摘要
- 使用單一基礎 URL 和模型 ID "uncensored" 來存取針對低拒絕率調整的開源模型。
- API 支援 100,000-token 上下文視窗，每次請求的最大輸出限制為 16,000 token。
- 完全支援透過 SSE 串流傳輸、JSON 模式和函式呼叫，適用於結構化資料管線。
- 定價透明，輸入 token 每 100 萬個 $0.15，輸出 token 每 100 萬個 $0.50，僅接受加密貨幣充值。
為什麼「無限制 AI」對開發者很重要
無限制 AI 消除了通常會拒絕有效成人、創意或技術輸出的任意內容過濾器。當您需要模型生成程式碼或敘事而不柔化其語氣時，標準供應商可能會套用安全層，從而改變結果。我們的 API 提供單一特定的無審查模型，直接回答，確保您獲得所要求的原始文本。
此方法對於構建工具且自我審查會引入雜訊的開發者至關重要。你避免了因模型認為某個關鍵字「敏感」而需要重新提示的摩擦。該模型是開權重的，並針對合法成人用途進行調校，意味著除非涉及未成年人，否則它不會拒絕爭議性話題或露骨語言。你獲得一致且可預測的行為，沒有隱藏的審查閘門。
步驟 1：配置您的基礎 URL 與標頭
將您的 OpenAI SDK 指向我們的基礎 URL，並對所有請求使用模型 id "uncensored"。這可確保您正在與我們專用的 uncensored 模型對話，而非經過路由的代理伺服器。您只需在授權標頭中提供有效的 API 金鑰即可。
開始將基礎 URL 設定為 HTTPS://api.llmwithoutrestrictionsonline.com/v1。然後，向 /v1/chat/completions 發送 POST 請求。模型 ID 嚴格為 "uncensored"。你可以使用任何標準 OpenAI 相容客戶端，但必須覆寫基礎 URL。此單一端點處理所有聊天完成請求。不提供其他模型，因此你無需管理模型路由或版本控制。只需設定金鑰即可開始。
curl https://api.llmwithoutrestrictionsonline.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "List three linux commands to delete log files"}]
}'步驟 2：處理上下文視窗（100k Token）
該模型支援 100,000 個 token 的上下文視窗，包含提示詞與補全內容。您可以傳送大型文件或長對話而不會早期觸及硬性限制。然而，每個請求的最大輸出為 16,000 個 token。如果您未設定 max_tokens，它預設為 2,048。請 accordingly 規劃您的串流或分塊策略。
發送長輸入時，確保總權重計數低於 100,000。這包括系統提示、歷史記錄和使用者訊息。如果您超過此限制，請求將失敗。對於需要更長輸出的任務，您可能需要分割生成。API 不支援嵌入（embeddings），因此您必須處理自己的檢索邏輯。這使服務專注於純文本生成，而不會產生額外開銷。
步驟 3：啟用串流以獲得即時輸出
使用伺服器發送事件 (SSE) 來流式傳輸生成的 token。這能為使用者介面提供即時回饋並降低感知延遲。串流的最後一個區塊包含請求的總 token 使用量。您可以解析此數據以即時追蹤成本，無需等待完整回應。
在您的請求中將 stream 參數設為 true。API 會回傳一系列 delta 物件。每個 delta 包含一個部分內容字串。串連這些字串以建構最終輸出。這是 OpenAI 相容客戶端的標準做法。它與大多數 SDK 無縫運作。您無需為 SSE 格式建立自訂解析器。只需在事件到達時處理串流事件即可。
from openai import OpenAI
client = OpenAI(base_url="https://api.llmwithoutrestrictionsonline.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)步驟 4：強制使用 JSON 模式以獲取結構化資料
將 response_format 設定為 json_object 以啟用 JSON 模式。這會強制模型輸出有效的 JSON，對於程式化管線至關重要。它能減少解析錯誤，並確保後端收到結構化資料。適用於提取實體、產生設定檔或建構工具輸入。
使用 JSON 模式時，模型仍可能產生微小的格式問題。請務必使用 JSON 解析器驗證輸出。對於需要確定性結構的開發者來說，此功能至關重要。它並不保證語法完美，但能顯著提高可靠性。將其與指示模型僅輸出 JSON 的系統提示詞結合使用，可降低出現 Markdown 包裝或額外文字的機率。
步驟 5：實作函式呼叫（工具）
透過傳遞 tools 與 tool_choice 參數支援函式呼叫。模型可決定呼叫哪個函式並生成引數。這使得 API 能與外部服務互動的代理工作流程成為可能。您定義函式結構描述，模型則在回應中回傳工具呼叫。
定義包含名稱、描述和參數結構的函式。將它們放在 tools 陣列中。模型會回傳工具呼叫列表。然後你執行這些函式並將結果傳回模型。這個循環允許複雜的多步驟推理。它與 uncensored 模型一樣運作，就像標準模型一樣。除了標準的 OpenAI 格式外，不需要特殊的設定。
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.llmwithoutrestrictionsonline.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);步驟 6：管理 Token 成本與限制
定價透明：每 1M 輸入 token 為 $0.15，每 1M 輸出 token 為 $0.50。您為實際用量付費，錯誤和拒絕回應免費。沒有月度訂閱或隱藏費用。信用額度永不過期，因此您可以一次性充值並隨時間使用。此模型適合高用量、長期專案，無需承諾。
您可以僅使用加密貨幣儲值。最低儲值金額為 $20，最高為 $500。您將獲得贈送優惠：$50 贈送 +5%，$100 贈送 +10%，$200 贈送 +15%。限制條件包括每分鐘 300 次請求，每個金鑰最多 8 個併發請求。請求主體必須小於 8 MB。每個帳號使用單一 API 金鑰，如有需要可進行替換。
步驟 7：除錯常見的篩選拒絕
即使是無審查模型也可能拒絕特定內容，例如涉及未成年人的性內容。這是一個始終適用的硬性限制。若收到拒絕，請檢查回應中是否包含指示內容政策的錯誤代碼。否則，對於成人、創意或技術主題，拒絕很少見。若遇到意外阻擋，請調整系統提示詞以澄清上下文。
常見問題包括上下文視窗溢位或 JSON 解析錯誤。確保您的輸入保持在 100,000 token 以下。使用 JSON 模式進行結構化輸出。如果需要除錯，請檢查回應體以獲取詳細錯誤訊息。該 API 提供清晰的回饋。您也可以聯繫支援團隊處理重複扣款或帳戶問題。信用點數不會退費，但錯誤產生的請求免費。
結論：無防護構建
使用無限制的 AI 可讓您完全掌控輸出內容。您避開了為了大眾吸引力而將文本標準化的安全過濾雜訊。此 API 提供可靠的開權重模型，供需要原始、無過濾結果的開發者使用。使用標準的 OpenAI 相容端點即可輕鬆整合。串流回應、強制 JSON 格式或按需呼叫工具。
定價簡單透明。僅為實際使用付費，支援加密貨幣充值且無過期時間。該模型針對合法成人用途進行調優，確保您獲得預期的內容。從試用信用額開始，整合您的應用程式，並無限制地擴展。這是為追求強大功能而非精緻外觀的開發者打造的工具。
