API 文件：無審查聊天完成

基礎 URL 與驗證設定

首先將您的客戶端指向我們的端點。使用 https://api.tokencostclaude.com/v1 所有請求的基礎 URL。透過 Authorization 標頭搭配您的 Bearer token。

Copycurl https://api.tokencostclaude.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the 2024 monthly costs for ten million tokens"}]
  }'

保持您的金鑰安全。每個帳戶僅有一個有效金鑰。在儀表板上生成新金鑰以取代舊金鑰。

POST /v1/chat/completions 端點指南

發送訊息。將 JSON 主體發布到 /v1/chat/completions 路徑。模型 ID 為 uncensored.

Copyfrom openai import OpenAI

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

輸入 token 每百萬計費 $0.15。輸出 token 每百萬計費 $0.50。錯誤與拒絕請求不收取費用。您的預付額度僅在成功生成內容時扣減。

串流回應與 SSE 中的 token 用量

在請求主體中將 stream: true. 伺服器返回伺服器發送的事件 (SSE)。每個區塊包含部分文字和元資料。

Copyimport OpenAI from "openai";

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

Token 用量數據出現在最後一個數據塊中。這允許對每個請求進行精確的成本追蹤。解析 usage field to monitor your spending in real time.

函式呼叫（工具）與 JSON 模式支援

在 tools 陣列。模型會回傳結構化的工具呼叫。您可以使用 response_format 設定為 {"type": "json_object"}.

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)

這可與標準 OpenAI 相容客戶端配合。設定工具選擇以控制模型決定呼叫函式與生成純文字的時機。

參數：temperature、top_p、stop、seed 與 penalties

使用標準參數調整模型行為。設定 temperature 用於隨機性。使用 top_p 用於核採樣。定義 stop 序列以提前停止生成。

設定 seed 用於獲得可重現的輸出。套用 presence_penalty 和 frequency_penalty 用於控制重複。這些欄位完全鏡像 OpenAI API 規格。

GET /v1/models 端點與模型 ID 的使用

透過 GET /v1/models 端點。驗證 uncensored 該模型已列出。回應確認您的連線有效。

始終使用 uncensored 作為請求中的模型 ID。這可確保您連接到我們的無審查大型語言模型。在發送大量負載之前，請檢查此端點以調試連接問題。