Claude 价格：快速入门和 API 参考

安装和环境设置

首先为您的语言安装官方客户端库。我们的服务位于标准 /v1 路径，因此您只需更新基础 URL 和 API 密钥。本网站的基础 URL 为 HTTPS://api.claudeprecio.com/v1。身份验证依赖于每个账户一个活动密钥。您可以通过 Google 或电子邮件在“获取 API 密钥”页面上立即生成此密钥。无需电话号码。密钥仅显示一次，请安全复制。

使用 Python 发起首次请求

使用标准 Python SDK 发送完成请求。将客户端指向我们的基础 URL 并将模型设置为 "uncensored"。此开放权重模型运行在我们自己的服务器上，并经过调整以无内容拒绝地回答。您可以传递参数如 temperature 或 top_p 就像使用任何兼容 OpenAI 的服务一样。请求结构与标准格式完全相同。

Copyfrom openai import OpenAI

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

验证响应包含生成的文本。如果收到 401 错误，表示您的密钥无效。402 错误表示预付费余额不足。生成过程中的错误不会消耗令牌，因此您只需为成功的输出付费。

流式响应和使用情况跟踪

通过将 stream=True 在你的客户端配置中。API 为每个生成的 token 返回服务器发送事件（SSE）。这允许你在等待完整响应时实时显示文本。包括输入和输出 token 计数在内的使用数据包含在流的最后一个块中。这种方法降低了长输出的感知延迟。它与标准 SDK 无缝配合。

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)

优雅地处理流中断。网络掉线可能会留下部分响应。始终检查最后一个 chunk 以获取准确的 token 使用统计信息。这可以确保您的计费仪表板与实际消耗量相匹配。

参数：temperature、top_p 和 seed

使用标准生成参数控制创造力和可重复性。 temperature 值用于调整随机性，较低的值会产生更具确定性的输出。使用 top_p 将采样限制在最高的概率质量上。设置 seed 以固定随机状态，以便在多次调用中获得可复现的结果。这些参数与 OpenAI 标准完全相同。根据您的用例（无论是编码还是创意写作）调整它们。

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.claudeprecio.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);

结合这些设置以实现精确控制。例如，低温度配合固定种子可确保测试期间输出的一致性。模型支持所有标准参数，如 stop 序列和 presence_penalty. 针对您的具体项目，通过实验找到最佳平衡点。

函数调用和 JSON 模式

使用函数调用将 API 集成到你的应用程序中。在请求正文中定义工具，模型将返回包含函数参数的结构化 JSON。通过设置 response_format 到 {"type": "json_object"}. 这确保输出始终是有效的 JSON，这简化了解析。用于数据提取或结构化响应。模型高效处理复杂的工具定义。

Copycurl https://api.claudeprecio.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Calculate total cost for 10 million input tokens and 3 million output tokens"}]
  }'

使用简单的工具定义测试函数调用。验证模型是否遵循工具模式。JSON 模式在需要可预测的输出结构时特别有用。将其与流式传输结合使用，可实现实时数据处理。此功能使 API 适用于生产级应用。

限制、错误和上下文窗口

上下文窗口支持 100,000 个 token，同时适用于 prompt 和 completion。每次请求的最大输出为 16,000 个 token。如果 max_tokens 未设置时，限制默认为 2,048。每个密钥允许每分钟 300 次请求。并发限制为每个密钥同时 8 个请求。请求体不得超过 8 MB。401、402 和 429 等错误通过标准 HTTP 状态码处理。Token 使用计费准确，错误不计费。