LLM API 快速入門：OpenAI 相容端點

驗證與基礎 URL

要開始使用 llm api 供應商 服務，你需要 API 金鑰。只需電子郵件和密碼即可在 取得 API 金鑰 頁面註冊。金鑰會立即顯示。試用額度無需電話號碼或信用卡。請妥善保管金鑰；你可以隨時重新產生金鑰，這會使先前的金鑰失效。

將你的客戶端設定指向我們的基礎 URL。這可確保所有請求都路由至我們的無審查模型。端點結構與標準 OpenAI 聊天完成介面相符。

• 基礎 URL：https://api.comparellmapi.com/v1
• 標頭：Authorization: Bearer YOUR_API_KEY

此設定適用於任何 OpenAI 相容 SDK。你只需調整基礎 URL 並注入金鑰即可。

你的第一個請求

發送簡單的文本完成請求以測試連線。這可確認你的 API 金鑰有效且額度可用。使用模型 ID uncensored 存取原始模型。該端點接受包含訊息的 JSON 主體 POST 請求。

確保請求主體不超過 8 MB。若超過此限制，伺服器將拒絕請求。對於大多數基於文本的應用程式，單次對話或短對話完全符合此限制。

Copycurl https://api.comparellmapi.com/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."}]
  }'

若成功，你將收到包含生成文字的 JSON 回應。這確認 llm api 定價 結構適用於你的使用情況。每個 token 都會計入你的預付額度。

Python SDK 整合

使用官方 OpenAI Python 庫可實現最簡單的整合。透過 pip 安裝套件，然後使用我們的基礎 URL 設定客戶端。這允許你使用熟悉的 chat.completions.create() 方法。

將模型設定為 uncensored。以標準格式傳遞你的訊息。SDK 會自動處理序列化與錯誤解析。

Copyfrom openai import OpenAI

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

此方法非常適合後端服務或腳本。該庫管理重試和基本錯誤處理。請記得檢查回應內容以獲取生成的文字。你也可以存取 token 使用數據以獲得計費透明度。

Node.js SDK 設定

對於 JavaScript 或 TypeScript 環境，OpenAI Node SDK 可無縫運作。安裝套件並使用我們的基礎 URL 初始化客戶端。這可保持與標準 API 介面的相容性。

定義你的系統和使用者訊息。模型 ID 仍為 uncensored。SDK 會回傳包含完成結果的 promise。請適當處理錯誤以管理 API 速率限制或額度不足的情況。

Copyimport OpenAI from "openai";

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

此方法適合網頁伺服器或 Node.js 應用程式。程式碼結構與 Python 範例相符，確保跨語言的一致性。你可以輕鬆將其整合至 Express 路由或無伺服器函式中。

串流回應（SSE）

對於即時應用程式，請將 stream 參數設定為 true 以啟用串流。伺服器會傳送一系列伺服器發送事件（SSE）。每個事件包含回應的部分區塊。

這可降低使用者的感知延遲。客戶端會接收生成的 token。這非常適合聊天介面或即時文字產生。

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 串流輸出以提取每個 token。累積文字以形成完整回應。chatgpt api cost和其他供應商對串流輸出收取的費用通常相近，但我們的無審查模型提供原始輸出，此模式不收取額外費用。監控串流輸出結束事件以完成回應。

限制、錯誤與上下文

了解運作限制以確保順利整合。每個 API 金鑰允許每分鐘 300 次請求。若超過此限制，你將收到 429 速率限制錯誤。請稍候再重試。

常見錯誤包括金鑰無效的 401 錯誤和額度不足的 402 錯誤。確保你的預付額度充足。上下文視窗支援最多 100,000 個 token（包含提示詞與完成內容）。請謹慎管理 token 使用量以避免截斷。

有關詳細 llm api 定價，請參閱定價頁面。每個 token 根據輸入和輸出費率收費。無隱藏費用。此透明度有助於你為應用程式準確預算。