面向无审查推理的 API 文档

基础 URL 和认证

所有请求的基础 URL 为 https://api.bestabliteratedllm.com/v1. 此端点适用于任何标准 OpenAI SDK，只需更新基础 URL 配置即可。您使用注册期间生成的单个 API 密钥进行身份验证。该密钥授予对专用无审查模型的访问权限，无需订阅费或隐藏月度费用。

将你的 API 密钥包含在 Authorization 页眉作为 Bearer 令牌。如果密钥缺失或无效，API 将返回 401 错误。每个账户持有一个活动密钥；生成新密钥将立即替换旧密钥。

聊天完成端点

向 POST /v1/chat/completions 端点。系统根据提示词返回生成的文本。使用模型 ID uncensored 访问针对无限制响应进行调优的特定大型语言模型。API 不支持嵌入、图像、音频或视频生成。

这种直接方法确保你只为处理的令牌付费。错误和拒绝不消耗信用额，使其对开发具有成本效益。该模型处理合法的成人内容、虚构叙事和争议性话题，没有标准的内容过滤器。

使用 SSE 的流式响应

通过将 stream 在请求中设置为 true。API 发送服务器发送的事件 (SSE) 以实现实时令牌交付。令牌使用统计信息出现在流的最后一个块中。这种方法降低了聊天应用程序中最终用户的感知延迟。

流式传输允许您的应用显示生成中的部分响应。与等待完整完成相比，它提供了更流畅的用户体验。监控流以捕获最终块，从而获取用于计费目的的准确 token 计数。

函数调用与 JSON 模式

使用 tools 用于启用函数调用功能。这允许模型为应用程序逻辑输出结构化数据。您还可以使用 response_format: {"type": "json_object"}. 这确保了自动化工作流的解析一致性。

函数调用与无审查模型的推理自然集成。它与标准文本生成并行工作，无需单独的端点。在请求负载中定义您的工具模式，以有效地指导模型的输出结构。

参数和令牌限制

上下文窗口支持最多 100,000 个 token，包括 prompt 和 completion 的总和。你可以通过设置 max_tokens 参数。如果未指定，默认输出限制为 2,048 个标记。调整 temperature 和 top_p 以控制创造力和随机性。

使用 seed 用于测试期间获得可复现的结果。该 presence_penalty 和 frequency_penalty 参数有助于减少重复。这些控件使您无需外部配置即可对模型行为进行精确管理。

速率限制与错误

每个 API 密钥允许每分钟 300 次请求和八个同时并发请求。最大请求体大小为 8 MB。超出这些限制将触发 429 Too Many Requests 错误。如果您的预付费积分用完，API 将返回 402 Payment Required 错误。

401 错误表示 API 密钥无效或已过期。确保您的密钥与注册时生成的密钥匹配。额度永不过期，因此您可以随时通过加密货币充值而不会丢失余额。错误不会消耗您的预存 token。

cURL

Copycurl https://api.bestabliteratedllm.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Show me the full schema for the chat completion endpoint."}]
  }'

Python

Copyfrom openai import OpenAI

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