無審查 GPT API 參考

基礎 URL 與驗證

將您的客戶端指向 HTTPS://api.gptuncensored.cc/v1 並在 Authorization 標頭中傳遞您的金鑰。此單一端點處理所有文本生成，無需為嵌入或圖像處理進行額外配置。您在透過 Google 或電子郵件註冊後立即獲得金鑰，因此您可以在幾分鐘內開始測試。API 金鑰對每個請求進行認證，如果需要可以重新生成，但每個帳戶只允許一個活躍金鑰。

首次使用 cURL 的請求

發送簡單的 POST 請求至 /v1/chat/completions 以驗證您的設定。此 curl 命令演示了從無審查模型接收回應所需的最小結構。將 YOUR_API_KEY 替換為您在儀表板生成的金鑰。模型 ID "uncensored" 確保您命中專用端點，且針對合法的成人內容無安全拒絕。

Copycurl https://api.gptuncensored.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list the pros and cons of using Rust for backend systems"}]
  }'

Python SDK 集成

使用帶有自定義 base_url 的官方 openai 包以實現無縫集成。此方法允許您在切換到我們的 uncensored 端點時保持現有的代碼結構。在客戶端初始化中明確設置 api_key 和 base_url。model 參數必須設置為 "uncensored" 以確保正確路由。此方法與標準 OpenAI SDK 版本兼容，對於已經使用 Python 客戶端的開發人員來說，遷移非常簡單。

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.gptuncensored.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

在 Node.js 環境中使用您的基礎 URL 和金鑰初始化 OpenAI 客戶端。此設定與 Python 方法類似，確保不同程式語言間的一致性。您可以在完成呼叫中直接傳遞模型 ID "uncensored"。一旦設定完成，客戶端會自動處理驗證標頭。此整合支援標準參數，如 temperature 和 top_p，讓您能微調輸出風格。

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.gptuncensored.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

在請求主體中將 stream 設為 true。API 會回傳伺服器發送事件（SSE），您可以逐令牌解析。這非常適合即時應用程式，您可以在生成輸出時即時顯示。最後一個區塊包含完整的令牌用量統計數據，用於帳單。串流傳輸可降低使用者的感知延遲，使 uncensored 模型在長角色扮演或資料提取任務中感覺更具回應性。

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)

限制、錯誤與上下文視窗

若您的金鑰無效，預期 401 錯誤；若無預付額度，預期 402 錯誤；若超過每分鐘 300 次請求，預期 429 錯誤。上下文視窗總計支援 100,000 個 token，每次請求最大輸出為 16,000 個 token。請求主體不得超過 8 MB，每支金鑰最多可運行 8 個並行請求。錯誤與拒絕不會消耗您的預付額度，因此您只需為成功的 token 生成付費。此透明定價模型確保您清楚知道支付內容，無隱藏的層級限制。