API 文档

认证与基础 URL

所有请求的基础 URL 为 https://api.grokapiplatform.com/v1. 通过在请求中传递您的唯一 API 密钥进行身份验证。 Authorization 。每个请求必须包含此 header 以验证您的账户余额并应用速率限制。

聊天完成端点

向 POST /v1/chat/completions. 要使用的模型 ID 为 "uncensored"。此端点处理标准的文本输入、文本输出交互，无需为基本使用进行额外配置。

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."}]
  }'

该模型在 100,000 token 的上下文窗口内运行。输入和输出 token 共享此限制。超过上下文窗口的请求将立即失败。

带有 SSE 的流式响应

通过将 stream: true 在您的请求正文中。服务器返回包含增量 Token 更新的服务器发送事件 (SSE)。将其用于实时显示或降低感知延迟。

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 用量详情出现在流的最后一个 chunk 中。您可以追踪每次请求的总消耗量，而无需解析每个中间 delta。

函数调用与工具

在 tools 数组并设置 tool_choice 触发特定行为。该模型支持与 OpenAI SDK 兼容的标准工具使用模式。

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" 用于自动选择或指定工具名称以强制执行。这与无审查模型配合良好，适用于复杂推理任务。

用于结构化输出的 JSON 模式

设置 response_format 到 {"type": "json_object"} 用于强制执行严格的 JSON 输出。这减少了与前端应用程序或数据管道集成时的解析错误。

参数和限制

调整 temperature, top_p，以及 seed 用于控制随机性。每次请求的最大输出为 16,000 个 token。401 错误表示密钥无效，402 表示预付费额度不足，429 表示达到速率限制。限制为每个密钥每分钟 300 次请求。额度永不过期，因此你可以随时使用 USDT 或 USDC 充值。

流式传输

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)