Qwen api token 文件

基礎 URL 與驗證

使用您的唯一 API 金鑰將您的客戶端連接至我們的端點。使用 https://api.qwenapitoken.com/v1 作為基礎 URL。將您的金鑰放在 Authorization 作為 Bearer token 標頭。此設置適用於任何 OpenAI 相容客戶端，無需更改代碼。

使用 Google 或電子郵件註冊，即可立即取得金鑰。無需電話號碼。金鑰僅顯示一次，請妥善保管。

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

錯誤如 401 表示金鑰無效。請檢查您的帳戶以獲取正確的 token。

聊天完成端點

發送訊息以透過 POST 請求生成回應。該端點接受標準的聊天格式。輸入文本，輸出文本。這裡沒有嵌入或圖像生成。只有純粹的文本補全。

將模型 ID 設定為 uncensored. 該模型針對合法成人用途無審查地回答。它不是 GPT 或 Claude。它是一個專屬的無審查模型。使用 Python 或 Node 輕鬆發送請求。

Copyfrom openai import OpenAI

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

回應包含使用統計數據。追蹤輸入和輸出的 token 以進行計費。錯誤是免費的，因此您只需為成功的完成內容付費。這讓成本保持可預測。

串流回應 (SSE)

使用伺服器發送事件（Server-Sent Events）即時接收權杖。設定 stream: true 在您的請求中。API 會隨生成情況傳回區塊。這可大幅降低感知延遲。

解析 SSE 串流以漸進式顯示文字。最後一個區塊包含總 Token 用量。這有助於您準確追蹤成本。串流與所有標準 SDK 相容。它非常適合聊天介面。

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)

優雅地處理部分回應。網路中斷可能會導致區塊遺失。如有需要請重新連線。uncensored 模型在串流期間能很好地維持上下文。使用者會即時看到答案逐漸形成。

函式呼叫與 JSON 模式

使用結構化輸出以進行可靠的資料擷取。啟用 JSON 模式並使用 response_format: {"type": "json_object"}. 模型每次都會回傳有效的 JSON。這對於 API 整合至關重要。函式呼叫功能允許工具使用。在請求主體中定義工具。模型會根據提示選擇合適的工具。

設定 tool_choice 控制行為。強制使用特定工具或讓模型決定。這種靈活性支持複雜的工作流程。將流式傳輸與 JSON 結合以獲取實時數據。無審查模型能很好地處理多樣化的輸入。

Copyimport OpenAI from "openai";

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

如有需要，請驗證 JSON 輸出。模型力求嚴格符合。這有助於減少程式碼中的解析錯誤。將其用於自動化任務或資料處理。

速率限制與上下文視窗

您的 API 金鑰支援每分鐘 300 次請求。允許同時處理 8 個請求。請求主體必須小於 8 MB。這些限制可防止濫用，並確保所有用戶的公平使用。您可以透過儀表板監控您的使用情況。

上下文視窗為 100,000 個 token。這包含提示詞與補全內容。每次請求最多可輸出 16,000 個 token。設定 max_tokens 控制輸出長度。若未設定，預設為 2,048 個 token。

速率限制返回 429 狀態碼。等待後再重試。uncensored 模型能很好地處理長上下文。這對於大型文件很有用。調整您的客戶端邏輯以遵守限制。避免在高峰時段出現流量突增。

模型 ID 與參數

指定 uncensored 作為模型 ID。這可確保您獲得專門的無審查體驗。溫度 (temperature) 和 top_p 等參數控制創意。將溫度設定在 0 到 2 之間。較高的值會增加隨機性。

使用 stop 序列以停止生成。設定種子以獲得可重現的結果。存在和頻率懲罰調整 token 重複。這些參數微調輸出品質。模型回應標準的 OpenAI 格式。

檢查 /v1/models 端點以獲取詳細資訊。它確認可用的模型。只提供一種模型。這讓事情保持簡單。沒有複雜的路由或供應商選擇。只有一個可靠的無審查選項。測試不同的參數以找到您的最佳設定。