ChatGPT 无审查替代方案：两行代码切换

切换前后

以下是典型的 OpenAI Python 客户端示例：

Copyimport os
from openai import OpenAI

client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])

r = client.chat.completions.create(
    model="your-current-model",
    messages=[{"role": "user", "content": "Draft a tense dialogue between two rivals."}],
)

指向无审查替代方案的相同客户端：

Copyimport os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.chatgptunfiltered.com/v1",
    api_key=os.environ["UNFILTERED_API_KEY"],
)

r = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Draft a tense dialogue between two rivals."}],
)

构造函数中修改了两行，调用中的模型字符串也发生了更改。消息格式、响应对象以及你读取 r.choices[0].message.content 的方式保持不变。替代方案是由独立提供商运行的不同模型。它不是 ChatGPT，也不是来自 OpenAI 或其他任何人的官方 API。

仅使用环境变量进行切换

官方 Python 和 Node SDK 的最新版本在创建不带参数的客户端时，会读取 OPENAI_BASE_URL 和 OPENAI_API_KEY。这意味着应用代码可以保持不变：

Copyexport OPENAI_BASE_URL="https://api.chatgptunfiltered.com/v1"
export OPENAI_API_KEY="YOUR_KEY"
python app.py

你仍需确保代码传递了 model="uncensored"。如果模型名称在多处被硬编码，请先将其提取到一个配置值中。这个小型重构使得未来任何方向的切换成本同样低廉。

Node 中同样适用此方法：

Copyimport OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.chatgptunfiltered.com/v1",
  apiKey: process.env.UNFILTERED_API_KEY,
});

const r = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Give me five villain names." }],
});
console.log(r.choices[0].message.content);

框架和 Responses 格式

封装 OpenAI 客户端的库通常会暴露 Base URL 设置。在 LangChain 的 OpenAI 聊天包装器中，它看起来像这样：

Copyfrom langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="uncensored",
    base_url="https://api.chatgptunfiltered.com/v1",
    api_key="YOUR_KEY",
)
print(llm.invoke("Name three moods for a chase scene.").content)

如果你使用较新的 Responses 格式，POST /v1/responses 和 POST /v1/chat/completions 都受支持。GET /v1/models 列出了该模型，这是检查你的密钥和 URL 是否正确的一种快速方法。

预期差异

区域	你会注意到的差异
回答意愿	针对合法成人用途，它不会拒绝内容。带过滤的模型会拒绝的提示词通常也会得到回答。
措辞和风格	不同的模型，不同的风格。语气、长度和格式习惯将与你之前的模型不匹配。
模型选择	一个模型，ID 为 uncensored。无需选择层级。
范围	仅支持文本：不支持图像、音频或视频生成，不支持嵌入，不支持微调。
上下文	100,000 token，包括提示词和补全。max_tokens 是可选的。
限制	完整密钥：8 个并发请求，每分钟 300 次。试用密钥：2 个并发请求，每分钟 60 次。请求体最大 8 MB。
错误	HTTP 429 且代码为 rate_limited 或 concurrency；临时过载返回 429 并带有 Retry-After: 5。

支持流式输出、函数调用和 JSON 模式，也支持 temperature、top_p、stop、seed 和惩罚参数。响应头包括 X-Request-Id、X-Balance-USD、X-RateLimit-Limit-Requests 和 X-RateLimit-Limit-Concurrency。文档 包含详细信息。

还有两个差异值得注意。首先，不同的模型计算 token 的方式可能不同，因此相同文本的计数可能与旧提供商报告的不同；请使用响应中的使用量数据，而不是你自己的估算。其次，依赖于厂商托管工具的功能（如内置网页搜索或厂商端的文件存储）不是此服务的一部分。函数调用是指：你定义函数，你的代码执行它们。

针对你自己提示词的对比脚本

与其目测少量输出，不如在循环中将你的提示词集通过新接口运行，并保存所有需要审查的内容。

Copyimport csv, json

with open("prompts.json", encoding="utf-8") as f:
    prompts = json.load(f)  # a list of strings

with open("results.csv", "w", newline="", encoding="utf-8") as out:
    w = csv.writer(out)
    w.writerow(["prompt", "reply", "in_tokens", "out_tokens"])
    for p in prompts:
        r = client.chat.completions.create(
            model="uncensored",
            temperature=0.7,
            messages=[{"role": "user", "content": p}],
        )
        w.writerow([p, r.choices[0].message.content, r.usage.prompt_tokens, r.usage.completion_tokens])

打开 CSV 文件，逐列审查。Token 列为你提供相同流量的成本预测：将总和乘以每 1M token $0.15 和 $0.50。试用密钥允许每分钟 60 次请求和同时 2 个请求，因此如果保持循环顺序，几百个提示词集将在几分钟内完成。

简短的迁移清单

1. 获取密钥。 在 API 密钥页面，使用 Google 或邮箱注册并领取 $0.50 免费试用额度。有效期 7 天，无需绑定银行卡。
2. 将模型名称和 URL 放入配置。 一个地方，从环境变量读取。
3. 重新运行你的测试提示词。 使用 20 到 50 个真实示例，包括之前被模型拒绝的示例，并查看结果。
4. 调整系统提示词。 删除仅用于说服被过滤模型回答的文本。保留描述角色、受众和格式的内容。
5. 添加 429 处理程序。 等待 5 秒并重试。将并发限制设置为与你的密钥限额匹配。
6. 查看使用情况。 在实际流量运行时，通过响应中的 X-Balance-USD 监控余额。

一个涵盖步骤 5 的重试辅助函数：

Copyimport time
from openai import RateLimitError

def create_with_retry(**kwargs):
    for _ in range(4):
        try:
            return client.chat.completions.create(**kwargs)
        except RateLimitError:
            time.sleep(5)
    raise RuntimeError("rate limited after 4 tries")

保留旧模型的已保存输出几周。如果用户在切换后抱怨某些内容感觉不对劲，你可以将其与旧模型会产生的输出进行比较，并查看差异是来自提示词、模型还是输入。

无风险推出

不要一次性切换所有模型。将提供商选择放在配置后面，以便你可以移动一定比例的流量并在几秒钟内回滚。

Copyimport os, random
from openai import OpenAI

old = OpenAI(api_key=os.environ["OPENAI_API_KEY"])
new = OpenAI(base_url="https://api.chatgptunfiltered.com/v1", api_key=os.environ["UNFILTERED_API_KEY"])

SHARE = float(os.environ.get("NEW_SHARE", "0.05"))

def pick():
    if random.random() < SHARE:
        return new, "uncensored"
    return old, os.environ["OLD_MODEL"]

从 5% 开始，观察几天的错误率、429 计数和用户反馈，然后增加。将 NEW_SHARE 设置为 0 以回滚。按用户或功能进行选择比按请求进行选择更好，因为在对话必须保持在同一模型上时，中途切换模型会改变语气。

成本是多少，何时保持现状

价格为每 1M 输入 token $0.15，每 1M 输出 token $0.50，从预付额度中扣除。一次请求输入 1,500 个 token，输出 400 个，成本为 1,500 x $0.15 / 1M = $0.000225，加上 400 x $0.50 / 1M = $0.0002，总计 $0.000425，或每 1,000 次请求 $0.425。对于其他供应商，请查看其当前定价页面；费率会变化，凭记忆进行的比较很快就会过时。充值为整额，从 $20 到 $500，以加密货币支付，从 $50 起有奖金。详情见 定价。

如果你需要图像或嵌入功能，如果你的受众需要严格的内容审核，或者如果特定供应商的模型是硬性要求，那么继续使用你当前的供应商是正确的选择。要了解此类模型的背景，请阅读 了解无审查 ChatGPT 模型。硬性限制永不改变：禁止涉及未成年人的性内容。

同时运行两个提供商也是可以的。许多团队将普通请求路由到一个模型，而将频繁被拒绝的请求路由到另一个模型。由于两者都使用相同的格式，这种路由只需几行代码和一个何时使用哪个模型的规则。

更多指南

• ChatGPT 无审查 API：流式输出、工具与 JSON
• 了解无审查 ChatGPT 模型