GPT Unfiltered API 快速入门

安装和设置

在仪表板生成您的 API 密钥。您可以使用 Google 登录或使用电子邮件和密码登录，密钥将立即显示。使用任何语言的官方 SDK；它们仅需基础 URL 和您的密钥即可工作。由于我们遵循标准接口，因此适用于任何 OpenAI 兼容客户端。

• 基础 URL： https://api.gptunfiltered.cc/v1
• 模型 ID： uncensored
• 认证：通过 API 密钥

发送您的第一个请求

发送简单的文本补全以测试连接。使用 POST 在聊天补全端点上使用您的模型 ID 的方法。响应返回纯文本，没有任何内容拒绝，适用于合法成人用途。

以下是验证设置的标准 cURL 命令。

Copycurl https://api.gptunfiltered.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list all python standard library modules"}]
  }'

响应包含生成的文本和令牌使用统计信息。你现在可以将此集成到你的应用程序逻辑中。

流式响应

启用流式传输以实时接收令牌。在请求正文中将 stream 参数设置为 true。API 返回服务器发送事件 (SSE) 以实现低延迟输出。

使用此 Python 代码段高效处理流。

Copyfrom openai import OpenAI

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

每个块包含部分文本和使用数据。收集这些块以重建完整响应。这种方法降低了终端用户的感知延迟。

函数调用支持

将 tools 传入模型以执行结构化操作。在 tools 数组中定义函数模式。在适当时，模型将返回工具调用。

以下是如何在 Node.js 中配置函数调用。

Copyimport OpenAI from "openai";

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

处理应用程序逻辑中的工具调用。如果需要，将工具输出发送回模型。这使复杂的工作流无需手动解析即可实现。

JSON 模式

将输出强制为严格的 JSON 格式。将 response_format 参数设置为 json_object。这确保模型返回有效的 JSON，不带 Markdown 包装。

使用此配置在后端进行可靠的解析。

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)

响应仅包含 JSON 对象。请优雅地处理边缘情况下的解析错误。此模式非常适合需要结构化数据的 API 集成。

速率限制与成本

监控使用情况以避免服务中断。限制为每个密钥每分钟 300 次请求。您可以同时拥有 8 个并发请求。请求体大小限制为 8 MB。

定价透明且按令牌计费。输入令牌每百万 $0.15。输出令牌每百万 $0.50。错误和拒绝免费。使用预存信用额，无失效期。升级充值以获取额外信用额。

参数和设置

使用标准参数调整模型行为。使用 temperature 控制随机性。设置 top_p 用于核采样。定义停止序列以提前终止生成。

您还可以设置 seed 以实现可复现的输出。调整 presence_penalty 和 frequency_penalty 以影响 Token 重复。这些设置允许微调模型的风格和准确性。

上下文窗口和约束

该模型支持 100,000 个 token 的上下文窗口。这包括 prompt 和 completion。每次请求的最大输出为 16,000 个 token。如果您未设置 max_tokens，默认值为 2,048 个 token。

这个大窗口允许进行广泛的文档处理。你可以传递长对话或大型代码库。监控你的 token 使用情况以保持在限制范围内。