MiniCmp 用户快速入门

基础 URL 和认证

要使用此 API，您需要 API 密钥和正确的基础 URL。我们的服务完全兼容标准的 OpenAI 客户端库。您无需安装新的依赖项或学习新的 SDK。只需将现有客户端指向我们的接口即可。

在获取 API 密钥页面生成密钥。你可以使用 Google 登录，或使用电子邮件和密码登录。密钥会立即显示。请安全保存。每个请求都必须在Authorization头中包含此密钥。

所有请求的基础 URL 为：https://api.minicpm.cc/v1。此 URL 处理聊天补全、模型列表和流式响应。嵌入或视觉功能没有单独的接口。这是一个纯文本 API。

首次请求

发送标准的聊天补全请求以开始生成文本。模型 ID 始终为 uncensored。该模型是一个开放权重的 LLM，经过调整可在合法成人用途中无内容拒绝地回答问题。它不是 GPT、格普蒂 或任何其他厂商的模型。

将model字段设置为uncensored。以标准数组格式提供您的消息。API 返回文本响应。您可以使用max_tokens控制输出长度。如果未设置，默认最大输出为 2,048 token。

Python SDK 集成

使用官方 OpenAI Python 库与 API 交互。您只需配置基础 URL 和 API 密钥。库的其余部分按预期工作。这包括对流式输出、函数调用和 JSON 模式的支持。

使用pip install openai安装库。使用您的基础 URL 和密钥初始化客户端。向聊天补全接口发送消息。响应对象包含生成的文本、token 使用情况和完成原因。您可以直接在 Python 代码中访问这些字段。

Node SDK 集成

Node.js SDK 的工作方式与 Python 版本相同。安装包并配置基础 URL。客户端自动处理认证和请求格式化。这使您可以快速将 API 集成到后端服务中。

将基础 URL 和 API 密钥传递给 OpenAI 客户端构造函数。使用chat.completions.create方法。响应结构符合 OpenAI 标准。你可以处理错误、检查 token 用量并处理内容。这种方法确保与已使用 OpenAI 的现有代码库兼容。

流式响应

通过在请求中设置stream: true启用流式输出。API 返回一系列 Server-Sent Events (SSE)。每个事件包含响应的一个 chunk。这允许您在生成文本时向用户显示文本。

最后一个 chunk 包含 token 使用统计。这对于跟踪成本很有用。流式输出减少了用户的感知延迟。建议用于聊天界面。您可以在客户端代码中解析事件以构建最终响应或实时显示 token。

限制、错误和上下文

该模型支持 100,000 token 的上下文窗口。这包括提示词和补全。每次请求的最大输出为 32,000 token。您可以调整max_tokens参数来控制这一点。

速率限制设置为每个密钥每分钟 300 次请求。你可以有 8 个并发请求。请求体必须小于 8 MB。如果密钥无效，你将收到 401 错误。如果没有额度，你将收到 402 错误。如果超过速率限制，你将收到 429 错误。错误和拒绝不会消耗额度。

cURL

Copycurl https://api.minicpm.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

Python

Copyfrom openai import OpenAI

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

流式输出

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)

2026-050