AI教程

使用 UncensoredLabs API 构建基于无审查 DeepSeek 和 GLM 模型的应用

了解如何创建 UncensoredLabs 应用密钥、发送首个聊天补全请求、选择模型、管理额度与限制，并查找流式传输、函数工具、编程客户端、安全研究和错误处理示例。

AI我搜编辑部2026年11月6日阅读约 10 分钟

使用 UncensoredLabs API 构建无审查 DeepSeek 和 GLM 模型的应用

什么是 UncensoredLabs？

UncensoredLabs 通过兼容 OpenAI 的 API，提供托管的未审查和去抑制 DeepSeek 与 GLM 文本模型访问。现有的 OpenAI 兼容客户端通常只需更改基础 URL、提供 UncensoredLabs 应用 API 密钥，并选择准确的模型 ID 即可连接。

也可以通过浏览器聊天使用该服务。公开的 GitHub 仓库包含指南、配置示例和 API 样例；不包含托管平台的实现或模型权重。

重要提示：“去抑制”是指修改模型权重，以减少拒答行为。这并不保证答案正确，也不意味着模型会对每个提示都不再拒答。

主要功能

兼容 OpenAI 的 API：保留兼容客户端，并将其指向 UncensoredLabs 基础 URL。
DeepSeek 和 GLM 模型：可在六个已列出的未审查或去抑制模型变体中进行选择。
大上下文：文档目录中的每个模型都有一百万个 token 的上下文窗口，但须遵循提供商的上下文计费规则。
文本流式传输：目录中的六个条目均支持增量文本生成。
函数工具：列出的每个模型都支持用于应用程序和智能体工作流的函数工具。
多种集成方式：仓库包含 Python、TypeScript、流式传输和代码客户端示例。
按用量计费：输入、缓存输入和输出费率均按每一百万个 token 公布。

开始前的准备

通过 UncensoredLabs 注册页面创建账户。然后在控制面板中创建一个应用 API 密钥。

不要将 16 位账户登录密钥放入 API 请求中。账户登录密钥与应用 API 密钥是不同的凭据。

符合条件的新账户可获得 0.10 美元试用额度。重复试用信号可能需要进行身份验证，预付充值金额从 3 美元起。由于 API 会在生成前预留额度，请确认控制面板显示的可用余额足以支付所选模型和请求。

设置 API 密钥

对于 Linux 或 macOS，请在 shell 中导出应用 API 密钥：

export UNCENSOREDLABS_API_KEY="YOUR_APPLICATION_API_KEY"

这样可以将凭据置于请求正文之外，并让 shell 将其替换到授权标头中。避免将 API 密钥提交到源代码管理、示例、日志或公开的 GitHub issue 中。

如需了解特定平台的环境设置，包括 PowerShell 说明，请参阅快速入门指南。

发送首个聊天补全请求

基本请求无需客户端库。以下命令使用 curl 调用兼容 OpenAI 的聊天补全端点：

curl --fail-with-body https://uncensoredlabs.dev/v1/chat/completions \
  -H "Authorization: Bearer $UNCENSOREDLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4.1-flash-1017-abliterated",
    "messages": [
      {
        "role": "user",
        "content": "审查以下安全设计：客户评论会作为 HTML 在管理控制台中渲染。请解释攻击路径，以及如何验证修复是否有效。"
      }
    ],
    "max_tokens": 1024
  }'

该请求包含四个必要部分：

端点：https://uncensoredlabs.dev/v1/chat/completions。
授权：包含应用 API 密钥的 bearer 令牌。
模型：实时目录中的准确模型 ID。
消息：描述对话的角色与内容对象数组。

max_tokens 值用于限制请求的输出长度。该值必须处于所选模型的输出限制以内，同时输入和输出的总量必须符合其上下文计费规则。

选择模型

README 记录了以下目录快照，核查日期为 2026 年 11 月 1 日。价格以每一百万个 token 的美元价格表示，未计入任何有效套餐折扣。费率、运行状况和可用性可能发生变化，因此应以实时 API 目录为准。

deepseek-v4-pro-uncensored：输入 0.50 美元，缓存输入 0.10 美元，输出 0.50 美元；最大输出 65,536 个 token。
deepseek-v4.1-flash-1017-abliterated：输入 0.30 美元，缓存输入 0.12 美元，输出 0.30 美元；最大输出 65,536 个 token。
deepseek-v4.1-flash-abliterated：输入 0.30 美元，缓存输入 0.10 美元，输出 0.30 美元；最大输出 65,536 个 token。
deepseek-v4.1-flash-abliterated-fast：输入 1.40 美元，缓存输入 0.32 美元，输出 1.40 美元；最大输出 65,536 个 token。
glm-5.3-abliterated：输入 1.40 美元，缓存输入 0.40 美元，输出 1.40 美元；最大输出 130,000 个 token。
glm-5.3-uncensored：输入 0.35 美元，缓存输入 0.10 美元，输出 0.35 美元；最大输出 65,536 个 token。

这六个条目都支持文本、流式传输和函数工具，并且每个条目都具有一百万 token 的上下文窗口。被列入目录并不保证模型当前运行正常。请查看仓库的模型目录指南，以获取实时链接、限制、定价、性能信息和测量限制。

根据工作流程调整请求

保持端点和授权标头不变，然后替换模型、提示词和 token 限制。例如，逆向工程请求可以要求模型解释反编译后的例程：

{
  "model": "glm-5.3-uncensored",
  "messages": [
    {
      "role": "user",
      "content": "解释这个反编译后的例程，识别其中的数据结构，并说明你将如何验证自己的理解。"
    }
  ],
  "max_tokens": 2048
}

文档列出的使用场景包括安全研究、逆向工程、开发者工具、创意工作以及信任与安全评估。模型可以帮助分析信任边界、比较存在漏洞的代码与修复后的代码、还原文件格式结构、创建带标签的评估案例，以及调查审核失效模式。

使用 Python 和 TypeScript 客户端

由于该服务兼容 OpenAI，它旨在通过更改基础 URL、API 密钥和模型选择，与兼容客户端配合使用。仓库包含一个可运行的Python 示例，该示例使用 OpenAI SDK，并禁用自动重试。

另一个TypeScript 示例演示了带类型化错误处理的 OpenAI SDK 请求。请从这些维护中的示例开始，而不要假定每项 OpenAI API 功能或客户端行为都能得到完全相同的支持。

有关受支持的协议和内容处理详情，请阅读兼容性与隐私指南。

流式传输生成文本

流式传输允许界面逐步处理生成的文本，而不必等待完整响应。UncensoredLabs 提供专门的文档，介绍增量文本、使用量事件以及流开始后可能发生的失败。

在实现事件处理之前，请阅读流式传输指南。
以可运行的Python 流式传输示例作为起点。
对于 TypeScript 集成，请使用TypeScript 流式传输示例。

健壮的流式传输界面应区分增量内容、使用量信息和流式传输失败，而不是将每个事件都视为生成文本。

连接编码客户端

该仓库为 Cline、Continue 和 OpenCode 提供配置指南。在每种情况下，都应使用文档中说明的 UncensoredLabs 基础 URL、应用 API 密钥，以及实时目录支持的准确模型 ID。

请遵循编码客户端指南进行特定于客户端的配置，避免将凭据暴露在项目文件中。

高级运行提示

检查实时健康状态和可用性

模型出现在目录中并不意味着它当前运行正常。选择模型或诊断故障时，请检查实时目录和模型详情。不要仅根据仓库快照将假设硬编码。

规划信用额度预留

请求会在生成前预留信用额度。账户余额为正但数额较小时，仍可能不足以满足某个模型的预留额度。如果请求被拒绝，请在重试前检查可用余额和所选模型的定价。

有针对性地处理失败

在命令行测试期间使用 curl --fail-with-body，这样可以在不丢弃响应正文的情况下显示 HTTP 失败。对于生产集成，请参阅错误与计费指南，了解 HTTP 错误、速率限制、预留和重试决策。

不要自动重试每一种失败。仓库的 Python 示例明确禁用了自动重试，而 TypeScript 示例演示了类型化错误处理。应用程序应自行判断失败是否暂时性，以及重试是否可能导致工作重复或消耗额外资源。

遵守上下文和输出限制

一百万 token 的上下文根据提供商的计费规则同时包含输入和输出。请根据任务和所选模型的最大输出设置 max_tokens。列出的多数模型最多允许输出 65,536 个 token，而 glm-5.3-abliterated 最多允许输出 130,000 个 token。

验证模型输出

降低拒答行为并不能保证准确性。请通过适当的测试和人工审核，验证安全性发现、逆向工程结论、生成的代码以及评估标签。安全研究指南包含用于分析和评估工作流的具体提示词。

保护敏感信息

请勿在公开 issue 中披露应用密钥、账户详情、支付信息和漏洞细节。公开 issue 仅用于记录可复现的文档问题和改进示例；涉及敏感事项时，请遵循仓库的支持与安全问题报告说明。

结论

UncensoredLabs 提供一个兼容 OpenAI 的端点，用于托管未经审查和经过消融处理的 DeepSeek 与 GLM 文本模型。创建应用 API 密钥，确认账户余额，向 /v1/chat/completions 发送聊天补全请求，并从实时目录中选择准确的模型 ID。之后，使用持续维护的 Python、TypeScript、流式传输、编码客户端和错误处理指南，构建更稳健的集成。

仓库的原始文档和示例代码采用 MIT 许可证。该许可证不涵盖托管平台源代码、模型权重、提供商服务或第三方商标。UncensoredLabs 是独立服务，与 OpenAI、DeepSeek 或智谱 AI 均无关联。