摘要
- 使用单个基础 URL 和模型 ID "uncensored" 访问专为低拒绝率调优的开源模型。
- API 支持 100,000-token 上下文窗口，每次请求的最大输出限制为 16,000 token。
- SSE 流式传输、JSON 模式和函数调用均得到完全支持，适用于结构化数据管道。
- 定价透明，输入令牌每 100 万令牌收费 $0.15，输出令牌每 100 万令牌收费 $0.50，仅支持加密货币充值。
为什么“无限制 AI”对开发者很重要
AI 无限制消除了通常拒绝有效成人、创意或技术输出的任意内容过滤器。当你需要一个模型在不柔化语气的前提下生成代码或叙事时，标准提供商可能会应用安全层从而改变结果。我们的 API 仅提供一个特定的无审查模型，直接作答，确保你获得所请求的原始文本。
这种方法对于构建工具且自我审查会引入噪声的开发者至关重要。你避免了因模型认为某个关键词“敏感”而重试提示的摩擦。该模型是开源权重的，并针对合法成人用途进行了调整，这意味着除非涉及未成年人，否则它不会拒绝争议性话题或露骨语言。你获得一致、可预测的行为，没有隐藏的审核门槛。
步骤 1：配置你的 Base URL 和 Headers
将您的 OpenAI SDK 指向我们的基础 URL，并在所有请求中使用模型 id "uncensored"。这确保您正在与我们专用的无审查模型进行交互，而不是经过路由的代理。您只需在 authorization 头中包含有效的 API 密钥即可。
首先将基础 URL 设置为 HTTPS://api.llmwithoutrestrictionsonline.com/v1。然后向 /v1/chat/completions 发送 POST 请求。模型 ID 严格为 "uncensored"。您可以使用任何标准的 OpenAI 兼容客户端，但必须覆盖基础 URL。此单一端点处理所有聊天补全。没有其他模型可用，因此您无需管理模型路由或版本控制。只需设置密钥即可开始使用。
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"}]
}'步骤 2：处理上下文窗口（100k Tokens）
该模型支持 100,000-token 的上下文窗口，包含 prompt 和 completion。你可以发送大型文档或长对话，而不会过早触及硬性限制。但是，每个请求的最大输出为 16,000 tokens。如果你未设置 max_tokens，则默认为 2,048。请相应地规划你的流式传输或分块策略。
发送长输入时，确保总 token 数保持在 100,000 以下。这包括系统提示词、历史记录和用户消息。如果超出此限制，请求将失败。对于需要更长输出的任务，您可能需要拆分生成过程。该 API 不支持嵌入（embeddings），因此您必须自行处理检索逻辑。这使服务专注于纯文本生成，避免额外开销。
步骤 3：启用流式传输以获取实时输出
使用服务器发送事件 (SSE) 流式传输生成的 token。这为用户界面提供即时反馈并降低感知延迟。流的最后一个块包含请求的总 token 使用量。您可以解析该数据以实时跟踪成本，而无需等待完整响应。
在请求中将 stream 参数设置为 true。API 返回一系列 delta 对象。每个 delta 包含一个部分内容字符串。连接这些字符串以构建最终输出。这是 OpenAI 兼容客户端的标准方法。它与大多数 SDK 无缝工作。您无需为 SSE 格式编写自定义解析器。只需按到达顺序处理流事件即可。
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)步骤 4：强制使用 JSON 模式进行结构化数据
通过将 response_format 设置为 json_object 启用 JSON 模式。这强制模型输出有效的 JSON，这对于程序化管道至关重要。它减少了解析错误，并确保您的后端接收结构化数据。适用于提取实体、生成配置文件或构建工具输入。
使用 JSON 模式时，模型可能仍会产生轻微的格式问题。始终使用 JSON 解析器验证输出。这对于需要确定性结构的开发人员至关重要。它不能保证完美的语法，但显著提高了可靠性。将其与指示模型仅输出 JSON 的系统提示结合使用。这减少了 Markdown 包装或额外文本的机会。
步骤 5：实现函数调用（工具）
通过传递 tools 和 tool_choice 参数支持函数调用。模型可以决定调用哪个函数并生成参数。这启用了 API 与外部服务交互的代理工作流。您定义函数模式，模型在响应中返回工具调用。
使用名称、描述和参数模式定义你的函数。将它们放在 tools 数组中。模型将响应一个工具调用列表。然后你执行这些函数并将结果传回模型。此循环允许复杂的多步推理。它像标准模型一样与无审查模型一起工作。除了标准 OpenAI 格式外，无需特殊配置。
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);步骤 6：管理 Token 成本和限制
定价透明：输入 token 每 1M 收费 $0.15，输出 token 每 1M 收费 $0.50。您按实际使用量付费，错误和拒绝免费。无月度订阅或隐藏费用。积分永不过期，因此您可以一次性充值并随时间使用。该模型适合无需承诺的高容量、长期项目。
您仅可通过加密货币充值。最低充值 $20，最高 $500。您将获得奖励：$50 赠 +5%，$100 赠 +10%，$200 赠 +15%。限制包括每分钟 300 次请求，每个密钥最多 8 个并发请求。请求体必须小于 8 MB。每个账户使用一个 API 密钥，如需可替换。
步骤 7：调试常见的过滤器拒绝
即使是无审查模型也可能拒绝特定内容，例如涉及未成年人的性内容。这是始终适用的硬性限制。如果您收到拒绝，请检查响应中指示内容策略的错误代码。否则，成人、创意或技术主题的拒绝很少见。如果遇到意外阻止，请调整系统提示词以澄清上下文。
常见问题包括上下文窗口溢出或 JSON 解析错误。确保您的输入少于 100,000 个 token。使用 JSON 模式获取结构化输出。如果需要调试，请检查响应体以获取详细错误消息。API 提供清晰的反馈。您也可以联系支持部门处理重复收费或账户问题。信用额度不会退还，但错误是免费的。
结论：无护栏构建
使用无限制 AI 构建赋予你对输出的完全控制权。你避免了为了大众吸引力而净化文本的安全过滤器噪音。此 API 为需要原始、无过滤结果的开发者提供可靠的开源模型。使用标准的 OpenAI 兼容端点以实现轻松集成。流式响应、强制 JSON 或按需调用工具。
定价简单透明。按用量付费，支持加密货币充值且无过期时间。该模型针对合法成人用途进行了优化，确保您获得预期的内容。从试用信用额开始，集成您的应用，并无限扩展。这是为追求力量而非精致体验的开发者打造的工具。
