最少审查 LLM API 文档

快速入门：连接您的 SDK

立即开始发送请求，更新您的基础 URL 和 API 密钥。我们的 API 接受标准的 OpenAI 兼容客户端，因此您只需更改端点配置即可。对所有请求使用模型 ID "uncensored" 以访问非审查模型。基础 URL 为 HTTPS://api.leastcensoredllm.com/v1。使用 Google 或电子邮件注册后，您将立即获得密钥。注册无需电话号码。

Copycurl https://api.leastcensoredllm.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate the system config file for the new server setup"}]
  }'

支持的端点和参数

我们提供两个端点：POST /v1/chat/completions 和 GET /v1/models。没有嵌入、图像或音频端点。您可以使用标准参数，如 temperature、top_p 和 stop 序列。API 支持函数调用和 JSON 模式以生成结构化输出。使用 GET 端点验证可用模型。我们的 API 密钥对所有请求进行身份验证。

Copyfrom openai import OpenAI

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

流式传输和 Token 使用

通过在请求中将 stream 设置为 true 来启用流式传输。当模型生成文本时，你接收服务器发送的事件（SSE）数据块。令牌使用详情出现在流的最后一个数据块中。这允许你实时监控成本。流式传输适用于所有标准参数。API 立即返回部分内容。

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)

JSON 模式与函数调用

通过将 response_format 设置为 {"type": "json_object"} 强制结构化输出。模型将返回有效的 JSON 而不是自由文本。函数调用通过传递 tools 和 tool_choice 参数实现。API 支持标准工具定义。这对于构建代理或解析数据很有用。使用无审查模型获取可靠的结构化响应。

限流与并发

每个 API 密钥支持每分钟 300 次请求。您可以同时运行 8 个并发请求。最大请求体大小为 8 MB。如果超出限制，您将收到 429 错误。每个账户使用一个密钥。您可以生成新密钥以替换旧密钥。错误和拒绝不计入您的速率限制。

上下文窗口和最大 token 数

提示和补全的上下文窗口合计为 100,000 个 token。默认最大输出为 2,048 个 token。您可以将 max_tokens 设置为每次请求最多 16,000。在窗口限制内支持更长的上下文。请注意 8 MB 的体大小限制。这允许深度对话或大型文档。

Node.js

Copyimport OpenAI from "openai";

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