NL ▾
API-sleutel aanvragen

Uncensored LLM Online: chatten via een API-client

Een online ongecensureerd LLM betekent een gehost model dat je via HTTP bereikt, zonder GPU aan je kant. Deze handleiding brengt je van een lege terminal naar een streaming chatlus met de OpenAI SDK.

Bijgewerkt

Terminalvenster dat een stream van gloeiende chatbellen ontvangt van een cloud, met een LLM die via een API-client wordt gebruikt

Belangrijkste punten

  1. Elke OpenAI-compatible client werkt: wijzig de base URL, stel de sleutel in en gebruik de model-ID uncensored.
  2. Streaming retourneert tokens zodra ze gegenereerd zijn, en het verbruik verschijnt aan het einde van de stream.
  3. Het venster van 100.000 tokens omvat prompt plus voltooiing, dus bij lange chats moet je uiteindelijk wat inkorten.
  4. Een 429-response betekent dat je moet vertragen of wachten; de foutcode vertelt je welke limiet je hebt geraakt.

Begin met proeftegoed

E-mail en wachtwoord, de sleutel staat meteen op het scherm.

API-sleutel aanvragen

Wat je nodig hebt voordat je begint

Om een ongecensureerd LLM online te gebruiken via je eigen code of een chatclient, heb je drie dingen nodig: een account, een API-sleutel en een client die kan communiceren met een endpoint van het OpenAI-type. De dienst is alleen tekst, met één model, en het antwoordt zonder inhoudelijke weigeringen voor wettelijk volwassen gebruik. Het genereert geen afbeeldingen, audio of video, en zal onder geen enkele omstandigheid seksuele inhoud met minderjarigen produceren.

Hier is het pad in volgorde.

  1. Meld je aan met Google of met een e-mailadres en wachtwoord op de API-sleutelpagina.
  2. Claim het proeftegoed met één klik. Het is $0,50, vereist geen kaart, duurt 7 dagen en is beperkt tot één per persoon.
  3. Kopieer je sleutel. Elk verzoek verstuurt deze als Authorization: Bearer YOUR_KEY.
  4. Wijs je client aan op de base URL https://api.uncensoredllmonline.com/v1 en stel het model in op uncensored.

Er zijn twee endpoints beschikbaar: POST /v1/chat/completions voor gesprekken en GET /v1/models om te zien wat de sleutel kan gebruiken.

Eerste verzoek met curl

Voordat je code schrijft, controleer of de sleutel werkt. Dit verzoek vraagt om een kort antwoord en print de volledige JSON-response.

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
  }'

Je krijgt een standaard chat-completion-object met choices[0].message.content en een usage-blok. De response-headers bevatten X-Request-Id, wat handig is als je ooit contact opneemt met support, en X-Balance-USD, dat je resterende tegoed toont. Om de sleutel te controleren zonder tokens te verbruiken, roep je GET /v1/models aan met dezelfde header.

Een gestreamde chatlus in Python

Wachten op een volledig antwoord voelt traag aan in een chat. Door stream: true in te stellen, stuurt de server tokens over SSE zodra ze geproduceerd zijn, en zet de OpenAI SDK dit om in een iterator. Het onderstaande script houdt de hele conversatie bij in een lijst, drukt tokens af zodra ze aankomen en voegt elk antwoord toe zodat het model de context onthoudt.

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})

De laatste chunks bevatten tokenverbruik, zodat je kunt loggen wat elke beurt kost. Temperatuur, top_p, stop-reeksen, seed en de frequentie- en aanwezigheidsstraffen worden doorgegeven aan het model. Voor creatief chatten geeft een temperatuur rond 0,8 tot 1,0 meer gevarieerde tekst. Voor extractie of gestructureerde taken stel je het lager in.

Werken met het venster van 100.000 tokens

Het contextvenster is 100.000 tokens groot en omvat de prompt en de voltooiing samen. Een chatlus zoals hierboven stuurt de volledige geschiedenis bij elke beurt opnieuw, dus de invoer groeit met elke wissel. Dat is lang genoeg goed. Een typische Engelse pagina tekst is ongeveer 500 tot 700 tokens, dus een gesprek kan vele uren duren voordat het de limiet benadert.

Omdat je betaalt voor input tokens bij elk verzoek, is een lange geschiedenis ook waar je rekening vandaan komt. Neem een chat die 40.000 tokens aan geschiedenis heeft bereikt, met 500 tokens aan antwoord. Input kost 0,04 x $0,15 = $0,006, en output kost 0,0005 x $0,50 = $0,00025, dus één extra beurt kost ongeveer $0,0063. Zelfs bij die grootte dekt $20 aan tegoed meer dan 3.000 beurten. Toch bespaart inkorten geld en houdt het antwoorden gericht.

Drie eenvoudige strategieën werken goed:

  • Schuivend venster. Houd het systeembericht en de laatste N beurten aan, verwijder oudere.
  • Samenvatten en vervangen. Wanneer de geschiedenis een drempel passeert, vraag het model dan om het oudste deel samen te vatten, en sla de samenvatting op als één bericht.
  • Vastgezette feiten. Bewaar personagebladen, wereldregels of instellingen in het systeembericht en laat de rest van het gesprek voorbijgaan.

Stel max_tokens in als je de lengte van het antwoord wilt begrenzen. Het is optioneel; zonder deze instelling kan het antwoord het resterende deel van het venster gebruiken.

Een kant-en-klare chatclient gebruiken in plaats daarvan

Misschien wil je geen code schrijven. Veel chatfrontends stellen je in staat een aangepast OpenAI-compatibel endpoint toe te voegen; SillyTavern is daar een voorbeeld van. De instellingen zijn overal hetzelfde, alleen de labels verschillen:

  • API-type: OpenAI-compatible, soms aangeduid als aangepast of chat-completion.
  • Base URL: https://api.uncensoredllmonline.com/v1. Sommige clients willen het volledige pad dat eindigt in /chat/completions, voeg het dan toe.
  • API-sleutel: de sleutel van je account.
  • Model: uncensored. Als de client een modellijstknop heeft, roept deze GET /v1/models aan en vult deze in.

Als de client een authenticatiefout rapporteert, controleer dan op een voor- of achterliggende spatie in de sleutel. Als het model niet bestaat, typ de model-ID dan handmatig. De documentatie vermeldt de ondersteunde parameters als een client een veld stuurt dat je wilt uitschakelen.

Dezelfde aanroep vanuit Node

Als je project JavaScript is, werkt het officiële OpenAI-pakket op dezelfde manier. Dit voorbeeld streamt naar standaarduitvoer.

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 en JSON-modus (response_format ingesteld op json_object) werken via dezelfde interface. Definieer tools in tools, stel optioneel tool_choice in en retourneer resultaten als berichten met de tool-rol. Gestreamde antwoorden leveren tool_calls in stukken die je aan de clientkant samenstelt.

Rate limits en wat een 429 betekent

Een volledige sleutel staat 8 gelijktijdige verzoeken en 300 verzoeken per minuut toe. Een proefsleutel staat 2 gelijktijdige verzoeken en 60 per minuut toe. Het verzoeklichaam kan maximaal 8 MB zijn. Headers op elk antwoord, X-RateLimit-Limit-Requests en X-RateLimit-Limit-Concurrency, geven de limieten aan die voor jouw sleutel gelden.

Wanneer je een limiet passeert, krijg je HTTP 429, en de foutcode zegt welke:

  • rate_limited: te veel verzoeken per minuut. Wacht en probeer het opnieuw.
  • concurrency: te veel verzoeken tegelijk. Onthoud dat een gestreamd verzoek zijn slot vasthoudt tot de stream eindigt, dus een UI die meerdere streams tegelijk opent, gebruikt ze snel op.
  • Een 429 met een Retry-After: 5 header betekent tijdelijke overbelasting. Wacht vijf seconden en probeer het opnieuw.

Een korte retry-lus met backoff is voor de meeste apps voldoende. Mislukte of geweigerde verzoeken worden niet in rekening gebracht. Als je proefperiode eindigt of je saldo laag wordt, kun je elk bedrag tussen $20 en $500 opwaarderen met crypto (USDT op TRC20 of USDC op Base); zie de prijspagina voor bonussen.

Een retry-wrapper

Hier is een kleine wrapper die opnieuw probeert bij 429 met behulp van de Retry-After kop als die bestaat, en een exponentiële vertraging als die er niet is. Het maakt gebruik van het uitzonderingstype van de SDK, zodat andere fouten direct naar voren komen.

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")

Als je vaak concurrency fouten ziet, is de oplossing zelden een langere vertraging. Beperk het aantal gelijktijdige aanroepen tot 8 voor een volledige sleutel, of 2 voor een proefsleutel, met een semaphore of een worker pool van die grootte.

Betere resultaten van het model krijgen

Een model dat niet weigert, heeft nog steeds duidelijke richting nodig. De meeste teleurstellende output komt door vage prompts, niet door het model. Deze gewoonten helpen in fictie, roleplay en companionschat voor volwassenen.

  • Zet de instellingen in de system message. Geef de instelling, de toon, het perspectief en de gewenste lengte op. Modellen volgen een system message consistenter dan een verzoek dat verstopt zit in de twaalfde beurt.
  • Beschrijf het personage, niet alleen de taak. Een paar regels over stem, gewoonten en wat het personage wil, leveren consistenter gesprek op dan een naakte naam.
  • Gebruik voorbeelden. Een korte voorbeeldparagraaf in de gewenste stijl doet vaak meer dan een pagina met bijvoeglijke naamwoorden.
  • Beheer herhaling. Als het model in lange sessies in een lus raakt met dezelfde zinnen, verhoog dan de frequentie- of aanwezigheidsstraf iets, of verlaag de temperatuur een beetje.
  • Vraag wat je wilt, in één keer. Als een antwoord afdwaalt, pas je je laatste bericht aan in plaats van correcties op elkaar te stapelen. Je geschiedenis is onderdeel van elke toekomstige prompt en onderdeel van elke factuur.

De harde regel tegen seksuele inhoud met minderjarigen geldt voor elke prompt en elk personage, ongeacht hoe het scenario is ingekaderd. Het model is afgestemd op wettelijk volwassen gebruik.

Vragen en antwoorden

Moet ik iets installeren om te beginnen?

Alleen een client. Het OpenAI Python- of Node-pakket, curl, of elke chat-app die een aangepast OpenAI-compatibel endpoint accepteert, volstaat. Er is geen GPU of modeldownload nodig.

Welke model-ID gebruik ik?

Gebruik uncensored in het modelveld. Je kunt dit bevestigen door GET /v1/models aan te roepen met je sleutel.

Kost streaming meer dan een normaal verzoek?

Nee. Je betaalt dezelfde prijs per token, $0,15 per 1M invoer en $0,50 per 1M uitvoer. Een gestreamd verzoek houdt één concurrentieslot vast tot het klaar is.

Worden mijn prompts opgeslagen voor training?

Nee. Prompts worden niet gebruikt voor training.

Kan ik het gebruiken voor afbeeldingen of stem?

Nee. De service is alleen tekst, zonder afbeelding-, audio- of videogeneratie en zonder embeddings.

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.

API-sleutel ophalenDocumentatie lezen