PT ▾
Obter chave de API

Uncensored LLM Online: Conversar por meio de um cliente de API

Um LLM sem censura online significa um modelo hospedado ao qual você acessa via HTTP, sem precisar de GPU no seu lado. Este tutorial leva você de um terminal vazio a um loop de chat em streaming usando o SDK da OpenAI.

Atualizado

Janela do terminal recebendo um fluxo de bolhas de chat brilhantes vindas de uma nuvem, mostrando um LLM utilizado por meio de um cliente de API

Pontos principais

  1. Qualquer cliente compatível com OpenAI funciona: altere a URL base, defina a chave e use o ID do modelo uncensored.
  2. O streaming retorna os tokens conforme são gerados, e os dados de uso são entregues ao final do fluxo.
  3. A janela de 100.000 tokens abrange o prompt mais a conclusão, então conversas longas precisam ser truncadas eventualmente.
  4. Uma resposta 429 significa reduzir a taxa ou esperar; o código de erro indica qual limite você atingiu.

Comece com o crédito de teste

E-mail e senha; a chave aparece na hora na tela.

Obter chave de API

O que você precisa antes de começar

Para usar um LLM sem censura online por seu próprio código ou cliente de chat, você precisa de três coisas: uma conta, uma chave de API e um cliente que possa falar com um endpoint estilo OpenAI. O serviço é apenas texto, com um modelo, e responde sem recusas de conteúdo para uso adulto lícito. Ele não gera imagens, áudio ou vídeo, e não produzirá conteúdo sexual envolvendo menores de idade em nenhuma circunstância.

Aqui está o caminho em ordem.

  1. Registre-se com Google ou com um e-mail e senha na página da chave de API.
  2. Reivindique o crédito de teste com um clique. São $0,50, não precisa de cartão, dura 7 dias e é limitado a um por pessoa.
  3. Copie sua chave. Cada requisição a envia como Authorization: Bearer YOUR_KEY.
  4. Aponte seu cliente para a base URL https://api.uncensoredllmonline.com/v1 e defina o modelo para uncensored.

Dois endpoints estão disponíveis: POST /v1/chat/completions para conversas e GET /v1/models para listar o que a chave pode usar.

Primeira solicitação com curl

Antes de escrever qualquer código, confirme se a chave funciona. Esta requisição pede uma resposta curta e imprime a resposta 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
  }'

Você recebe um objeto padrão de conclusão de chat com choices[0].message.content e um bloco usage. Os cabeçalhos da resposta incluem X-Request-Id, útil se você entrar em contato com suporte, e X-Balance-USD, que mostra seu crédito restante. Para verificar a chave sem gastar tokens, chame GET /v1/models com o mesmo cabeçalho.

Um loop de chat em streaming em Python

Esperar por uma resposta completa parece lento em um chat. Definir stream: true faz o servidor enviar tokens via SSE conforme são produzidos, e o SDK da OpenAI converte isso em um iterador. O script abaixo mantém toda a conversa em uma lista, imprime os tokens conforme chegam e anexa cada resposta para que o modelo lembre o 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})

Os últimos chunks carregam o uso de tokens, então você pode registrar o custo de cada turno. Temperatura, top_p, sequências de parada, seed e as penalidades de frequência e presença são passadas diretamente ao modelo. Para chat criativo, uma temperatura em torno de 0,8 a 1,0 dá prosa mais variada. Para extração ou tarefas estruturadas, diminua.

Trabalhando com a janela de 100.000 tokens

A janela de contexto tem 100.000 tokens e abrange o prompt e a conclusão juntos. Um loop de chat como o anterior reenvia todo o histórico a cada turno, então a entrada cresce a cada troca. Isso é viável por muito tempo. Uma página típica de texto em inglês tem cerca de 500 a 700 tokens, então uma conversa pode durar muitas horas antes de atingir o limite.

Como você paga por tokens de entrada em cada solicitação, um histórico longo é também onde sua fatura vem. Considere um chat que atingiu 40.000 tokens de histórico, com 500 tokens de resposta. Custo de entrada: 0,04 x $0,15 = $0,006; custo de saída: 0,0005 x $0,50 = $0,00025, então mais um turno custa cerca de $0,0063. Mesmo nesse tamanho, $20 de crédito cobrem mais de 3.000 turnos. Ainda assim, reduzir poupa dinheiro e mantém as respostas focadas.

Três estratégias simples funcionam bem:

  • Janela deslizante. Mantenha a mensagem do sistema e as últimas N interações, descarte as mais antigas.
  • Resuma e substitua. Quando o histórico passar de um limite, peça ao modelo para resumir a parte mais antiga, então armazene o resumo como uma única mensagem.
  • Fatos fixos. Mantenha fichas de personagens, regras do mundo ou configurações na mensagem do sistema e deixe o resto da conversa rolar.

Defina max_tokens se quiser limitar o comprimento da resposta. É opcional, e sem isso a conclusão pode usar o que restar da janela.

Usando um cliente de chat pronto

Você pode não querer escrever código. Muitos front-ends de chat permitem adicionar um endpoint compatível com OpenAI, e o SillyTavern é um exemplo que faz isso. As configurações são iguais em todos os lugares, apenas os rótulos diferem:

  • Tipo de API: Compatível com OpenAI, às vezes chamado de personalizado ou conclusão de chat.
  • Base URL: https://api.uncensoredllmonline.com/v1. Alguns clientes querem o caminho completo terminando em /chat/completions, nesse caso, anexe-o.
  • Chave de API: a chave da sua conta.
  • Modelo: uncensored. Se o cliente tiver um botão de lista de modelos, ele chama GET /v1/models e preenche.

Se o cliente reportar um erro de autenticação, verifique se há um espaço no início ou no final da chave. Se ele reportar que o modelo não existe, digite o ID do modelo manualmente. A documentação lista os parâmetros suportados caso o cliente envie um campo que você deseja desativar.

A mesma chamada do Node

Se seu projeto for JavaScript, o pacote oficial da OpenAI funciona da mesma forma. Este exemplo faz streaming para a saída padrão.

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");

A chamada de ferramentas e o modo JSON (response_format definido como json_object) funcionam pela mesma interface. Para ferramentas, defina-as em tools, defina opcionalmente tool_choice e retorne os resultados como mensagens com o papel tool. As respostas em streaming entregam tool_calls em pedaços que você monta no cliente.

Limites de taxa e o que um 429 significa

Uma chave completa permite 8 solicitações simultâneas e 300 solicitações por minuto. Uma chave de teste permite 2 solicitações simultâneas e 60 por minuto. O corpo da solicitação pode ter até 8 MB. Os cabeçalhos em cada resposta, X-RateLimit-Limit-Requests e X-RateLimit-Limit-Concurrency, informam os limites aplicáveis à sua chave.

Quando você ultrapassa um limite, recebe HTTP 429, e o código de erro diz qual:

  • rate_limited: muitas solicitações por minuto. Aguarde e tente novamente.
  • concurrency: muitas requisições de uma vez. Lembre-se de que uma requisição em streaming ocupa seu slot até o streaming terminar, então uma UI que abre vários streams ao mesmo tempo os esgota rapidamente.
  • Um 429 com um cabeçalho Retry-After: 5 significa sobrecarga temporária. Aguarde cinco segundos e tente novamente.

Um loop de nova tentativa com backoff basta para a maioria dos apps. Requisições falhas ou recusadas não são cobradas. Quando o período de teste acabar ou o saldo baixar, recarregue de $20 a $500 via cripto (USDT em TRC20 ou USDC em Base); veja a página de preços para bônus.

Um wrapper de retry

Aqui está um pequeno wrapper que tenta novamente em 429 usando o cabeçalho Retry-After quando existe e um atraso exponencial quando não existe. Ele usa o tipo de exceção do SDK, então outros erros ainda aparecem imediatamente.

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 ver erros de concurrency frequentemente, a solução raramente é aumentar o atraso. Limite as chamadas paralelas a 8 para uma chave completa, ou 2 para uma chave de teste, usando um semáforo ou um pool de workers desse tamanho.

Obtendo melhores resultados do modelo

Um modelo que não recusa ainda precisa de direção clara. A maioria das saídas decepcionantes vem de prompts vagos, não do modelo. Esses hábitos ajudam em ficção, roleplay e chat estilo companheiro para adultos.

  • Coloque a configuração na mensagem do sistema. Defina o cenário, o tom, o ponto de vista e o comprimento desejado. Os modelos seguem uma mensagem do sistema com mais consistência do que um prompt enterrado na décima segunda interação.
  • Descreva o personagem, não apenas a tarefa. Algumas linhas sobre voz, hábitos e o que o personagem quer produzem diálogo mais consistente do que um nome nu.
  • Use exemplos. Um parágrafo curto de amostra no estilo que você quer muitas vezes faz mais do que uma página de adjetivos.
  • Controle a repetição. Se o modelo repetir as mesmas frases em sessões longas, aumente levemente a penalidade de frequência ou presença, ou reduza um pouco a temperatura.
  • Peça o que você quer, uma vez. Se uma resposta se desviar, edite sua última mensagem em vez de empilhar correções. Seu histórico faz parte de cada prompt futuro e de cada fatura.

A regra rígida contra conteúdo sexual envolvendo menores de idade aplica-se a cada prompt e a cada personagem, independentemente de como o cenário for apresentado. O modelo é ajustado apenas para uso adulto e legal.

Perguntas e respostas

Preciso instalar algo para começar?

Apenas um cliente. O pacote Python ou Node.js da OpenAI, curl ou qualquer app de chat que aceite um endpoint compatível com OpenAI funciona. Não é necessária GPU nem download de modelo.

Qual ID de modelo eu uso?

Use uncensored no campo do modelo. Você pode confirmar isso chamando GET /v1/models com sua chave.

O streaming custa mais que uma requisição normal?

Não. Você paga o mesmo preço por token, $0,15 por 1M de entrada e $0,50 por 1M de saída. Uma solicitação em streaming ocupa um slot de concorrência até ser concluída.

Meus prompts são armazenados para treinamento?

Não. Os prompts não são usados para treinamento.

Posso usá-lo para imagens ou voz?

Não. O serviço é apenas texto, sem geração de imagem, áudio ou vídeo e sem embeddings.

Sua chave está a um formulário de distância

Crie uma conta, copie a chave e altere a URL base. Essa é toda a configuração.

Obter chave de APILer a documentação