ES ▾
Obtener clave de API

Uncensored LLM Online: Chatea a través de un cliente de API

Un LLM sin censura en línea significa un modelo alojado al que accedes por HTTP, sin GPU en tu lado. Esta guía te lleva desde una terminal vacía hasta un bucle de chat en streaming usando el SDK de OpenAI.

Actualizado

Ventana de terminal recibiendo un flujo de burbujas de chat brillantes desde una nube, mostrando un LLM utilizado a través de un cliente de API

Puntos clave

  1. Cualquier cliente compatible con OpenAI funciona: cambia la base URL, establece la clave, usa el ID de modelo uncensored.
  2. El streaming devuelve tokens a medida que se generan, y el uso llega al final del streaming.
  3. La ventana de 100 000 tokens cubre el prompt más la respuesta generada, por lo que las conversaciones largas necesitarán recortarse con el tiempo.
  4. Una respuesta 429 significa que debes reducir la velocidad o esperar; el código de error indica qué límite alcanzaste.

Empieza con crédito de prueba

Correo y contraseña; la clave aparece al instante en pantalla.

Obtener clave de API

Lo que necesitas antes de comenzar

Para usar un LLM sin censura en línea a través de tu propio código o un cliente de chat, necesitas tres cosas: una cuenta, una clave de API y un cliente que pueda comunicarse con un endpoint estilo OpenAI. El servicio es solo de texto, con un modelo, y responde sin rechazos de contenido para uso adulto legal. No genera imágenes, audio ni video, y no producirá contenido sexual que involucre a menores de edad bajo ninguna circunstancia.

Aquí está la ruta en orden.

  1. Regístrate con Google o con un correo electrónico y contraseña en la página de clave de API.
  2. Reclama el crédito de prueba con un clic. Son $0.50, no requiere tarjeta, dura 7 días y está limitado a uno por persona.
  3. Copia tu clave. Cada petición la envía como Authorization: Bearer YOUR_KEY.
  4. Dirige tu cliente a la URL base https://api.uncensoredllmonline.com/v1 y establece el modelo en uncensored.

Hay dos endpoints disponibles: POST /v1/chat/completions para conversaciones y GET /v1/models para listar lo que la clave puede usar.

Primera petición con curl

Antes de escribir código, confirma que la clave funciona. Esta petición pide una respuesta corta e imprime la respuesta JSON completa.

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
  }'

Obtienes un objeto estándar de chat completion con choices[0].message.content y un bloque usage. Los encabezados de respuesta incluyen X-Request-Id, útil si alguna vez contactas a support, y X-Balance-USD, que muestra tu crédito restante. Para verificar la clave sin gastar tokens, llama a GET /v1/models con la misma cabecera.

Un bucle de chat en streaming en Python

Esperar una respuesta completa se siente lento en un chat. Establecer stream: true hace que el servidor envíe tokens sobre SSE a medida que se producen, y el SDK de OpenAI lo convierte en un iterador. El script de abajo mantiene toda la conversación en una lista, imprime tokens a medida que llegan y añade cada respuesta para que el modelo recuerde el contexto.

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})

Los fragmentos finales llevan el uso de tokens, así que puedes registrar cuánto costó cada turno. La temperatura, top_p, secuencias de parada, seed y las penalizaciones de frecuencia y presencia se pasan al modelo. Para chat creativo, una temperatura de 0,8 a 1,0 da prosa más variada. Para extracción o tareas estructuradas, bájala.

Trabajando con la ventana de 100 000 tokens

La ventana de contexto es de 100 000 tokens y cubre el prompt y la respuesta generada juntos. Un bucle de chat como el anterior reenvía todo el historial en cada turno, por lo que la entrada crece con cada intercambio. Eso está bien durante mucho tiempo. Una página típica de texto en inglés tiene entre 500 y 700 tokens, así que una conversación puede durar muchas horas antes de acercarse al límite.

Como pagas por tokens de entrada en cada petición, un historial largo es también de dónde proviene tu factura. Toma un chat que ha alcanzado 40.000 tokens de historial, con 500 tokens de respuesta. El costo de entrada es 0.04 x $0.15 = $0.006, y el de salida es 0.0005 x $0.50 = $0.00025, así que otro turno cuesta unos $0.0063. Incluso a ese tamaño, $20 de crédito cubren más de 3.000 turnos. Aún así, recortar ahorra dinero y mantiene las respuestas enfocadas.

Tres estrategias simples funcionan bien:

  • Ventana deslizante. Mantén el mensaje del sistema y los últimos N turnos, desecha los anteriores.
  • Resumir y reemplazar. Cuando el historial supera un umbral, pide al modelo que resuma la parte más antigua, luego almacena el resumen como un solo mensaje.
  • Hechos fijos. Mantén hojas de personaje, reglas del mundo o configuraciones en el mensaje del sistema y deja que el resto de la conversación se desplace.

Establece max_tokens si quieres limitar la longitud de la respuesta. Es opcional y, sin él, la respuesta generada puede usar todo lo que quede de la ventana.

Usando un cliente de chat listo para usar

Puede que no quieras escribir código. Muchas interfaces de chat permiten agregar un endpoint compatible con OpenAI, y SillyTavern es un ejemplo que lo hace. La configuración es la misma en todas partes, solo difieren las etiquetas:

  • Tipo de API: Compatible con OpenAI, a veces llamada personalizada o chat completion.
  • Base URL: https://api.uncensoredllmonline.com/v1. Algunos clientes quieren la ruta completa terminando en /chat/completions, en cuyo caso añádela.
  • Clave de API: la clave de tu cuenta.
  • Modelo: uncensored. Si el cliente tiene un botón de lista de modelos, llama a GET /v1/models y lo rellena.

Si el cliente informa un error de autenticación, busca un espacio al principio o al final de la clave. Si informa que el modelo no existe, escribe el ID del modelo a mano. La documentación lista los parámetros admitidos si un cliente envía un campo que quieres desactivar.

La misma llamada desde Node

Si tu proyecto es JavaScript, el paquete oficial de OpenAI funciona de la misma manera. Este ejemplo transmite a la salida estándar.

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");

Las llamadas a funciones y el modo JSON (response_format establecido en json_object) funcionan a través de la misma interfaz. Para herramientas, defínelas en tools, establece opcionalmente tool_choice y devuelve resultados como mensajes con el rol tool. Las respuestas en streaming entregan tool_calls en fragmentos que ensamblas en el cliente.

Límites de velocidad y qué significa un 429

Una clave completa permite 8 peticiones simultáneas y 300 peticiones por minuto. Una clave de prueba permite 2 peticiones simultáneas y 60 por minuto. El cuerpo de la petición puede tener hasta 8 MB. Las cabeceras en cada respuesta, X-RateLimit-Limit-Requests y X-RateLimit-Limit-Concurrency, te indican los límites que aplican a tu clave.

Cuando superas un límite obtienes HTTP 429, y el código de error dice cuál:

  • rate_limited: demasiadas peticiones por minuto. Espera y reintenta.
  • concurrency: demasiadas peticiones a la vez. Recuerda que una petición en streaming ocupa su ranura hasta que termina el flujo, por lo que una interfaz que abre varios flujos al mismo tiempo los agota rápidamente.
  • Un 429 con un encabezado Retry-After: 5 significa sobrecarga temporal. Espera cinco segundos y reintenta.

Un bucle de reintento con retroceso es suficiente para la mayoría de las aplicaciones. Las peticiones fallidas o rechazadas no se cobran. Cuando termina tu prueba o tu saldo es bajo, puedes recargar cualquier cantidad entera de $20 a $500 con cripto (USDT en TRC20 o USDC en Base); consulta la página de precios para bonificaciones.

Un wrapper de reintento

Aquí tienes un pequeño contenedor que reintenta en 429 usando el encabezado Retry-After cuando existe y un retraso exponencial cuando no. Usa el tipo de excepción del SDK, así que otros errores siguen apareciendo inmediatamente.

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")

Si ves errores de concurrency a menudo, la solución rara vez es un retraso más largo. Limita el número de llamadas que ejecutas en paralelo a 8 para una clave completa, o 2 en una clave de prueba, con un semáforo o un grupo de trabajadores de ese tamaño.

Obteniendo mejores resultados del modelo

Un modelo que no rechaza aún necesita dirección clara. La mayoría de las salidas decepcionantes provienen de prompts vagos, no del modelo. Estos hábitos ayudan en ficción, juego de roles y chat tipo compañero para adultos.

  • Pon la configuración en el mensaje del sistema. Establece el entorno, el tono, el punto de vista y la longitud que deseas. Los modelos siguen un mensaje del sistema con mayor consistencia que una petición enterrada en el turno doce.
  • Describe el personaje, no solo la tarea. Unas pocas líneas sobre voz, hábitos y lo que quiere el personaje producen diálogo más consistente que un nombre desnudo.
  • Usa ejemplos. Un párrafo corto de muestra en el estilo que deseas suele ser más efectivo que una página de adjetivos.
  • Controla la repetición. Si el modelo repite las mismas frases en sesiones largas, aumenta ligeramente la penalización de frecuencia o presencia, o reduce un poco la temperatura.
  • Pide lo que quieres, una sola vez. Si la respuesta se desvía, edita tu último mensaje en lugar de apilar correcciones. Tu historial forma parte de cada prompt futuro y de cada factura.

La regla estricta contra el contenido sexual que involucra a menores de edad se aplica a cada prompt y a cada personaje, sin importar cómo se presente el escenario. El modelo está ajustado exclusivamente para uso adulto lícito.

Preguntas y respuestas

¿Necesito instalar algo para empezar?

Solo necesitas un cliente. El paquete Python o Node de OpenAI, curl, o cualquier aplicación de chat que acepte un endpoint compatible con OpenAI funcionará. No se necesita GPU ni descarga de modelo.

¿Qué ID de modelo uso?

Usa uncensored en el campo del modelo. Puedes confirmarlo llamando a GET /v1/models con tu clave.

¿El streaming cuesta más que una petición normal?

No. Pagas el mismo precio por token, $0.15 por 1M de entrada y $0.50 por 1M de salida. Una petición en streaming sí mantiene un slot de concurrencia hasta que finaliza.

¿Se almacenan mis prompts para entrenamiento?

No. Los prompts no se utilizan para entrenamiento.

¿Puedo usarlo para imágenes o voz?

No. El servicio es solo de texto, sin generación de imágenes, audio o video ni embeddings.

Tu clave está a un formulario de distancia

Crea una cuenta, copia la clave, cambia la URL base. Esa es toda la configuración.

Obtener clave de APILeer la documentación