为何选择无限制 API
标准 LLM 通常会应用内容过滤器，拒绝合法的成人主题、争议性政治观点或特定的安全研究上下文。无限制 api消除了这些任意边界，允许模型仅基于提示词的上下文和质量生成响应。这对于创意写作、成人娱乐平台或 unbiased 数据分析等应用至关重要，因为语调塑造过滤器可能会扭曲结果。
与通过多个供应商路由请求的通用代理不同，我们的服务在专用 GPU 服务器上运行单一的开放权重模型。这确保了性能一致，并防止路由层应用自身审核逻辑时出现的“过滤器漂移”。该模型经过专门调整，可在无内容拒绝的情况下回答问题，使其成为 NSFW 或边缘内容生成的稳定基础。
然而，“无限制”并不意味着“无限制”。我们维持一个始终适用的硬性内容限制：涉及未成年人的性内容。包含此特定类别的请求将被屏蔽，无论提示词的细微差别如何。对于所有其他合法的成人、虚构或争议性主题，API 提供原始、无过滤的文本输出。
理解 Token 限制与上下文
上下文窗口大小是 LLM 集成的主要约束。我们的 API 提供 100,000-token 上下文窗口，涵盖提示词（输入）和补全（输出）。这远大于许多遗留模型中常见的 4k 或 8k 限制，允许深度文档分析、长篇故事生成或维护广泛的对话历史。
在设计应用程序时，你必须考虑系统提示词、用户历史和生成响应的 token 计数。如果累积输入超出可用空间，API 将根据你的客户端实现截断旧消息或拒绝请求。始终监控 token 使用量以优化成本和性能。
- 输入 Tokens： 从系统提示词、用户消息和工具定义中计数。
- 输出 Tokens： 从模型生成的响应中计数。
- 总成本： 计算方式为 (输入 Tokens / 1,000,000) * $0.25 + (输出 Tokens / 1,000,000) * $1.00。
这种透明度确保你确切知道自己在为什么付费，没有用于“推理”或“高质量”层级的隐藏费用。
配置 API 客户端
集成很简单，因为 API 完全兼容 OpenAI。你可以使用用于 Python、Node.js 或任何支持 OpenAI 协议的语言的官方 OpenAI SDK。base URL 为 https://api.unrestrictedaiapi.com/v1，你只需更改 base URL 并在标准 Authorization 头中提供你的 API 密钥。
模型标识符为 uncensored。你无需选择特定版本或变体；API 服务于单一的、针对无限制输出进行调整的一致模型。这消除了模型路由的复杂性，并确保调用行为的可预测性。
以下是 Python 客户端的配置方法：
from openai import OpenAI
client = OpenAI(base_url="https://api.unrestrictedaiapi.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)密钥管理很简单：一个账户对应一个 API 密钥。你可以随时从仪表板重新生成密钥，这将立即使旧密钥失效。这提供了强大的安全性，而大多数用例无需复杂的权限范围或基于角色的访问控制 (RBAC)。
处理流式响应
对于聊天界面或实时应用程序，流式响应可降低感知延迟。API 支持服务器发送事件 (SSE) 进行流式输出。你无需等待整个响应生成，而是随着文本生成接收文本块。这允许你的 UI 增量显示文本，显著改善用户体验。
要启用流式输出，请在请求正文中将 stream 参数设置为 true。API 将返回一系列 JSON 对象，每个对象包含响应的部分增量。你的客户端代码应累积这些增量以重构完整消息。
流式输出在生成长文本时特别有用，100k 上下文可能会产生较长的响应。它还允许用户在输出偏离预期时提前终止生成，从而节省时间和 API 额度。请注意，token 数量仅在流式输出完成或被中断后才最终确定。
实现工具调用
工具调用（函数调用）允许 LLM 与外部系统交互。你定义可用函数的模式，模型可以返回请求特定函数调用及其参数的 JSON 对象。这对于构建可以执行操作、获取数据或执行代码的代理至关重要。
API 支持标准的 OpenAI 风格工具定义。你在 tools 数组中提供函数模式，模型将返回 tool_calls 字段而不是直接文本消息。你的应用程序执行函数，然后在后续消息中将结果发送回模型。
示例工具定义结构：
type: 'function'function.name：函数名称function.description：函数功能的描述function.parameters：定义必需参数的 JSON 模式
此功能与无审查模型无缝配合，允许其在成人或争议性上下文中调用工具，且不对工具参数本身进行过滤。
管理 API 密钥与安全
安全始于你的 API 密钥。由于每个账户只有一个密钥，应将其视为机密凭据。不要将其暴露在客户端代码或公共仓库中。如果怀疑泄露，请定期重新生成密钥；旧密钥将立即失效。
速率限制为每个密钥每分钟 300 次请求。这对大多数应用来说已足够，但在高吞吐量场景下可能需要分批处理。如果超出限制，API 会返回 429 错误。在客户端实现指数退避算法，以优雅处理这些错误。
请求体大小限制为 8 MB。这对于大多数基于文本的交互（包括大型文档或广泛的对话历史）来说已经足够。如果接近此限制，请确保你的客户端压缩或分页请求以避免错误。
隐私很简单：提示词不用于训练。你的数据仍归你所有，账户仅需电子邮件和密码。试用层级不需要电话号码或信用卡。
针对 NSFW 内容优化
尽管模型无审查，但最佳效果通常取决于提示词工程。由于模型不会拒绝成人主题，你可以直接表达。然而，提供清晰的上下文有助于模型保持一致性，尤其是在长对话中。
对于 NSFW 内容生成，避免用不必要的安全指令过度约束模型。让模型固有的调优处理拒绝逻辑。你也可以使用系统提示词来设定语气、风格或内容边界，而不会触发人工过滤器。
常见用例包括：
- 色情小说： 生成详细的描述性叙事，无需淡化内容的过滤器。
- 成人聊天机器人： 提供响应迅速、无审查的陪伴。
- 内容审核测试： 测试其他系统如何处理成人内容。
记住硬性限制：涉及未成年人的性内容始终会被屏蔽。如果你正在处理大型数据集，请确保输入数据和提示词不会意外触发此屏蔽。
常见的集成错误
开发者在从标准 LLM 切换到无审查 API 时经常犯错。以下是一些常见的陷阱：
- 假设模型路由： 此 API 提供单一模型。不要期望在“无审查”、“turbo”或“pro”变体之间切换。模型是固定的。
- 忽略 token 计数： 拥有 100k 上下文窗口时，很容易超出限制。始终在日志中跟踪 token 使用情况。
- 未正确处理流式输出： 如果启用流式输出，请确保你的客户端能正确处理部分 JSON 对象。某些解析器在不完整的块上会失败。
- 过度设计安全性： 你不需要复杂的 RBAC。对于大多数用例，每个账户一个密钥就足够了。如有需要可重新生成。
另一个错误是期望图像或音频生成。此 API 仅支持文本。如果你需要多模态功能，必须集成单独的服务。
最后，不要假设“无审查”意味着“无限制”。速率限制和请求大小限制仍然适用。规划你的架构以尊重这些约束，以避免服务中断。
结论
An 无审查的 API 为需要无审查 LLM 输出的应用提供强大、可靠的基础。通过在专用 GPU 服务器上运行专用的开放权重模型，我们确保一致的性能、透明的定价以及无隐藏过滤。100k 上下文窗口和 OpenAI 兼容的接口使集成变得简单，而按量付费模式使成本保持可预测。
无论你是构建 NSFW 聊天机器人、创意写作工具还是研究助手，此 API 都能提供你所需的原始、无过滤的响应。立即注册以获取 API 密钥，并开始自由探索任何主题。
