無限制 API 文件

快速入門：安裝與設定

第一步是從儀表板取得您的 API 金鑰。取得憑證後，將您的客戶端設定為指向我們的基礎 URL。這可確保所有請求透過我們的無審查基礎設施路由，而非標準的 OpenAI 端點。您只需更新基礎 URL 並設定授權標頭。我們的 API 完全相容於標準 OpenAI SDK，因此您可以以最小的變更重用現有的客戶端程式碼。

驗證與標頭

驗證依賴於在 Authorization 標頭。每個請求都必須包含此金鑰以驗證您的帳戶並扣除預付信用。如果金鑰遺失或無效，API 將返回 401 錯誤。您可以隨時從儀表板產生新金鑰，這會立即使舊金鑰失效。請妥善保管您的金鑰，因為它是您信用餘額和使用限制的單一標識符。

聊天完成端點

將文字請求发送至 POST /v1/chat/completions 端點。這是從無過濾模型生成回應的標準介面。您提供一組訊息，包括使用者提示與可選的系統指令。該模型返回文字回應，不會出現主流模型中常見的內容拒絕。請使用此端點處理所有文字生成需求，請注意不支援嵌入、影像與音訊。

串流回應

透過設定 stream 設為 true。這會隨著生成逐塊回傳回應，降低長輸出的感知延遲。您必須處理 Server-Sent Events (SSE) 以處理每個到達的 token。最後一個區塊包含用於計費的總 token 使用統計數據。串流傳輸非常適合即時聊天介面或需要即時部分結果的應用程式。

模型參數與選項

使用標準參數控制模型行為，例如 temperature, top_p，以及 stop. 您可以透過設定 response_format 以 json_object 或使用 tools 用於函式呼叫。該模型支援 100,000 token 的上下文視窗，允許大量的輸入資料。每次請求的最大輸出為 16,000 token，除非另有指定。調整這些設定以平衡創意與精確度，以符合您的特定用例。

限制、錯誤與上下文

每個 API 金鑰限制為每分鐘 300 次請求和 8 個並行連線。請求主體不得超過 8 MB。常見錯誤包括：金鑰無效時的 401、信用額度耗盡時的 402，以及速率限制時的 429。您的預付信用額度永不過期，因此您可以暫停使用而不會損失資金。上下文視窗包含提示與補全 token。若超出限制，API 將返回適當的錯誤代碼。針對 429 錯誤，請使用指數退避重試機制。

cURL

Copycurl https://api.chatgptsansrestriction.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "What is the capital of France?"}]
  }'

Python

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

串流

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)