API 文档

快速入门：您的第一个请求

无审查 LLM API 使用标准 POST /v1/chat/completions 端点。将您的客户端指向基础 URL 并包含您的密钥。模型标识符为 uncensored. 此功能可与任何 OpenAI 兼容的 SDK 配合使用。

发送简单消息以验证连通性。服务直接返回文本。401 等错误表示密钥无效。请使用提供的代码测试您的设置。

认证与 API 密钥

API 密钥在注册后立即通过 Google 或邮箱发放。将密钥传递至 Authorization: Bearer <key> 标题。每个账户仅存在一个有效密钥；生成新密钥将替换旧密钥。每分钟请求上限为 300 次。

端点：/v1/chat/completions 和 /v1/models

使用 GET /v1/models 验证可用性。发送文本至 POST /v1/chat/completions. 基础 URL 为 https://api.abliteratedaionline.com/v1. 不存在嵌入或图像端点。请求是文本输入，文本输出。

参数：温度、Top P 及更多

使用 temperature 和 top_p. 设置 stop 用于清晰截断的序列。使用 seed 用于可复现性。JSON 模式需要 response_format 设置为 json_object. 调整频率和存在的惩罚。

使用 SSE 的流式响应

通过将 stream 设为 true。令牌通过服务器发送事件到达。令牌使用详情出现在最后一个块中。此方法降低了长输出的感知延迟。

错误处理和速率限制

处理无效密钥的 401 和余额不足的 402。429 表示速率限制。上下文窗口为 100,000 个 token。最大输出为 16,000 个 token。错误和拒绝不消耗信用额度。

模型能力：上下文窗口和最大 Token

该模型支持 100,000 token 的上下文窗口。这包括提示词和补全部分。每次请求的最大输出为 16,000 token。默认最大 token 数为 2,048。这允许保留大量的对话历史。

cURL

Copycurl https://api.abliteratedaionline.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "fix the syntax error in this python loop"}]
  }'

Python

Copyfrom openai import OpenAI

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

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)