Beste ongekensureerde LLM om lokaal te draaien in 2025 vs. een gehoste API
De beste ongecensureerde LLM om lokaal te draaien in 2025 is de grootste die je geheugen aankan met een fatsoenlijke snelheid. Dit artikel laat zien hoe je die keuze afstemt, hoe de tooling eruit ziet en waar een gehoste API de eenvoudigere weg is.

Belangrijkste punten
- Geheugen bepaalt alles: een 4-bit model heeft ongeveer een half gigabyte per miljard parameters nodig, plus ruimte voor context.
- Ollama, LM Studio en llama.cpp draaien allemaal lokale modellen en de meeste bieden een OpenAI-stijl endpoint.
- Een gehoste API geeft je een groot contextvenster en geen hardware, maar slechts één model en geen fine-tuning.
- Je kunt één client schrijven die tussen lokaal en gehost schakelt door de base URL te wijzigen.
Begin met proeftegoed
E-mail en wachtwoord, de sleutel staat meteen op het scherm.
API-sleutel aanvragenKort antwoord: stem het af op je geheugen
Als je op zoek bent naar de beste ongecensureerde LLM om lokaal te draaien in 2025-stijl, is er geen enkele winnaar te noemen, en wees wantrouwig tegen lijsten die één claimen. Nieuwe fine-tunes verschijnen elke paar weken, rankings verschuiven, en een model dat uitstekend is voor storytelling kan middelmatig zijn bij code. Een betere vraag is welk model past bij je machine en je taak.
Werk in deze volgorde. Vind eerst hoeveel snel geheugen je hebt: VRAM op een GPU, of unified memory op een Apple Silicon Mac. Kies daarna het grootste model dat past in dat geheugen bij 4-bit kwantisatie met ruimte over voor context. Kies daarna een ongecensureerde variant van die familie, wat betekent een fine-tune of aangepaste versie die is getraind om gewone wettelijke verzoeken niet te weigeren. Test het daarna een uur op je eigen prompts. Die test vertelt je meer dan elke leaderboard.
Wat "ongecensureerd" betekent voor een open-weight model
Modellen worden meestal in twee fasen getraind. Een basismodel leert van een enorme tekstcorpus, en een tweede fase van instructietuning leert het verzoeken op te volgen en sommige te weigeren. Een ongekensureerde variant wordt geproduceerd door die tweede fase te wijzigen: fine-tunen op data waar weigeringen zijn verwijderd, of de weights bewerken zodat het model stopt met weigerend gedrag. Gemeenschapsleden publiceren veel dergelijke varianten van populaire open families.
Twee dingen volgen hieruit. Ongecensureerd betekent niet slimmer. Het verwijderen van weigeringen kost soms wat kwaliteit, en de grootte en training van het basismodel zijn veel belangrijker dan het label. En ongekensureerd betekent niet willekeurig. Het punt is dat een volwassene kan werken aan fictie, roleplay of onderzoek zonder dat een model ze een lesje leest, niet dat alles mag. Alles wat seksuele inhoud met minderjarigen omvat is uitgesloten, en een verantwoordelijke host of tool zal dat zeggen.
Geheugen vuistregel
Kwantisatie slaat elke weight in minder bits op. Bij 4 bits vereist een model ongeveer een halve gigabyte per miljard parameters, en dat is zonder de contextcache, die groeit met de lengte van je gesprek. Dit zijn ruwe schattingen, geen garanties, omdat verschillende kwantisatieformaten variëren.
| Modelgrootte | Geschat geheugen bij 4-bit | Typische hardware |
|---|---|---|
| 7 tot 8B | ongeveer 5 GB | 8 GB GPU, of een laptop met 16 GB RAM |
| 13 tot 14B | ongeveer 9 GB | 12 GB GPU |
| 32 tot 34B | ongeveer 20 GB | 24 GB GPU, of een Mac met 32 GB of meer |
| 70B | ongeveer 40 GB | twee grote GPU's, of een Mac met 64 GB of meer |
Context is de verborgen kosten. Een model dat past bij een chat van 4.000 tokens kan zonder geheugen komen te zitten als je het een verhaal van 30.000 tokens geeft. Lokale setup's capen context vaak veel lager dan het model ondersteunt, en lange contexten vertragen ook de generatie. Als je project afhankelijk is van het onthouden van een lang gesprek of een groot document, houd dat dan in gedachten als je vergelijkt met een gehoste optie met een contextvenster van 100.000 tokens.
Tools voor het draaien van modellen op je eigen machine
Je hoeft niets handmatig te compileren om te beginnen. Dit zijn de veelgebruikte keuzes.
- Ollama. Een CLI-tool die modellen downloadt en serveert. Het biedt een OpenAI-compatibel endpoint op je machine, wat het makkelijk maakt om bestaande code erop te richten.
- LM Studio. Een desktop-app met een modelverkenner, een chatvenster en een lokale servermodus. Goed als je de voorkeur geeft aan een grafische interface.
- llama.cpp. De C++ engine achter veel van deze tools. Het geeft je de meeste controle over kwantisatie, het offloaden van layers tussen CPU en GPU, en contextgrootte, tegen de prijs van meer vlaggen om te leren.
- vLLM en vergelijkbare servers. Gericht op GPU servers die meerdere gebruikers tegelijk afhandelen. Overkill voor een enkele desktop, nuttig als je je eigen kleine deployment draait.
De meeste van deze kunnen GGUF bestanden laden, een veelgebruikt formaat voor gekwantiseerde modellen. Kies een kwantisatieniveau uit de bestandsnaam: lagere getallen zijn kleiner en sneller maar minder accuraat, en 4-bit is het gebruikelijke startpunt.
Waar een gehoste API past, en waar niet
Een gehoste API vervangt je hardware door die van iemand anders. Deze dienst biedt één open-weight model, uitgevoerd door een onafhankelijke provider en afgestemd om te antwoorden zonder contentweigeringen voor legaal gebruik door volwassenen. Het is niet de officiële API van een model vendor, en het is geen router waarmee je tussen modellen kunt kiezen.
Redenen om gehost te kiezen
- Geen GPU om te kopen, koel of bij te houden. Je stuurt een verzoek en krijgt tokens terug.
- Een contextvenster van 100.000 tokens, prompt en completion samen, zonder geheugen daarvoor in te delen.
- Streaming, tool calling en JSON-modus via de standaard OpenAI-interface, zodat bestaande SDK's en clients werken zodra je de basis-URL en sleutel hebt gewijzigd.
- Pay-as-you-go prijzen: $0,15 per 1M input tokens en $0,50 per 1M output tokens, van prepaid tegoed dat nooit vervalt.
- Prompts worden niet gebruikt voor training.
Redenen om lokaal te blijven
- Je wilt de weights op schijf. Een gehoste API zal je dat nooit geven.
- Je moet offline werken, of je data mag onder geen enkele voorwaarde de machine verlaten.
- Je wilt kiezen uit meerdere modellen of je eigen fine-tuning draaien. Deze API biedt één model, alleen tekst, en geen fine-tuning.
- Je hebt al geschikte hardware en je volume is hoog genoeg dat de margekosten per token lokaal bijna nul zijn.
Kosten: elektriciteit en hardware versus tokens
Lokaal is niet gratis zodra je de machine meetelt. Een eenvoudige manier om te vergelijken is te vragen hoeveel tokens je zou moeten genereren voordat het bezitten van een GPU beter is dan betalen per token.
Aan de gehoste kant is de rekenkunde eenvoudig. Een roleplaysessie van 50 beurten met 2.000 input tokens en 400 output tokens per beurt gebruikt 100.000 input en 20.000 output tokens. Input kost 0,1 x $0,15 = $0,015. Output kost 0,02 x $0,50 = $0,01. De hele sessie kost $0,025, twee en een halve cent.
Bij dat tarief betaalt $20 aan tegoed voor 800 dergelijke sessies. Een GPU die geschikt is om een 32B-model te draaien kost veel meer dan $20, dus het break-even punt hangt volledig af van hoe veel je het gebruikt. Voor een af en toe gebruiker wint gehost meestal. Voor iemand die de hele dag tekst genereert, kan lokale hardware zichzelf terugverdienen, en voor hen is lokaal het betere antwoord. Voor het elektriciteitsgedeelte vermenigvuldig je het stroomverbruik van je GPU met het aantal gebruikte uren en je lokale tarief; we geven hier geen quote voor omdat dit sterk varieert.
De prijzenpagina geeft de huidige top-up-bedragen en bonussen weer, variërend van +5% bij $50 tot +15% bij $200.
Eén client voor beide: schakel met de basis-URL
Je hoeft niet permanent voor één kant te kiezen. Omdat Ollama en deze API beide het OpenAI-chatformaat spreken, kan één script elk van beide gebruiken. Stel drie omgevingsvariabelen in en je code verandert niet.
import os
from openai import OpenAI
client = OpenAI(
base_url=os.getenv("LLM_BASE_URL", "https://api.uncensoredllmonline.com/v1"),
api_key=os.getenv("LLM_API_KEY", "YOUR_KEY"),
)
model = os.getenv("LLM_MODEL", "uncensored")
resp = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": "Write the opening paragraph of a gothic mystery."}],
)
print(resp.choices[0].message.content)
Om te testen tegen een lokale runner, stel LLM_BASE_URL in op het adres dat je runner afdrukt (Ollama gebruikt standaard http://localhost:11434/v1), stel LLM_MODEL in op de modelnaam die je hebt gedownload, en gebruik een willekeurige placeholder voor de sleutel. Verwijder ze en het script praat met de gehoste API met de model ID uncensored.
Dit patroon stelt je in staat om gratis te prototypen tegen een lokaal 8B-model, en daarna de output te vergelijken met het gehoste model op dezelfde prompts. De quickstart heeft de volledige lijst van ondersteunde parameters, en een nieuw account kan $0,50 proeftegoed claimen op de API-sleutelpagina om die vergelijking te maken zonder te betalen.
Meer handleidingen
Vragen en antwoorden
Wat is het beste ongecensureerde LLM voor 8 GB VRAM?
Een ongecensureerde fine-tune van een familie met 7 tot 8 miljard parameters bij 4-bit kwantisering is de gebruikelijke keuze. Probeer twee of drie varianten op je eigen prompts, want de kwaliteit verschilt tussen fine-tunes meer dan het groottelabel suggereert.
Is een lokaal ongecensureerd model privé?
De prompt blijft op je machine terwijl je het lokaal draait, zolang het hulpmiddel dat je gebruikt geen telemetrie verstuurt. Controleer de instellingen van de specifieke runner die je installeert.
Kan ik het model achter deze API lokaal draaien?
Nee. De API bedient één model via een gehost endpoint en verspreidt geen weights. Als je bestanden op schijf nodig hebt, gebruik dan een model met open weights uit een openbare repository.
Heeft een gehost model een grote contextcache nodig zoals een lokaal model?
Dat wordt aan de provider-kant afgehandeld. Je krijgt een contextvenster van 100.000 tokens dat prompt en antwoord samen dekt, en je betaalt alleen voor de tokens die je verstuurt en ontvangt.
Is ongecensureerd hetzelfde als illegaal?
Nee. Het beschrijft een model dat is afgestemd om geen wettelijke verzoeken van volwassenen te weigeren. Inhoud met minderjarigen is op deze dienst nooit toegestaan.
Je sleutel is nog maar één formulier verwijderd
Maak een account aan, kopieer de sleutel, pas de base URL aan. Dat is de hele setup.