幾分鐘內整合 Uncensored Qwen API

基礎 URL 與驗證

開始發送請求，將您的客戶端指向 https://api.qwenapiprice.com/v1 並將您的金鑰傳遞至 Authorization 標頭。

立即取得金鑰，點擊 取得 API 金鑰 on our site; you can sign in with Google or use a simple email and password without providing a phone number.

每個帳戶同時僅支援一個有效金鑰，因此生成新金鑰時，舊金鑰將立即失效以確保安全。

我們的服務嚴格與 OpenAI 相容，意味著您無需重寫整合邏輯即可切換至我們的 uncensored 模型。

保持您的金鑰安全，因為它是您預付信用額度和使用限制的唯一定位符。

聊天完成端點

將文字傳送至 POST /v1/chat/completions 用於接收即時、無過濾的回應。

此端點處理標準的文字輸入與文字輸出互動，無需複雜的設定或額外的步驟。

您可以使用 messages 陣列，就像您使用任何其他相容 OpenAI 的服務一樣。

該模型運行於我們自己的伺服器上，不使用您的提示詞進行訓練，確保您的資料保持私密。

使用此端點處理從創意寫作到技術除錯的一切事項，無需擔心內容過濾器阻擋您的請求。

模型資訊端點

查詢 GET /v1/models 用於驗證您的連線並查看可用模型 ID 的端點。

此簡易請求可確認您的身份驗證在開始發送大量資料前運作正常。

您將看到模型 ID 標示為 uncensored, 您必須在後續的聊天請求中使用。

此端點返回關於模型的元數據，協助您確保客戶端程式庫配置正確。

這是一個輕量級的呼叫，消耗的 token 極少，非常適合用於整合測試。

串流與工具使用

在請求主體中將 stream: true 透過伺服器發送事件（SSE）接收 token，以降低感知延遲。

串流的最後一個區塊包含完整的 token 使用統計數據，讓您可以即時精確追蹤成本。

您也可以使用函式呼叫，提供 tools 陣列並指定 tool_choice 讓模型自行決定何時執行函式。

這種靈活性使我們的 API 適合建構需要與外部系統或 API 互動的複雜代理。

串流傳輸特別適合長篇內容生成，讓使用者能即時看到輸出內容。

JSON 模式與參數

透過設定 response_format 以 {"type": "json_object"} 用於可靠的資料擷取。

您可以使用以下參數調整模型的行為： temperature, top_p, stop 序列，以及 seed 用於可重現性。

調整 presence_penalty 和 frequency_penalty 控制模型重複自身或引入新主題的頻率。

這些參數讓您在無需重新訓練的情況下，對模型的輸出風格和一致性獲得細粒度的控制。

使用 JSON 模式確保您的下游應用程式每次都能收到格式完美的資料。

Token 限制與上下文視窗

該模型支援 100,000 個 token 的總上下文視窗，包含提示詞與補全內容。

您可以每個請求產生最多 16,000 個 token，若未指定則預設為 2,048 個 token max_tokens.

每個金鑰每分鐘限制為 300 次請求，併發限制為 8 個同時請求，以確保穩定性。

最大請求主體大小為 8 MB，這足以滿足大多數大型上下文用例，而不會觸及網路限制。

付費信用額永不過期，因此您可以為大型專案累積 token，無需擔心每月續期日期。

cURL

Copycurl https://api.qwenapiprice.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the current pricing tiers for the API"}]
  }'

Python

Copyfrom openai import OpenAI

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

串流

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)