API 文档 和 快速入门

认证 和 Base URL 配置

获取凭据是第一步。通过 Google 或电子邮件在“获取 API 密钥”页面注册，立即接收你的令牌。不需要电话号码。使用此令牌对每个请求进行身份验证。

将 base URL 设置为 HTTPS://api.lamaapikey.com/v1。这确保您的调用路由到我们专用的 uncensored 模型。您无需管理代理或为不同模型切换端点。

Copycurl https://api.lamaapikey.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Check the current latency for my key."}]
  }'

聊天 补全 端点 (POST /v1/chat/completions)

使用标准聊天补全端点发送文本消息。您的 API 密钥放在 Authorization 头中。模型标识符始终为 "uncensored"。

此配置适用于任何 OpenAI 兼容的客户端。您可以直接使用官方 SDK 或 HTTP 库。API 根据您的提示返回文本响应。

Copyfrom openai import OpenAI

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

支持 参数： 温度， Top-P， 和 工具

使用 temperature 和 top_p 控制创造力。使用 temperature 调整随机性。较高的值产生更多样化的输出。较低的值使响应更确定。

启用带有 tools 参数的函数调用。为你的函数定义 JSON 模式。模型返回结构化的工具调用。你还可以使用 response_format json_object 启用 JSON 模式。这确保了应用程序的可预测解析。

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.lamaapikey.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 响应 和 使用情况 元数据

启用流式传输并设置 stream 参数。您将收到生成过程中的数据块。这降低了长响应的感知延迟。

最后一个数据块包含使用元数据。其中包含用于计费的令牌计数。错误和拒绝不会消耗信用额度。您只需为成功的输出令牌付费。

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)

JSON 模式 和 结构化 输出

使用 response_format json_object 强制结构化数据。模型仅返回有效的 JSON。这可防止代码中的解析错误。

用于一致的数据提取。在提示中清晰定义您的模式。模型遵循您的结构。这也适用于函数调用。

将 top_p 设置为 1.0 以获得最大多样性。调整 temperature 以获得精确性。平衡创造性与结构化。

限制， 错误， 和 上下文 窗口

上下文窗口：总共 100,000 个 token。最大输出：16,000 个 token。如果未设置，max_tokens 默认为 2,048。请求体限制为 8 MB。

限流：每分钟 300 次请求。并发：8 个同时请求。错误：401 表示密钥无效，402 表示无余额，429 表示超出限流。

按 1M 输入 token 计费 $0.15。按 1M 输出 token 计费 $0.50。仅支持加密货币充值。