Uncensored LLM Online: Chat über einen API-Client
Ein unzensiertes LLM online bedeutet ein gehostetes Modell, das du über HTTP erreichst, ohne dass du eine GPU benötigst. Diese Anleitung führt dich von einem leeren Terminal zu einer gestreamten Chat-Schleife mit dem OpenAI SDK.

Wichtige Punkte
- Jeder OpenAI-kompatible Client funktioniert: Ändere die Basis-URL, setze den Schlüssel und verwende die Modell-ID uncensored.
- Streaming gibt Token zurück, sobald sie generiert werden, und die Nutzungsdaten werden am Ende des Streams übermittelt.
- Das 100.000-Token-Fenster umfasst Prompt und Completion, daher müssen lange Chats irgendwann gekürzt werden.
- Eine 429-Antwort bedeutet: Verlangsamen oder warten; der Fehlercode sagt dir, welches Limit du erreicht hast.
Starte mit Testguthaben
E-Mail und Passwort, der Schlüssel erscheint sofort auf dem Bildschirm.
API-Schlüssel erhaltenWas du vor dem Start benötigst
Um ein unzensiertes LLM online über deinen eigenen Code oder einen Chat-Client zu nutzen, brauchst du drei Dinge: Ein Konto, einen API-Schlüssel und einen Client, der mit einem OpenAI-ähnlichen Endpunkt kommunizieren kann. Der Dienst ist nur Text, mit einem Modell, und er antwortet ohne Inhaltsablehnungen für die rechtmäßige Nutzung durch Erwachsene. Er generiert keine Bilder, Audio oder Video und produziert unter keinen Umständen sexuelle Inhalte mit Minderjährigen.
Hier ist der Pfad in der richtigen Reihenfolge.
- Melde dich mit Google oder mit E-Mail und Passwort auf der API-Schlüssel-Seite an.
- Fordere das Testguthaben mit einem Klick an. Es beträgt $0,50, erfordert keine Karte, gilt 7 Tage lang und ist auf eine pro Person begrenzt.
- Kopiere deinen Schlüssel. Jede Anfrage sendet ihn als
Authorization: Bearer YOUR_KEY. - Richte deinen Client auf die Base URL
https://api.uncensoredllmonline.com/v1ein und setze das Modell aufuncensored.
Zwei Endpunkte sind verfügbar: POST /v1/chat/completions für Konversationen und GET /v1/models, um aufzulisten, was der Schlüssel nutzen kann.
Erste Anfrage mit curl
Bevor du Code schreibst, bestätige, dass der Schlüssel funktioniert. Diese Anfrage fordert eine kurze Antwort an und gibt die vollständige JSON-Antwort aus.
curl https://api.uncensoredllmonline.com/v1/chat/completions \
-H "Authorization: Bearer YOUR_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [
{"role": "system", "content": "You are a blunt, helpful writing partner."},
{"role": "user", "content": "Pitch me a noir story set on a space station."}
],
"max_tokens": 250
}'
Du erhältst ein Standard-Chat-Vervollständigungsobjekt mit choices[0].message.content und einem usage-Block. Die Antwort-Header enthalten X-Request-Id, was hilfreich ist, wenn du den Support kontaktierst, und X-Balance-USD, das dein verbliebenes Guthaben anzeigt. Um den Schlüssel zu prüfen, ohne Token zu verbrauchen, rufe GET /v1/models mit demselben Header auf.
Ein Streaming-Chat-Loop in Python
Das Warten auf eine vollständige Antwort fühlt sich im Chat langsam an. Das Setzen von stream: true lässt den Server Token über SSE senden, sobald sie erzeugt werden, und das OpenAI SDK wandelt das in einen Iterator um. Das folgende Skript behält die gesamte Konversation in einer Liste, gibt Token aus, sobald sie eintreffen, und hängt jede Antwort an, damit das Modell den Kontext behält.
from openai import OpenAI
client = OpenAI(
base_url="https://api.uncensoredllmonline.com/v1",
api_key="YOUR_KEY",
)
history = [
{"role": "system", "content": "You are a direct, imaginative conversation partner."}
]
while True:
user = input("you: ").strip()
if user in ("", "quit"):
break
history.append({"role": "user", "content": user})
stream = client.chat.completions.create(
model="uncensored",
messages=history,
stream=True,
temperature=0.9,
)
reply = ""
print("bot: ", end="", flush=True)
for chunk in stream:
if chunk.choices and chunk.choices[0].delta.content:
piece = chunk.choices[0].delta.content
reply += piece
print(piece, end="", flush=True)
if getattr(chunk, "usage", None):
usage = chunk.usage
print()
history.append({"role": "assistant", "content": reply})
Die letzten Chunks enthalten die Token-Nutzung, sodass du protokollieren kannst, was jeder Durchgang gekostet hat. Temperatur, top_p, Stop-Sequenzen, Seed und die Häufigkeits- und Präsenzstrafen werden an das Modell durchgereicht. Für kreativen Chat gibt eine Temperatur von etwa 0,8 bis 1,0 abwechslungsreichere Prosa. Für Extraktion oder strukturierte Aufgaben setze sie niedriger.
Umgang mit dem 100.000-Token-Fenster
Das Kontextfenster umfasst 100.000 Token und deckt Prompt und Completion zusammen ab. Ein Chat-Loop wie der obige sendet die gesamte Historie bei jedem Durchgang erneut, sodass die Eingabe mit jeder Interaktion wächst. Das ist eine Weile in Ordnung. Eine typische englische Textseite hat etwa 500 bis 700 Token, sodass eine Konversation viele Stunden dauern kann, bevor sie das Limit erreicht.
Da du für Input-Token bei jeder Anfrage zahlst, ist eine lange Historie auch der Grund für deine Rechnung. Nimm einen Chat, der 40.000 Token an Historie und 500 Token an Antwort hat. Input kostet 0,04 x $0,15 = $0,006, und Output kostet 0,0005 x $0,50 = $0,00025, also kostet ein weiterer Durchgang etwa $0,0063. Selbst bei dieser Größe deckt $20 Guthaben mehr als 3.000 Durchgänge ab. Trotzdem spart Kürzen Geld und hält Antworten fokussiert.
Drei einfache Strategien funktionieren gut:
- Schiebefenster. Behalte die Systemnachricht und die letzten N Durchgänge, verwerfe ältere.
- Zusammenfassen und ersetzen. Wenn die Historie einen Schwellenwert überschreitet, bitte das Modell, den ältesten Teil zusammenzufassen, und speichere die Zusammenfassung als einzelne Nachricht.
- Gepinnte Fakten. Behalte Charakterbögen, Weltregeln oder Einstellungen in der Systemnachricht und lass den Rest der Konversation vorbeiziehen.
Setze max_tokens, wenn du die Antwortlänge begrenzen möchtest. Es ist optional, und ohne es kann die Completion den verbleibenden Teil des Fensters nutzen.
Stattdessen einen fertigen Chat-Client nutzen
Du möchtest vielleicht keinen Code schreiben. Viele Chat-Frontends ermöglichen das Hinzufügen eines benutzerdefinierten OpenAI-kompatiblen Endpunkts, und SillyTavern ist ein Beispiel dafür. Die Einstellungen sind überall gleich, nur die Bezeichnungen unterscheiden sich:
- API-Typ: OpenAI-kompatibel, manchmal auch benutzerdefiniert oder Chat-Completion genannt.
- Base URL:
https://api.uncensoredllmonline.com/v1. Einige Clients benötigen den vollständigen Pfad, der mit/chat/completionsendet, in diesem Fall hänge ihn an. - API-Schlüssel: der Schlüssel aus deinem Konto.
- Modell:
uncensored. Wenn der Client eine Schaltfläche für die Modellliste hat, ruft erGET /v1/modelsauf und füllt sie aus.
Wenn der Client einen Authentifizierungsfehler meldet, überprüfe, ob ein Leerzeichen am Anfang oder Ende des Schlüssels steht. Wenn er meldet, dass das Modell nicht existiert, gib die Modell-ID manuell erneut ein. Die Dokumentation listet die unterstützten Parameter auf, falls ein Client ein Feld sendet, das du deaktivieren möchtest.
Der gleiche Aufruf aus Node
Wenn dein Projekt JavaScript ist, funktioniert das offizielle OpenAI-Paket auf die gleiche Weise. Dieses Beispiel streamt in die Standardausgabe.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.uncensoredllmonline.com/v1",
apiKey: "YOUR_KEY",
});
const stream = await client.chat.completions.create({
model: "uncensored",
messages: [{ role: "user", content: "Describe a rainy market town in three sentences." }],
stream: true,
});
for await (const chunk of stream) {
process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
}
process.stdout.write("\n");
Tool Calling und JSON-Modus (response_format auf json_object gesetzt) funktionieren über dieselbe Schnittstelle. Definiere Tools in tools, setze optional tool_choice und gib Ergebnisse als Nachrichten mit der Rolle tool zurück. Gestreamte Antworten liefern tool_calls in Teilen, die du auf dem Client zusammensetzt.
Ratenlimits und was eine 429 bedeutet
Ein voller Schlüssel erlaubt 8 parallele Anfragen und 300 Anfragen pro Minute. Ein Trial-Schlüssel erlaubt 2 parallele Anfragen und 60 pro Minute. Der Anfragekörper kann bis zu 8 MB groß sein. Header in jeder Antwort, X-RateLimit-Limit-Requests und X-RateLimit-Limit-Concurrency, zeigen dir die Obergrenzen, die für deinen Schlüssel gelten.
Wenn du ein Limit überschreitest, erhältst du HTTP 429, und der Fehlercode sagt, welches:
rate_limited: zu viele Anfragen pro Minute. Warte und versuche es erneut.concurrency: zu viele Anfragen gleichzeitig. Denke daran, dass eine gestreamte Anfrage ihren Slot belegt, bis der Stream endet, sodass eine UI, die mehrere Streams gleichzeitig öffnet, diese schnell aufbraucht.- Eine 429 mit einem
Retry-After: 5-Header bedeutet temporäre Überlastung. Warte fünf Sekunden und versuche es erneut.
Eine kurze Retry-Schleife mit Backoff reicht für die meisten Apps aus. Fehlgeschlagene oder abgelehnte Anfragen werden nicht berechnet. Wenn deine Trial endet oder dein Guthaben niedrig ist, kannst du einen beliebigen ganzzahligen Betrag von $20 bis $500 mit Krypto (USDT auf TRC20 oder USDC auf Base) aufladen; sieh dir die Preisseite für Boni an.
Ein Retry-Wrapper
Hier ist ein kleiner Wrapper, der bei 429 mit dem Retry-After-Header retryt, wenn er vorhanden ist, und mit exponentieller Verzögerung, wenn nicht. Er verwendet den Ausnahmetyp des SDK, sodass andere Fehler sofort sichtbar werden.
import time
from openai import OpenAI, RateLimitError
client = OpenAI(
base_url="https://api.uncensoredllmonline.com/v1",
api_key="YOUR_KEY",
)
def ask(messages, tries=5):
delay = 2
for attempt in range(tries):
try:
return client.chat.completions.create(
model="uncensored",
messages=messages,
max_tokens=400,
)
except RateLimitError as err:
wait = err.response.headers.get("Retry-After")
time.sleep(int(wait) if wait else delay)
delay *= 2
raise RuntimeError("still rate limited after retries")
Wenn du oft concurrency-Fehler siehst, ist die Lösung selten eine längere Verzögerung. Begrenze die Anzahl der parallelen Aufrufe auf 8 für einen vollen Schlüssel oder auf 2 für einen Trial-Schlüssel, mit einem Semaphore oder einem Worker-Pool dieser Größe.
Bessere Ergebnisse vom Modell erhalten
Ein Modell, das nicht ablehnt, braucht immer noch klare Anweisungen. Die meisten enttäuschenden Ausgaben stammen von vagen Prompts, nicht vom Modell. Diese Gewohnheiten helfen in der Fiktion, im Rollenspiel und im Companion-Chat für Erwachsene.
- Setze die Konfiguration in die Systemnachricht. Gib das Szenario, den Ton, die Perspektive und die gewünschte Länge an. Modelle folgen einer Systemnachricht konsistenter als einer Anfrage, die in Durchgang zwölf versteckt ist.
- Beschreibe den Charakter, nicht nur die Aufgabe. Ein paar Zeilen zu Stimme, Gewohnheiten und was der Charakter will, erzeugen konsistenteren Dialog als ein bloßer Name.
- Nutze Beispiele. Ein kurzer Beispielabsatz im gewünschten Stil erreicht oft mehr als eine Seite Adjektive.
- Wiederholungen kontrollieren. Wenn das Modell in langen Sitzungen in Schleifen gerät, erhöhe die Häufigkeits- oder Präsenzstrafe leicht oder senke die Temperatur etwas.
- Fordere genau das, was du willst, auf einmal. Wenn die Antwort abschweift, bearbeite deine letzte Nachricht, anstatt Korrekturen übereinander zu stapeln. Dein Verlauf ist Teil jedes zukünftigen Prompts und Teil jeder Rechnung.
Die strenge Regel gegen sexuelle Inhalte mit Minderjährigen gilt für jeden Prompt und jeden Charakter, egal wie das Szenario gerahmt ist. Das Modell ist auf die rechtmäßige Nutzung durch Erwachsene eingestellt.
Weitere Anleitungen
Fragen und Antworten
Muss ich etwas installieren, um zu starten?
Nur ein Client. Das OpenAI Python- oder Node-Paket, curl oder jede Chat-App, die einen benutzerdefinierten OpenAI-kompatiblen Endpunkt akzeptiert, reicht aus. Kein GPU- oder Modell-Download ist erforderlich.
Welche Modell-ID verwende ich?
Verwende uncensored im Modellfeld. Du kannst es bestätigen, indem du GET /v1/models mit deinem Schlüssel aufrufst.
Kostet Streaming mehr als eine normale Anfrage?
Nein. Du zahlst denselben Preis pro Token, $0,15 pro 1M Input und $0,50 pro 1M Output. Eine gestreamte Anfrage belegt einen Concurrency-Slot, bis sie abgeschlossen ist.
Werden meine Prompts zum Training gespeichert?
Nein. Prompts werden nicht zum Trainieren verwendet.
Kann ich es für Bilder oder Stimme verwenden?
Nein. Der Dienst ist nur textbasiert, ohne Bild-, Audio- oder Videoerzeugung und ohne Embeddings.
Dein Schlüssel ist ein Formular entfernt
Erstelle ein Konto, kopiere den Schlüssel, ändere die Basis-URL. Das ist die gesamte Einrichtung.