Claude ai prezzo: API 快速入门

基础 URL 和认证

使用标准 HTTP 请求头向我们的代理端点发送请求。基础 URL 为 https://api.claudeaiprezzo.com/v1授权 header. 该密钥在注册时即时生成。它适用于支持 OpenAI-compatible 客户端的任何库。您无需安装自定义驱动程序。只需将 SDK 指向我们的域名即可。

发送您的第一个请求

进行简单的文本补全以验证连通性。使用 uncensored 用于无限制输出的模型 ID。您可以使用任何语言发送提示词。API 返回直接文本响应。失败尝试没有隐藏费用。错误不会消耗您的信用额度。您可以使用简单的 cURL 命令对此进行测试。

Copycurl https://api.claudeaiprezzo.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the standard pricing tiers for usage in euros."}]
  }'

响应包含生成的文本和令牌计数。你可以清楚地看到你正在支付的费用。输入和输出令牌分别计费。费率透明且固定。没有订阅将你锁定。

Python SDK 集成

使用官方 OpenAI Python 包进行轻松集成。将 base URL 设置为我们的 API 端点。将你的 API 密钥作为 client 值传入。此方法适用于大多数标准用例。你可以流式传输结果或获取完整响应。代码简洁易读。它可以快速集成到现有项目中。

Copyfrom openai import OpenAI

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

导入库并初始化客户端。然后调用聊天补全函数。传入你的系统提示和用户消息。模型返回补全内容。你可以调整温度等参数。这让你能控制创造性。响应结构符合 OpenAI 标准。

Node SDK 设置

通过 npm 安装 OpenAI Node.js 包。将 base URL 配置为指向我们的服务器。使用您的唯一 API 密钥进行身份验证。这种方法非常适合 Web 服务器。您可以轻松处理并发请求。SDK 管理重试和错误。它非常适合 Express 或 Fastify。您可以将其集成到您的后端。

Copyimport OpenAI from "openai";

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

创建 OpenAI 客户端实例。设置环境变量以确保安全。使用您的消息调用 chat 端点。响应包含生成的文本。您可以直接解析 JSON。此方法适用于 Node 和 Deno。这是一种标准且可靠的模式。

流式响应

通过设置 stream 参数为 true 启用流式传输。API 通过 SSE 发送数据块。每个数据块包含文本片段。这降低了用户的感知延迟。您可以实时显示 token。最后一个数据块包含 token 使用数据。这有助于您准确跟踪成本。流式传输对于聊天界面至关重要。

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)

在客户端代码中处理每个数据块。将文本追加到您的显示缓冲区。等待最后一个数据块以获取总计。此方法适用于任何 SSE 客户端。它提供流畅的用户体验。模型不会等待完整生成。您可以实时看到进度。

速率限制与上下文窗口

每个密钥每分钟 300 次请求。此限制对大多数开发者来说非常慷慨。您可以同时运行 8 个并发请求。请求体必须保持在 8 MB 以下。如果超过限制，您将收到 429 错误。这不会扣除您的余额。您只需稍作等待。上下文窗口为 100,000 个 token。这包括输入和输出。您可以发送长文档。模型保留深层上下文。最大输出为 16,000 个 token。如果您未设置 max_tokens, 默认值为 2,048。无效密钥等错误返回 401。余额不足返回 402。这些检查是免费的。您的额度永不过期。您只为实际使用的部分付费。该模型是 uncensored（无审查）且直接的。