否包含有效的補全內容。如果您收到 200 狀態碼，表示您的整合運作正常。此 ai model api 端點支援上下文視窗內的單輪和多輪對話。

Python SDK 整合

使用官方 OpenAI Python SDK 是整合的最快方式。將客戶端指向我們的基礎 URL 並提供您的 API 金鑰。SDK 會自動處理序列化與連線池。此方法適用於任何尊重 base_url 覆蓋的 OpenAI 相容客戶端函式庫。

Copyfrom openai import OpenAI

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

Python SDK 支援串流和同步呼叫。對於大多數代理工作流程，同步呼叫較為簡單，但如果您需要顯示生成中的 token，則可使用串流。無論 SDK 版本為何，模型 ID 均為 uncensored。

Node SDK 整合

對於 JavaScript 和 TypeScript 環境，Node SDK 遵循相同的模式。使用正確的基礎 URL 和憑證初始化客戶端。這確保您的現有程式碼庫在切換供應商時只需進行最少更改。uncensored 模型 ID 與所有標準聊天補全參數相容。

Copyimport OpenAI from "openai";

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

Node SDK 也支援 async/await 模式，使其易於整合至 Express 路由或無伺服器函式中。將 API 金鑰保留在環境變數中，以防止意外洩露。這種 openai compatible api 設計意味著您可以透過僅更改設定物件，輕鬆切換回 OpenAI 或其他供應商。

串流回應

在請求中設定 stream: true 以啟用串流。API 會傳回伺服器發送事件 (SSE) 串流，讓您在生成 token 時進行處理。這降低了最終使用者的感知延遲，對於即時代理互動至關重要。串流格式與 OpenAI SSE 規範完全相同。

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)

每個區塊包含部分增量資料。您必須累積這些增量以重建完整回應。串流不會影響計費；無論是否處於串流模式，您都將為總輸入和輸出 token 付費。此功能是我們提供的強大 chat completions api 設計的一部分。

限制、錯誤與上下文

我們的基礎設施實施嚴格限制以確保可靠性。每個金鑰的速率限制為 每分鐘 300 個請求，最大請求主體大小為 8 MB。上下文視窗為 100,000 個 token，提示詞與補全內容共用。如果您超過速率限制，將收到 429 錯誤。無效金鑰會返回 401，額度不足則返回 402。與許多 llm api provider 選項不同，我們不會隱藏這些限制；它們透明且一致。我們不會對您的資料進行訓練，並透過不使用提示詞來改進模型來維護隱私。