API 文件

驗證與 base URL

所有請求的基礎 URL 為 https://api.grokapiplatform.com/v1. 透過在您的 Authorization 標頭。每個請求都必須包含此標頭以驗證您的帳戶餘額並套用速率限制。

聊天完成端點

將文字查詢发送至 POST /v1/chat/completions. 要使用的模型 ID 為 "uncensored"。此端點處理標準的文本輸入、文本輸出互動，無需為基本使用進行額外配置。

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

該模型運作於 100,000 token 的上下文視窗。輸入和輸出 token 共享此限制。超過上下文視窗的請求將立即失敗。

透過 SSE 的串流回應

在請求主體中將 stream: true 在你的請求主體中。伺服器回傳包含增量 token 更新的伺服器發送事件 (SSE)。可用於即時顯示或降低感知延遲。

Copyfrom openai import OpenAI

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

Token 用量詳情出現在串流的最後一個數據塊中。您可以追蹤每個請求的總消耗情況，而無需解析每個中間增量。

函式呼叫與工具

在 tools 陣列並設定 tool_choice 觸發特定行為。該模型支援與 OpenAI SDK 相容的標準工具使用模式。

Copyimport OpenAI from "openai";

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

使用 tool_choice: "auto" 用於自動選擇或指定工具名稱以強制執行。這與 uncensored 模型配合良好，適用於複雜的推理任務。

用於結構化輸出的 JSON 模式

設定 response_format 以 {"type": "json_object"} 用於強制執行嚴格的 JSON 輸出。這能減少與前端應用程式或資料管線整合時的解析錯誤。

參數與限制

調整 temperature, top_p，以及 seed 用於控制隨機性。每個請求的最大輸出為 16,000 個 token。401 錯誤表示金鑰無效，402 表示預付信用額度不足，429 表示速率限制。每支金鑰每分鐘限制為 300 個請求。信用額度永不過期，因此您可以隨時使用 USDT 或 USDC 充值。

串流

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)