Qwen Unrestricted：OpenAI 兼容 API 快速入门

认证与基础 URL

将你的客户端指向我们托管的端点是第一步。使用 https://api.qwenunrestricted.com/v1 作为您的基础 URL。在 Authorization 页眉作为 Bearer 令牌。此设置适用于任何 OpenAI 兼容的 SDK。

Copycurl https://api.qwenunrestricted.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List steps to deploy a docker container."}]
  }'

确保您的密钥在发送请求之前有效。401 错误表示密钥无效或已过期。

发送聊天补全请求

向以下地址发送 POST 请求 /v1/chat/completions 附带您的提示。模型 ID 为 uncensored. 该模型不会拒绝合法的成人或争议性话题。它提供无限制的输出，且不会降低基础智能水平。

Copyfrom openai import OpenAI

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

将模型名称设置为 uncensored. API 接受标准参数，如 messages 和 max_tokens.

配置 temperature 和 top_p

调整 temperature 和 top_p 用于控制随机性。较高的值会增加创造性。较低的值会使输出更具确定性。这些参数会影响模型在生成过程中选择 token 的方式。

Copyimport OpenAI from "openai";

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

设置 temperature to 0.7 for balanced results. Use top_p 限制候选标记的概率质量。这有助于控制输出的多样性。

处理流式响应（SSE）

通过将 stream 设置为 true。API 返回服务器发送的事件 (SSE)。每个块包含部分令牌数据。收集这些块以构建最终响应。

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)

解析 SSE 流以实时显示令牌。最后一个数据块包含总令牌用量。这允许按请求准确追踪成本。

为结构化输出强制执行 JSON 模式

使用 response_format 设置为 {"type": "json_object"} 用于强制执行 JSON 输出。这确保模型返回有效的 JSON 结构。对于解析数据或与其他系统集成非常有用。

在请求体中设置参数。模型将严格遵守 JSON 格式规则。这减少了下游应用程序中的解析错误。

使用工具调用（函数调用）

在请求中使用 tools 参数。模型可以根据提示调用这些函数。使用 tool_choice 控制函数调用。

在请求中指定函数定义。API 返回工具调用参数。解析这些参数以执行函数。这启用了复杂的代理工作流。

理解 Token 用量与成本

上下文窗口为 100,000 个 token。最大输出为每次请求 16,000 个 token。价格为每 1M 输入 token $0.15，每 1M 输出 token $0.50。错误免费。

检查最终的 SSE 块以获取使用情况详情。Token 数量反映实际处理情况。没有订阅费。只为你使用的部分付费。