Grok 用户快速入门

基础 URL 和认证

我们的 API 与 OpenAI SDK 完全兼容。你只需更新 base_url 并在 Authorization 头中提供你的 API 密钥。通过 Google 或电子邮件注册即可即时获取密钥。开始使用无需电话号码或信用卡。对所有请求使用 uncensored 模型 ID。

认证通过 Bearer 令牌处理。确保在每次请求头中发送密钥。如果收到 401 错误，说明密钥无效或已过期。我们的服务是独立的，不转售其他厂商的模型。

基本聊天补全

向 POST 请求 /v1/chat/completions。API 接受文本输入并返回文本输出。你可以定义系统提示词以引导模型行为。模型对合法的成人内容、小说或争议话题不会拒绝。

在负载中将模型指定为 uncensored。上下文窗口总共支持 100,000 个 token。每次请求最大输出为 32,000 个 token。错误和拒绝响应不消耗额度。

流式响应

通过设置 stream: true 启用流式输出。API 返回服务器发送事件 (SSE)。每个块包含增量文本更新。最后一个块包含用于计费透明度的 token 使用统计。

流式输出非常适合实时 UI 更新。解析 SSE 流以在生成时显示文本。这减少了用户的感知延迟。API 自动处理流式协议。

函数调用

在 tools 参数中定义工具。模型可以返回结构化的工具调用。使用 tool_choice 强制特定行为。这支持与外部系统和工作流的集成。

函数调用使用标准的 OpenAI 格式。解析响应以执行请求的工具。模型在函数调用之间保持上下文。这对于自动化代理和数据提取任务非常有用。

JSON 模式

将 response_format 设置为 {"type": "json_object"} 以获取严格的 JSON 输出。模型将把响应格式化为有效的 JSON。这对于在应用程序中解析结构化数据很有用。

JSON 模式确保一致的格式。当下游代码期望特定的架构结构时使用它。模型遵循请求的格式。这减少了额外解析逻辑的需求。

参数、限制和错误

通过 temperature、top_p 和 stop 序列控制生成。每个密钥的速率限制为每分钟 300 个请求。最多支持 8 个并发请求。请求体不得超过 8 MB。402 错误表示余额不足。429 错误表示已达到速率限制。预付额度永不失效。错误免费。

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);

流式输出

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)