Schnellstart für Grok-Nutzer

Basis-URL und Authentifizierung

Unsere API ist vollständig mit den OpenAI-SDKs kompatibel. Du musst nur die base_url aktualisieren und deinen Schlüssel im Authorization-Header angeben. Melde dich über Google oder E-Mail an, um deinen Schlüssel sofort zu erhalten. Keine Telefonnummer oder Kreditkarte ist zum Starten erforderlich. Verwende die Modell-ID uncensored für alle Anfragen.

Die Authentifizierung erfolgt über Bearer-Tokens. Stelle sicher, dass dein Schlüssel in jedem Anfrage-Header gesendet wird. Bei einem 401-Fehler ist dein Schlüssel ungültig oder abgelaufen. Unser Dienst ist unabhängig und verkauft keine Modelle anderer Anbieter.

Einfache Chat-Abschlüsse

Sende eine standard POST-Anfrage an /v1/chat/completions. Die API akzeptiert Texteingaben und gibt Textausgaben zurück. Du kannst System-Prompts definieren, um das Verhalten des Modells zu steuern. Das Modell antwortet ohne Ablehnungen für legale erwachsene Inhalte, Fiktion oder kontroverse Themen.

Gib das Modell als uncensored in deiner Payload an. Das Kontextfenster unterstützt bis zu 100.000 Token insgesamt. Maximaler Output sind 32.000 Token pro Anfrage. Fehler und Ablehnungen verbrauchen kein Guthaben.

Streaming-Antworten

Aktiviere Streaming, indem du stream: true setzt. Die API gibt Server-Sent Events (SSE) zurück. Jeder Chunk enthält inkrementale Textaktualisierungen. Der letzte Chunk enthält Token-Nutzungsstatistiken für Abrechnungstransparenz.

Streaming ist ideal für Echtzeit-UI-Aktualisierungen. Analysiere den SSE-Stream, um Text während der Generierung anzuzeigen. Dies reduziert die wahrgenommene Latenz für Nutzer. Die API behandelt das Streaming-Protokoll automatisch.

Function Calling

Definiere Tools im Parameter tools. Das Modell kann strukturierte Tool-Aufrufe zurückgeben. Verwende tool_choice, um spezifisches Verhalten zu erzwingen. Dies ermöglicht die Integration in externe Systeme und Workflows.

Function Calling funktioniert mit dem Standard-OpenAI-Format. Analysiere die Antwort, um die angeforderten Tools auszuführen. Das Modell behält den Kontext über Funktionsaufrufe hinweg. Dies ist nützlich für automatisierte Agenten und Datenerfassungsaufgaben.

JSON-Modus

Setze response_format auf {"type": "json_object"} für strikte JSON-Ausgabe. Das Modell formatiert seine Antwort als gültiges JSON. Dies ist nützlich zum Analysieren strukturierter Daten in Anwendungen.

Der JSON-Modus gewährleistet konsistente Formatierung. Nutze ihn, wenn dein nachgelageter Code spezifische Schema-Strukturen erwartet. Das Modell hält sich an das angeforderte Format. Dies reduziert den Bedarf an zusätzlicher Analyse-Logik.

Parameter, Limits und Fehler

Steuere die Generierung mit temperature, top_p und stop-Sequenzen. Das Ratenlimit beträgt 300 Anfragen pro Minute pro Schlüssel. Du kannst bis zu 8 parallele Anfragen haben. Request-Body darf 8 MB nicht überschreiten. Ein 402-Fehler zeigt unzureichendes Guthaben an. Ein 429-Fehler bedeutet, dass du das Ratenlimit erreicht hast. Guthaben ist Prepaid-Guthaben und verfällt nie. Fehler sind kostenlos.

cURL

Copycurl https://api.grokuncensored.cc/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."}]
  }'

Python

Copyfrom openai import OpenAI

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

Streaming

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)