API 문서

인증 및 Base URL

대시보드에서 키를 생성하세요. 베이스 URL은 https://api.grokapipricing.com/v1 모든 요청에 대해. Authorization header를 사용하여 Bearer YOUR_API_KEY. 이 단일 키는 모든 엔드포인트에서 작동합니다. 필요시 자유롭게 회전하세요.

POST /v1/chat/completions

chat 엔드포인트로 프롬프트를 전송하세요. 모델 ID는 항상 uncensored다음 매개변수를 구성하세요: temperature 또는 top_p 창의성을 제어합니다. 응답은 토큰 사용량 메타데이터와 함께 표준 채팅 완료를 반환합니다. 402 또는 429 오류는 청구 또는 속도 제한 문제를 나타냅니다.

GET /v1/models

GET 요청을 모델 엔드포인트로 보내어 사용 가능한 모델을 확인하세요. 다음을 확인할 수 있습니다. uncensored 모델이 나열됩니다. 이는 연결성 및 모델 가용성을 확인합니다. 무거운 페이로드를 보내기 전에 클라이언트 구성을 디버깅하는 데 사용하세요.

스트리밍 및 SSE 사용

stream을 true로 설정하여 스트리밍 활성화 stream: true 요청 본문에 포함하세요. API는 실시간 토큰 전송을 위해 서버 전송 이벤트(SSE)를 반환합니다. 토큰 사용량 통계는 스트림의 마지막 청크에 나타납니다. 이는 긴 응답에 대한 지각된 지연 시간을 줄입니다.

함수 호출 및 JSON 모드

사용 response_format with {"type": "json_object"} 엄격한 JSON 출력을 위해 함수 호출을 활성화하려면 정의하세요. tools 요청에 포함됩니다. 모델은 tool_choice 강제 또는 자동 실행. 이를 통해 백엔드 로직과의 신뢰할 수 있는 통합이 보장됩니다.

속도 제한 및 제약 조건

키당 분당 요청 수는 300개로 제한됩니다. 동시 요청 수는 최대 8개로 제한됩니다. 최대 요청 본문 크기는 8MB입니다. 컨텍스트 윈도우는 총 100,000토큰을 허용합니다. 이러한 제한을 초과하는 요청은 즉시 429 또는 400 오류를 받습니다.

cURL

Copycurl https://api.grokapipricing.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Run query and return rows"}]
  }'

Python

Copyfrom openai import OpenAI

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

스트리밍

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)