IT ▾
Ottieni la chiave API

Uncensored LLM Online: chattare tramite un client API

Un LLM senza censura online è un modello ospitato a cui accedi via HTTP, senza GPU dal tuo lato. Questa guida ti porta da un terminale vuoto a un ciclo di chat in streaming usando l'SDK di OpenAI.

Aggiornato

Finestra del terminale che riceve uno streaming di bolle di chat luminose da un cloud, che mostra un LLM usato tramite un client API

Punti chiave

  1. Funziona qualsiasi client compatibile con OpenAI: cambia l'URL di base, imposta la chiave, usa l'ID del modello uncensored.
  2. Lo streaming restituisce i token man mano che vengono generati e l'utilizzo arriva alla fine dello streaming.
  3. La finestra da 100.000 token copre prompt e completamento, quindi le chat lunghe richiedono eventualmente un ritaglio.
  4. Una risposta 429 significa rallentare o attendere; il codice di errore indica quale limite hai raggiunto.

Inizia con il credito di prova

E-mail e password, la chiave compare subito sullo schermo.

Ottieni la chiave API

Cosa ti serve prima di iniziare

Per usare un LLM senza censura online tramite il tuo codice o un client di chat, ti servono tre cose: un account, una chiave API e un client in grado di comunicare con un endpoint in stile OpenAI. Il servizio è solo testuale, con un unico modello, e risponde senza rifiuti di contenuti per uso adulto legale. Non genera immagini, audio o video e non produrrà mai contenuti sessuali che coinvolgano minorenni.

Ecco il percorso in ordine.

  1. Registrati con Google o con email e password nella pagina della chiave API.
  2. Richiedi il credito di prova con un clic. Vale $0,50, non richiede carta, dura 7 giorni ed è limitato a uno per persona.
  3. Copia la tua chiave. Ogni richiesta la invia come Authorization: Bearer YOUR_KEY.
  4. Indirizza il tuo client all'URL di base https://api.uncensoredllmonline.com/v1 e imposta il modello su uncensored.

Sono disponibili due endpoint: POST /v1/chat/completions per le conversazioni e GET /v1/models per elencare ciò che la chiave può utilizzare.

Prima richiesta con curl

Prima di scrivere codice, conferma che la chiave funziona. Questa richiesta chiede una risposta breve e stampa l'intera risposta JSON.

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
  }'

Ottieni un oggetto standard di completamento chat con choices[0].message.content e un blocco usage. Le intestazioni di risposta includono X-Request-Id, utile se contatti support in qualsiasi momento, e X-Balance-USD, che mostra il credito residuo. Per verificare la chiave senza spendere token, chiama GET /v1/models con la stessa intestazione.

Un loop di chat in streaming in Python

Attendere una risposta completa sembra lento in una chat. Impostare stream: true fa sì che il server invii i token via SSE man mano che vengono prodotti e l'SDK OpenAI li trasforma in un iteratore. Lo script sottostante mantiene l'intera conversazione in un elenco, stampa i token in arrivo e aggiunge ogni risposta in modo che il modello ricordi il contesto.

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})

Gli ultimi chunk contengono l'utilizzo dei token, così puoi registrare il costo di ogni turno. Temperature, top_p, sequenze di stop, seed e le penalità di frequenza e presenza vengono passati al modello. Per chat creative, una temperatura tra 0,8 e 1,0 offre una prosa più varia. Per estrazione o compiti strutturati, abbassala.

Lavorare con la finestra da 100.000 token

La finestra di contesto è di 100.000 token e copre prompt e completamento insieme. Un ciclo di chat come quello sopra invia di nuovo l'intera cronologia a ogni turno, quindi l'input cresce con ogni scambio. Va bene per molto tempo. Una tipica pagina di testo inglese è lunga circa 500-700 token, quindi una conversazione può durare molte ore prima di avvicinarsi al limite.

Poiché paghi per i token di input su ogni richiesta, una cronologia lunga è anche la fonte della tua fattura. Prendi una chat che ha raggiunto 40.000 token di cronologia, con 500 token di risposta. Il costo dell'input è 0,04 x $0,15 = $0,006 e quello dell'output è 0,0005 x $0,50 = $0,00025, quindi un altro turno costa circa $0,0063. Anche a quella dimensione, $20 di credito coprono più di 3.000 turni. Tuttavia, ritagliare fa risparmiare e mantiene le risposte focalizzate.

Tre strategie semplici funzionano bene:

  • Finestra scorrevole. Mantieni il messaggio di sistema e gli ultimi N turni, scarta quelli precedenti.
  • Riassumi e sostituisci. Quando la cronologia supera una soglia, chiedi al modello di riassumere la parte più vecchia, quindi archivia il riassunto come un singolo messaggio.
  • Fatti vincolati. Mantieni schede personaggio, regole del mondo o impostazioni nel messaggio di sistema e lascia che il resto della conversazione scorra via.

Imposta max_tokens se vuoi limitare la lunghezza della risposta. È facoltativo e, senza di esso, il completamento può utilizzare tutto ciò che rimane della finestra.

Usare un client di chat pronto all'uso

Potresti non voler scrivere codice. Molte interfacce chat permettono di aggiungere un endpoint compatibile con OpenAI e SillyTavern è un esempio che lo fa. Le impostazioni sono le stesse ovunque, cambiano solo le etichette:

  • Tipo API: Compatibile con OpenAI, a volte chiamato personalizzato o completamento chat.
  • Base URL: https://api.uncensoredllmonline.com/v1. Alcuni client vogliono il percorso completo che termina in /chat/completions, in tal caso aggiungilo.
  • Chiave API: la chiave del tuo account.
  • Modello: uncensored. Se il client ha un pulsante per l'elenco dei modelli, chiama GET /v1/models e lo compila.

Se il client segnala un errore di autenticazione, controlla la presenza di spazi iniziali o finali nella chiave. Se segnala che il modello non esiste, riscrivi manualmente l'ID del modello. La documentazione elenca i parametri supportati se un client invia un campo che vuoi disattivare.

La stessa chiamata da Node

Se il tuo progetto è in JavaScript, il pacchetto ufficiale OpenAI funziona allo stesso modo. Questo esempio esegue lo streaming sull'output 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");

La chiamata di funzioni e la modalità JSON (response_format impostato su json_object) funzionano attraverso la stessa interfaccia. Per gli strumenti, definiscili in tools, imposta opzionalmente tool_choice e restituisci i risultati come messaggi con il ruolo tool. Le risposte in streaming consegnano tool_calls in pezzi che assemblare sul client.

Limiti di richieste e significato del 429

Una chiave completa consente 8 richieste concorrenti e 300 richieste al minuto. Una chiave di prova consente 2 richieste concorrenti e 60 al minuto. Il corpo della richiesta può essere fino a 8 MB. Le intestazioni su ogni risposta, X-RateLimit-Limit-Requests e X-RateLimit-Limit-Concurrency, ti indicano i massimali applicabili alla tua chiave.

Quando superi un limite ottieni HTTP 429 e il codice di errore indica quale:

  • rate_limited: troppe richieste al minuto. Attendi e riprova.
  • concurrency: troppe richieste contemporaneamente. Ricorda che una richiesta in streaming occupa il suo slot fino alla fine dello stream, quindi un'interfaccia che apre più stream contemporaneamente li esaurisce rapidamente.
  • Un 429 con intestazione Retry-After: 5 indica un sovraccarico temporaneo. Attendi cinque secondi, poi riprova.

Un breve ciclo di retry con backoff è sufficiente per la maggior parte delle app. Le richieste fallite o rifiutate non vengono addebitate. Quando la prova termina o il credito scarseggia, puoi ricaricare qualsiasi importo pieno da $20 a $500 con cripto (USDT su TRC20 o USDC su Base); vedi la pagina dei prezzi per i bonus.

Un wrapper di retry

Ecco un piccolo wrapper che riprova in caso di 429 usando l'intestazione Retry-After quando esiste e un ritardo esponenziale quando non esiste. Usa il tipo di eccezione dell'SDK, così altri errori emergono immediatamente.

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")

Se vedi spesso errori concurrency, la soluzione raramente è un ritardo più lungo. Limita il numero di chiamate in parallelo a 8 per una chiave completa o a 2 per una chiave di prova, con un semaforo o un pool di worker di quelle dimensioni.

Ottenere risultati migliori dal modello

Un modello che non rifiuta ha comunque bisogno di indicazioni chiare. La maggior parte degli output deludenti deriva da prompt vaghi, non dal modello. Queste abitudini aiutano nella narrativa, nel roleplay e nelle chat di tipo compagno per adulti.

  • Metti la configurazione nel messaggio di sistema. Indica l'ambientazione, il tono, il punto di vista e la lunghezza che desideri. I modelli seguono più coerentemente un messaggio di sistema rispetto a una richiesta sepolta nel dodicesimo turno.
  • Descrivi il personaggio, non solo il compito. Alcune righe su voce, abitudini e desideri del personaggio producono dialoghi più coerenti di un semplice nome.
  • Usa esempi. Un breve paragrafo campione nello stile desiderato spesso è più efficace di una pagina di aggettivi.
  • Controlla le ripetizioni. Se il modello ripete le stesse frasi nelle sessioni lunghe, aumenta leggermente la penalità di frequenza o presenza, oppure abbassa un po' la temperatura.
  • Chiedi quello che vuoi, una volta. Se una risposta devia, modifica il tuo ultimo messaggio invece di impilare correzioni una sopra l'altra. La tua cronologia fa parte di ogni prompt futuro e parte di ogni costo.

La regola rigida contro i contenuti sessuali che coinvolgono i minorenni si applica a ogni prompt e a ogni personaggio, indipendentemente da come è presentato lo scenario. Il modello è ottimizzato solo per l'uso legale da adulti.

Domande e risposte

Devo installare qualcosa per iniziare?

Solo un client. Il pacchetto Python o Node.js di OpenAI, curl o qualsiasi app di chat che accetta un endpoint compatibile con OpenAI basterà. Non serve GPU né scaricare il modello.

Quale ID modello devo usare?

Usa uncensored nel campo del modello. Puoi confermarlo chiamando GET /v1/models con la tua chiave.

Lo streaming costa di più di una richiesta normale?

No. Paghi lo stesso prezzo per token: $0,15 per 1M input e $0,50 per 1M output. Una richiesta in streaming occupa effettivamente uno slot di concorrenza fino al termine.

I miei prompt vengono memorizzati per l'addestramento?

No. I prompt non vengono utilizzati per l'addestramento.

Posso usarlo per immagini o voce?

No. Il servizio è solo testuale, senza generazione di immagini, audio o video e senza embeddings.

La tua chiave è a un modulo di distanza

Crea un account, copia la chiave, modifica l'URL di base. È tutta la configurazione.

Ottieni chiave APILeggi i documenti