推理 API：快速入门指南

基础 URL 和认证

我们的 API 完全 OpenAI 兼容。要切换，只需将客户端配置指向我们的基础 URL 并提供 API 密钥即可。基础 URL 为 https://api.llminferenceapi.com/v1。鉴权通过标准的 Authorization: Bearer 头处理。注册后（仅需邮箱和密码）即可立即获得密钥——试用无需手机号或信用卡。

• 基础 URL: https://api.llminferenceapi.com/v1
• 头: Authorization: Bearer YOUR_API_KEY
• 模型 ID: uncensored

此设置适用于任何官方 OpenAI SDK 或兼容客户端库。你保留现有的代码结构，只需更改接口和密钥。

首次请求

向 chat completions 接口发起第一次调用。模型 ID 为 uncensored。该模型是一个开放权重的大型语言模型，经过调整，可在合法成人使用场景下无内容拒绝地回答问题，而非 GPT 或 Claude。

Copycurl https://api.llminferenceapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

请求体包含标准的 messages 数组。你可以指定 temperature、max_tokens 等标准参数。API 返回标准的聊天补全响应及 token 使用统计。如果遇到 401 错误，表示密钥无效。402 错误表示预付额度已耗尽。

Python SDK 集成

使用 Python SDK 非常简单。使用我们的基础 URL 和 API 密钥初始化客户端。代码结构与标准的 OpenAI 模式一致。这允许你在不重写应用逻辑的情况下，将我们的 llm 代理 服务即插即用。

Copyfrom openai import OpenAI

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

确保传递 model='uncensored' 参数。响应对象包含生成的文本和使用指标。这种方法非常适合想要即插即用 openai 兼容 api 解决方案的开发者。除了标准 SDK 外无需其他依赖。

Node.js SDK 用法

对于 Node.js 开发者，集成同样简单。在客户端配置中设置 baseURL 和 apiKey。SDK 会自动处理对我们 ai 聊天 api 接口的 HTTP 请求。

Copyimport OpenAI from "openai";

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

调用 chat.completions.create() 并传入模型 ID uncensored。你可以流式输出响应或将其作为完整对象处理。这种灵活性支持批处理和实时用户交互。API 支持函数调用，允许你定义模型可以调用的函数。

流式响应

为了获得实时用户体验，请启用流式输出。在请求中将 stream 参数设置为 true。API 返回服务器发送事件 (SSE) 的部分响应流。

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)

每个块包含响应的部分增量。你可以将到达的 token 渲染给用户，从而降低感知延迟。这对于期望即时反馈的聊天界面至关重要。流式响应包含与非流式请求相同的 token 使用信息。

限制、错误和上下文

我们的 API 对输入和输出总和强制执行 100,000 token 的上下文窗口。这支持长文档和复杂对话。速率限制设置为每个密钥每分钟 300 个请求。如果超出此限制，你将收到 429 错误。请求体限制为 8 MB。

常见错误包括 401（密钥无效）、402（额度不足）和 429（速率限制）。额度永不过期，您可随时充值。预付额度从 $10 起，大额充值享额外赠送。此 按量付费 AI API 模型确保您只为实际用量付费。