API 文档

基础 URL 和认证

连接到 https://api.tokenllm.cc/v1 使用您的唯一 API 密钥。此 base URL 适用于任何标准 OpenAI SDK，只需设置 base_url 变量。每个账户提供一个活动密钥；生成新密钥将替换旧密钥。身份验证依赖于 Authorization: Bearer <key> 头部，我们不将您的提示词用于训练，您可以通过 Google 或邮箱注册（无需手机号）。错误和拒绝消耗零 token，因此您只需为实际推理付费。

Chat Completions 端点

将文本发送至 POST /v1/chat/completions 生成响应。此端点处理文本输入、文本输出的工作流，使用我们的无审查模型。标准聊天任务不需要嵌入或图像生成。模型 ID 始终为 "uncensored"。请求在我们的服务器上处理，确保没有第三方供应商过滤您的输出。保持有效载荷在 8 MB 以下以避免截断问题。

必填和可选参数

包含一个 messages 包含您的对话历史的数组。设置 model to "uncensored" to ensure correct routing. You can adjust temperature 用于创造力或 top_p 用于多样性。使用 max_tokens 以将输出限制在 16,000 个代币，或默认为 2,048。上下文窗口支持总共 100,000 个代币用于提示和完成。可选参数如 seed 和 stop 为您提供对生成过程的精确控制。

通过 SSE 实现流式响应

通过将 stream: true 在您的请求中。API 返回用于实时 Token 交付的服务器发送的事件 (SSE)。每个数据块包含部分文本，最后一个数据块包括总 Token 用量统计。这种方法降低了长响应的感知延迟。您可以按到达顺序处理 Token，这对于聊天界面非常理想。流式传输适用于所有标准参数。

函数调用与 JSON 模式

在 tools 用于函数调用能力的参数。当你设置 response_format 到 {"type": "json_object"}. 这确保了下游应用程序的可靠解析。您可以指定 tool_choice 以强制或允许自动选择。这些功能在同一个 uncensored 模型内工作，因此您不需要单独的结构化输出提供商。

错误处理和 Token 使用

处理 401（密钥无效）和 429（速率限制）错误。限制为每分钟 300 次请求，每个密钥最多 8 个并发请求。如果收到 402，表示预存余额已耗尽。因内容过滤器（如未成年人色情内容）导致的拒绝不收费。API 不会使您的余额过期，您可以随时充值。始终检查响应体以获取详细的错误消息。

cURL

Copycurl https://api.tokenllm.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "What is the current price of one llm token"}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.tokenllm.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.js

Copyimport OpenAI from "openai";

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

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)