API 文档：Uncensored LLM

认证与基础 URL

基础 URL 为 HTTPS://api.webtheon.com/v1。在请求头中传入您的 API 密钥 Authorization header. 该密钥在创建后立即显示。您可以将其与任何标准 OpenAI SDK 配合使用。

聊天完成端点

发送消息至 POST /v1/chat/completions。模型ID为 uncensored. 此端点仅处理文本生成。无图像，无音频，无嵌入。

请求必须保持在 8 MB 以下。上下文窗口总共包含 100,000 个令牌。这包括提示词和补全令牌的总和。每次请求的输出上限为 16,000 个令牌。您可以使用 max_tokens 参数。

模型列表端点

查询 GET /v1/models 以验证可用性。此端点返回关于 uncensored 模型的元数据。它确认模型 ID 和支持的参数。使用此方法可以快速调试客户端配置。

响应包括模型 ID、对象类型和 owned by 字段。这有助于确保你的客户端库指向正确的服务。这是你集成的简单健康检查。

流式传输和 Token 使用

通过将 stream: true. 响应以服务器发送事件 (SSE) 形式返回。令牌使用详情出现在流的最后一个数据块中。

此方法降低了长输出的感知延迟。您可以在文本到达时开始处理。它非常适合实时界面。流在包含使用数据的结尾处干净地结束。

参数和选项

支持 temperature、top_p、stop sequences、seed 和惩罚。您可以通过 response_format. 完全支持函数调用（工具）。

设置 temperature 用于创造力。调整 top_p 用于核采样。使用 seed 用于获得可复现的输出。这些参数让您对生成质量进行精确控制。该模型响应标准的 OpenAI 参数名称。

错误处理和限制

频率限制为每分钟 300 次请求。每个密钥的并发请求上限为 8 个。请求体不能超过 8 MB。

优雅地处理错误。401 状态表示您的密钥无效。402 状态表示信用额度不足。429 状态表示速率限制。错误是免费的，因此它们不会消耗您的预付费令牌。这在调试期间保护您的余额。

cURL

Copycurl https://api.webtheon.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "what is the capital of france"}]
  }'

Python

Copyfrom openai import OpenAI

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