Mini cpm API 文件

身份驗證與基礎 URL

每個請求都使用您的 API 金鑰和正確的基礎 URL 開始。我們使用標準的 OpenAI 標頭以確保相容性。您的金鑰可立即存取無審查模型。基礎 URL 為 HTTPS://api.cpmmini.com/v1。使用標頭 Authorization: Bearer 。請妥善保管您的金鑰，它識別您的預付額度帳戶。此處無訂閱費。只需按使用的 token 付費。

首次請求

向聊天補全端點發送第一條訊息。這能確認您的金鑰有效且扣款正確。無審查模型會以通常不會有的方式進行回應。使用 curl 進行快速測試。將 YOUR_API_KEY 替換為您從儀表板獲得的實際金鑰。此步驟可驗證連線能力和延遲時間。401 錯誤表示金鑰無效。如果失敗，請檢查您的帳戶儀表板。回應會返回生成的文本。

Python SDK 集成

使用官方的 OpenAI Python 函式庫進行程式化存取。將 base URL 設定為我們的端點。這確保所有請求都路由至我們無審查的模型。透過 pip 安裝函式庫。在客戶端初始化時傳遞您的 API 金鑰。請求 uncensored 模型。SDK 會自動處理重試和 JSON 解析。此方法簡化了將 API 整合至現有機器人中的過程。它同樣適用於非同步迴圈。呼叫後請檢查您的信用額度餘額。

Node SDK 設置

使用 npm 套件將 Node.js 進行整合。將基礎 URL 設定為指向我們的 API。這保持了與 OpenAI 標準的相容性。在您的專案中安裝依賴項。使用您的金鑰初始化客戶端。呼叫聊天完成方法。回應物件包含生成的文字。在您的應用程式中優雅地處理錯誤。此設定支援 CommonJS 和 ES 模組。它非常適合伺服器端聊天機器人。

串流回應

為即時使用者體驗串流 token。在請求參數中啟用串流。API 隨產生發送區塊。這可降低使用者的感知延遲。使用 SSE 端點獲取連續數據。解析每個區塊以構建最終訊息。此功能同時適用於 Python 和 Node SDK。它對於聊天介面至關重要。監控最終區塊中的 token 使用情況。您的信用額度根據發送的總 token 扣減。

限制、錯誤與上下文

注意您的速率限制和餘額狀態。您每分鐘可獲得 300 次請求。每個金鑰僅允許 8 個並發請求。429 錯誤表示您已觸及限制。402 錯誤表示餘額不足。使用加密貨幣充值以繼續。上下文視窗支援 100,000 個 token。這允許長對話而不遺失歷史記錄。錯誤和拒絕回應不消耗餘額。您的預付餘額永不過期。在儀表板管理您的金鑰。

cURL

Copycurl https://api.cpmmini.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Send test message"}]
  }'

Python

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

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)