Grock API 文件

快速入門：第一次請求

首先將您的客戶端指向我們的基礎 URL。使用 https://api.grockapi.com/v1 並將您的 API 金鑰設定在標頭中。模型標識符始終為 uncensored. 此架構可與任何 OpenAI 相容的 SDK 配合使用。

驗證需要有效的 Bearer 令牌。將其作為 Authorization: Bearer YOUR_API_KEY. 如果金鑰缺失或無效，您會立即收到 401 錯誤。

進行您的第一次呼叫以測試連線。請求主體必須包含模型名稱和 messages 陣列。

支援的參數與模式

使用標準參數配置生成行為。您可以調整 temperature 以控制創意，或使用 top_p 進行核採樣。使用 stop 參數定義特定的終止序列。

設定 seed 以在除錯期間獲得確定性輸出。Presence 和 frequency 懲罰有助於減少重複。該模型支援上下文視窗中高達 100,000 個 token。

最大輸出上限為每次請求 16,000 個 token。若未設定 max_tokens，將使用預設的 2,048 輸出限制。錯誤與拒絕回應不會消耗信用額度。

串流與 token 使用量

在請求主體中將 stream: true。API 透過伺服器發送事件（SSE）回傳資料片段。每個片段包含部分內容與中繼資料。

Token 用量詳情出現在最後一個數據塊中。這允許您實時準確地追蹤成本。最後一個數據塊包含該請求的完整用量統計。

妥善處理串流結束以避免資源洩漏。請務必處理最後一個區塊以取得準確的計費資料。

函式呼叫（工具）

在請求主體中定義工具。指定工具名稱、描述和參數架構。模型會在適當時回應工具呼叫。

使用 tool_choice 參數來強制或允許特定行為。您可以將其設定為 auto、required 或特定的工具 ID。

處理應用程式邏輯中的工具呼叫。將工具輸出回傳給模型以繼續對話。這使得複雜的多步驟工作流程無需外部解析即可實現。

JSON 模式與限制條件

透過將 response_format 設定為 json_object. 模型將返回不含 Markdown 程式碼區塊的有效 JSON。

此模式適合將數據解析到應用程式中。確保您的 schema 清晰以提高準確性。無效的 JSON 結構可能會導致客戶端解析錯誤。

將 JSON 模式與溫度控制結合，以獲得一致的格式。使用停止序列以防止在閉合大括號之後出現多餘字元。

速率限制與配額

每個 API 金鑰的速率限制為每分鐘 300 次請求。您最多可同時進行 8 個並行請求。最大請求主體大小為 8 MB。

429 錯誤表示您已超過速率限制。請在重試前等待或降低並發性。每個帳戶僅存在一個有效金鑰；生成新金鑰將替換舊金鑰。

您可以透過最終的串流區塊或回應標頭來監控您的使用情況。402（無信用額度）或 401（金鑰無效）等錯誤是免費的，不會計入您的配額。

cURL

Copycurl https://api.grockapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "calculate the sum of two and three"}]
  }'

Python

Copyfrom openai import OpenAI

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