FR ▾
Obtenir une clé API

Uncensored LLM Online : discuter via un client API

Un LLM sans censure en ligne désigne un modèle hébergé accessible via HTTP, sans GPU de votre côté. Ce guide vous conduit d'un terminal vierge à une boucle de chat en streaming en utilisant le SDK OpenAI.

Mis à jour le

Fenêtre de terminal recevant un flux de bulles de chat lumineuses depuis le cloud, montrant un LLM utilisé via un client API

Points clés

  1. Tout client compatible OpenAI fonctionne : modifiez l'URL de base, définissez la clé, utilisez l'ID de modèle uncensored.
  2. Le streaming renvoie les tokens au fur et à mesure de leur génération, et l'usage apparaît à la fin du flux.
  3. La fenêtre de 100 000 tokens couvre le prompt et la complétion, donc les longues conversations doivent être réduites à un moment donné.
  4. Une réponse 429 signifie ralentir ou attendre ; le code d'erreur indique quelle limite vous avez atteinte.

Commencez avec le crédit d'essai

E-mail et mot de passe, la clé s'affiche tout de suite à l'écran.

Obtenir une clé API

Ce dont vous avez besoin avant de commencer

Pour utiliser un LLM sans censure en ligne via votre propre code ou un client de chat, vous avez besoin de trois éléments : un compte, une clé API et un client capable de communiquer avec un point de terminaison de style OpenAI. Le service est dédié au texte uniquement, avec un seul modèle, et il répond sans refus de contenu pour une utilisation légale par des adultes. Il ne génère pas d’images, d’audio ou de vidéo, et il ne produira pas de contenu sexuel impliquant des mineurs en aucune circonstance.

Voici le chemin à suivre dans l'ordre.

  1. Inscrivez-vous avec Google ou avec un e-mail et un mot de passe sur la page clé API.
  2. Réclamez le crédit d'essai en un clic. Il s'agit de 0,50 $, sans carte requise, valable 7 jours et limité à un par personne.
  3. Copiez votre clé. Chaque requête l'envoie sous la forme Authorization: Bearer YOUR_KEY.
  4. Configurez votre client sur l’URL de base https://api.uncensoredllmonline.com/v1 et définissez le modèle sur uncensored.

Deux endpoints sont disponibles : POST /v1/chat/completions pour les conversations et GET /v1/models pour lister ce que la clé peut utiliser.

Première requête avec curl

Avant d'écrire du code, confirmez que la clé fonctionne. Cette requête demande une réponse courte et affiche la réponse JSON complète.

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
  }'

Vous obtenez un objet de complétion de chat standard avec choices[0].message.content et un bloc usage. Les en-têtes de réponse incluent X-Request-Id, qui est utile si vous contactez un jour l'assistance, et X-Balance-USD, qui affiche votre crédit restant. Pour vérifier la clé sans dépenser de tokens, appelez GET /v1/models avec le même en-tête.

Une boucle de chat en streaming en Python

Attendre une réponse complète semble lent dans un chat. Définir stream: true fait envoyer les tokens par le serveur via SSE au fur et à mesure de leur production, et le SDK OpenAI les transforme en itérateur. Le script ci-dessous conserve toute la conversation dans une liste, affiche les tokens à leur arrivée et ajoute chaque réponse pour que le modèle conserve le contexte.

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})

Les derniers blocs contiennent l'usage des tokens, vous pouvez donc enregistrer le coût de chaque tour. La température, top_p, les séquences d'arrêt, la graine et les pénalités de fréquence et de présence sont transmises au modèle. Pour un chat créatif, une température autour de 0,8 à 1,0 donne une prose plus variée. Pour l'extraction ou les tâches structurées, réduisez-la.

Travailler avec la fenêtre de 100 000 tokens

La fenêtre de contexte fait 100 000 tokens et couvre le prompt et la complétion ensemble. Une boucle de conversation comme celle ci-dessus renvoie l'intégralité de l'historique à chaque tour, donc l'entrée croît à chaque échange. C'est acceptable pendant un certain temps. Une page typique de texte anglais fait environ 500 à 700 tokens, donc une conversation peut durer plusieurs heures avant d'approcher la limite.

Comme vous payez pour les tokens d'entrée à chaque requête, un long historique est aussi là que votre facture provient. Prenez une conversation qui a atteint 40 000 tokens d'historique, avec 500 tokens de réponse. L'entrée coûte 0,04 x $0,15 = $0,006, et la sortie coûte 0,0005 x $0,50 = $0,00025, donc un tour de plus coûte environ $0,0063. Même à cette taille, $20 de crédit couvre plus de 3 000 tours. Cependant, réduire économise de l'argent et garde les réponses ciblées.

Trois stratégies simples fonctionnent bien :

  • Fenêtre glissante. Conservez le message système et les N derniers tours, supprimez les plus anciens.
  • Résumez et remplacez. Lorsque l'historique dépasse un seuil, demandez au modèle de résumer la partie la plus ancienne, puis stockez le résumé comme un message unique.
  • Faits épinglés. Conservez les fiches de personnages, les règles du monde ou les paramètres dans le message système et laissez le reste de la conversation défiler.

Définissez max_tokens si vous souhaitez limiter la longueur de la réponse. C'est optionnel, et sans cela la complétion peut utiliser tout ce qui reste de la fenêtre.

Utiliser un client de chat prêt à l'emploi à la place

Vous ne souhaitez peut-être pas écrire de code. De nombreuses interfaces de conversation permettent d'ajouter un endpoint compatible OpenAI, et SillyTavern est un exemple qui le fait. Les paramètres sont les mêmes partout, seules les étiquettes diffèrent :

  • Type d'API : Compatible OpenAI, parfois appelé personnalisé ou complétion de chat.
  • URL de base : https://api.uncensoredllmonline.com/v1. Certains clients veulent le chemin complet se terminant par /chat/completions, auquel cas ajoutez-le.
  • Clé API : la clé de votre compte.
  • Modèle : uncensored. Si le client a un bouton de liste de modèles, il appelle GET /v1/models et le remplit.

Si le client signale une erreur d’authentification, vérifiez la présence d’un espace au début ou à la fin de la clé. S’il indique que le modèle n’existe pas, retapez l’ID du modèle à la main. La documentation liste les paramètres pris en charge si un client envoie un champ que vous souhaitez désactiver.

La même requête depuis Node

Si votre projet est en JavaScript, le package officiel OpenAI fonctionne de la même manière. Cet exemple diffuse vers la sortie standard.

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");

L’appel de fonctions et le mode JSON (response_format défini sur json_object) fonctionnent via la même interface. Pour les outils, définissez-les dans tools, définissez éventuellement tool_choice, et retournez les résultats sous forme de messages avec le rôle tool. Les réponses en streaming délivrent des tool_calls par morceaux que vous assemblez côté client.

Limites de débit et signification d'une erreur 429

Une clé complète permet 8 requêtes simultanées et 300 requêtes par minute. Une clé d'essai permet 2 requêtes simultanées et 60 par minute. Le corps de la requête peut faire jusqu'à 8 Mo. Les en-têtes de chaque réponse, X-RateLimit-Limit-Requests et X-RateLimit-Limit-Concurrency, vous indiquent les plafonds applicables à votre clé.

Lorsque vous dépassez une limite, vous obtenez une erreur HTTP 429, et le code d'erreur indique laquelle :

  • rate_limited : trop de requêtes par minute. Attendez et réessayez.
  • concurrency : trop de requêtes à la fois. N’oubliez pas qu’une requête avec flux continu occupe son slot jusqu’à la fin du flux, donc une interface utilisateur qui ouvre plusieurs flux simultanément les épuise rapidement.
  • Un code 429 avec un en-tête Retry-After: 5 signifie une surcharge temporaire. Attendez cinq secondes, puis réessayez.

Une boucle de nouvelle tentative courte avec backoff suffit pour la plupart des applications. Les requêtes échouées ou refusées ne sont pas facturées. Lorsque votre essai se termine ou que votre solde est faible, vous pouvez recharger n'importe quel montant entier de 20 $ à 500 $ avec crypto (USDT sur TRC20 ou USDC sur Base) ; voir la page de tarification pour les bonus.

Un wrapper de réessai

Voici un petit wrapper qui réessaie en cas d'erreur 429 en utilisant l'en-tête Retry-After lorsqu'il existe et un délai exponentiel lorsqu'il n'existe pas. Il utilise le type d'exception du SDK, donc les autres erreurs apparaissent immédiatement.

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 vous voyez souvent des erreurs concurrency, la solution est rarement un délai plus long. Limitez le nombre d'appels que vous exécutez en parallèle à 8 pour une clé complète, ou 2 sur une clé d'essai, avec un sémaphore ou un pool de travailleurs de cette taille.

Obtenir de meilleurs résultats du modèle

Un modèle qui ne refuse pas a encore besoin d’instructions claires. La plupart des sorties décevantes proviennent de prompts vagues, et non du modèle. Ces habitudes aident dans la fiction, le jeu de rôle et les chats de style compagnon pour adultes.

  • Mettez la configuration dans le message système. Indiquez le décor, le ton, le point de vue et la longueur souhaités. Les modèles suivent un message système plus systématiquement qu'une requête enfouie dans le douzième tour.
  • Décrivez le personnage, pas seulement la tâche. Quelques lignes sur la voix, les habitudes et ce que le personnage veut produisent un dialogue plus cohérent qu'un simple nom.
  • Utilisez des exemples. Un court paragraphe d'exemple dans le style souhaité fait souvent plus qu'une page d'adjectifs.
  • Contrôlez les répétitions. Si le modèle boucle sur les mêmes phrases lors de longues sessions, augmentez légèrement la pénalité de fréquence ou de présence, ou réduisez un peu la température.
  • Demandez ce que vous voulez, une seule fois. Si une réponse dérive, modifiez votre dernier message plutôt que d’empiler les corrections. Votre historique fait partie de chaque futur prompt et de chaque facture.

La règle stricte interdisant le contenu sexuel impliquant des mineurs s’applique à chaque prompt et à chaque personnage, quelle que soit la formulation du scénario. Le modèle est optimisé pour une utilisation légale par des adultes uniquement.

Questions et réponses

Dois-je installer quelque chose pour commencer ?

Seulement un client. Le SDK Python ou Node d'OpenAI, curl, ou n'importe quelle application de chat qui accepte un endpoint OpenAI compatible fera l'affaire. Aucune GPU ou téléchargement de modèle n'est nécessaire.

Quel ID de modèle dois-je utiliser ?

Saisissez uncensored dans le champ du modèle. Vous pouvez le confirmer en appelant GET /v1/models avec votre clé.

Le streaming coûte-t-il plus cher qu'une requête normale ?

Non. Vous payez le même prix par token, $0,15 par 1M en entrée et $0,50 par 1M en sortie. Une requête avec flux continu occupe un slot de concurrence jusqu’à sa fin.

Mes prompts sont-ils stockés pour l’entraînement ?

Non. Les prompts ne sont pas utilisés pour l'entraînement.

Puis-je l’utiliser pour des images ou de la voix ?

Non. Le service est textuel uniquement, sans génération d'images, d'audio ou de vidéo, et sans embeddings.

Votre clé est à un formulaire de vous

Créez un compte, copiez la clé, modifiez l'URL de base. C'est toute la configuration.

Obtenir une clé APILire la documentation