API 文档

认证

在 Authorization 作为 Bearer 令牌。在通过 Google 或电子邮件注册后，您会立即获得此密钥。 获取 API 密钥 页面。如果您生成新密钥，它将立即替换旧密钥。无效密钥等错误将返回 401 状态。诸如重复扣款等错误可通过支持页面修复。

聊天完成端点

将 JSON 发布到 POST /v1/chat/completions 获取文本响应。这是生成文本的唯一端点。它不支持嵌入、图像或音频。

设置 model field to "uncensored". 该模型对合法的成人用途作答时不进行内容拒绝。它是一个经过调整以生成不受限制输出的开源权重模型。它不是 GPT、Claude 或其他厂商的模型。

模型端点

调用 GET /v1/models 列出可用模型。响应包含 uncensored 模型 ID。使用此方法验证连接或调试客户端中的配置问题。

该端点返回标准的 OpenAI 格式元数据。这有助于你在发送大量负载之前确认 base URL 和身份验证是否正常工作。

参数 & 选项

支持标准参数，例如 temperature, top_p, stop, seed, presence_penalty，以及 frequency_penalty. 设置 max_tokens 用于控制输出长度。如果您省略此字段，默认值为 2,048 个 token。

提示和补全的上下文窗口合计为 100,000 个 token。请求体大小超过 8 MB 可能会失败。函数调用和 JSON 模式也通过标准字段支持。

流式响应

通过将 stream: true. 随着 token 生成，您会收到服务器发送事件 (SSE)。这降低了交互式应用的感知延迟。

Token 用量统计信息出现在流的最后一个数据块中。这使您能够实时准确追踪成本。流式传输期间的错误仍会返回正确的 HTTP 状态码。

函数调用 & JSON 模式

使用 response_format 与 {"type": "json_object"} 以确保严格的 JSON 输出。这对于从 LLM 解析结构化数据很有用。函数调用支持标准工具定义。

设置 tool_choice 控制模型如何使用函数。模型支持自动和强制工具使用。这确保了与后端逻辑的可靠集成。

cURL

Copycurl https://api.mistralaiapikey.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "what is the api limit for this service"}]
  }'

Python

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

流式传输

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)