Uncensored LLM Online: Чат через API-клиент
Онлайн LLM без цензуры означает размещенную модель, к которой вы обращаетесь по HTTP, без GPU на вашей стороне. Это руководство проведет вас от пустого терминала к потоковому чату с использованием SDK OpenAI.

Ключевые моменты
- Любой клиент, совместимый с OpenAI, работает: измените базовый URL, установите ключ, используйте идентификатор модели uncensored.
- Потоковая передача возвращает токены по мере их генерации, а данные об использовании поступают в конце потока.
- Окно на 100 000 токенов охватывает промпт и ответ, поэтому длинные чаты в конечном итоге нужно будет сокращать.
- Ответ 429 означает замедление или ожидание; код ошибки указывает, какой лимит вы исчерпали.
Что нужно перед началом
Чтобы использовать LLM без цензуры онлайн через свой код или клиент чата, вам нужны три вещи: учетная запись, API-ключ и клиент, способный общаться с конечной точкой в стиле OpenAI. Сервис поддерживает только текст, доступна одна модель, и она отвечает без отказов по контенту для законного использования совершеннолетними. Она не генерирует изображения, аудио или видео и ни при каких обстоятельствах не будет генерировать сексуальный контент с участием несовершеннолетних.
Вот путь по порядку.
- Зарегистрируйтесь через Google или с помощью электронной почты и пароля на странице API-ключ.
- Получите пробный баланс в один клик. Это $0,50, не требует карты, действует 7 дней и ограничен одним на человека.
- Скопируйте свой ключ. Каждый запрос отправляет его как
Authorization: Bearer YOUR_KEY. - Направьте ваш клиент на базовый URL
https://api.uncensoredllmonline.com/v1и установите модель наuncensored.
Доступны два эндпоинта: POST /v1/chat/completions для разговоров и GET /v1/models для перечисления того, что может использовать ключ.
Первый запрос с curl
Перед написанием кода подтвердите работоспособность ключа. Этот запрос запрашивает короткий ответ и выводит полный ответ в формате 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
}'
Вы получаете стандартный объект завершения чата с choices[0].message.content и блоком usage. Заголовки ответа включают X-Request-Id, что полезно, если вы свяжетесь со службой поддержки, и X-Balance-USD, который показывает ваш оставшийся баланс. Чтобы проверить ключ без расходования токенов, вызовите GET /v1/models с тем же заголовком.
Цикл чата с потоковой передачей на Python
Ожидание полного ответа кажется медленным в чате. Установка stream: true заставляет сервер отправлять токены по SSE по мере их создания, а SDK OpenAI превращает это в итератор. Скрипт ниже сохраняет весь разговор в списке, выводит токены по мере их поступления и добавляет каждый ответ, чтобы модель помнила контекст.
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})
Последние фрагменты содержат использование токенов, поэтому вы можете записать, сколько стоил каждый ход. Температура, top_p, стоп-последовательности, seed и штрафы за частоту и присутствие передаются модели. Для творческого чата температура около 0,8–1,0 дает более разнообразный текст. Для извлечения или структурированных задач снизьте ее.
Работа с контекстным окном на 100 000 токенов
Контекстное окно составляет 100 000 токенов и охватывает промпт и ответ вместе. Цикл чата, такой как приведенный выше, отправляет всю историю на каждом ходу, поэтому входные данные растут с каждым обменом. Это нормально в течение длительного времени. Типичная английская страница текста составляет от 500 до 700 токенов, поэтому разговор может длиться много часов, прежде чем приблизится к лимиту.
Поскольку вы платите за входные токены при каждом запросе, длинная история — это также то, откуда формируется ваш счет. Возьмем чат, достигший 40 000 токенов истории, с 500 токенов ответа. Входные данные стоят 0,04 x $0,15 = $0,006, а выходные данные стоят 0,0005 x $0,50 = $0,00025, поэтому один дополнительный ход стоит около $0,0063. Даже при таком размере $20 кредита покрывает более 3000 ходов. Тем не менее, сокращение экономит деньги и делает ответы более сфокусированными.
Три простые стратегии работают хорошо:
- Скользящее окно. Сохраняйте системное сообщение и последние N ходов, удаляйте старые.
- Суммировать и заменить. Когда история превышает порог, попросите модель суммировать самую старую часть, а затем сохраните резюме как одно сообщение.
- Закрепленные факты. Сохраняйте листы персонажей, правила мира или настройки в системном сообщении и позволяйте остальной части разговора прокручиваться.
Установите max_tokens, если хотите ограничить длину ответа. Это необязательно, и без него завершение может использовать все оставшееся окно.
Использование готового клиента чата вместо этого
Возможно, вы не хотите писать код. Многие интерфейсы чата позволяют добавить пользовательский эндпоинт, совместимый с OpenAI, и SillyTavern — один из примеров, который это делает. Настройки одинаковы везде, отличаются только метки:
- Тип API: Совместимый с OpenAI, иногда называется пользовательским или завершением чата.
- Базовый URL:
https://api.uncensoredllmonline.com/v1. Некоторые клиенты хотят полный путь, заканчивающийся на/chat/completions, в этом случае добавьте его. - API-ключ: ключ из вашей учетной записи.
- Модель:
uncensored. Если в клиенте есть кнопка списка моделей, она вызываетGET /v1/modelsи заполняет его.
Если клиент сообщает об ошибке аутентификации, проверьте наличие пробела в начале или конце ключа. Если он сообщает, что модель не существует, введите идентификатор модели вручную. В документации перечислены поддерживаемые параметры, если клиент отправляет поле, которое вы хотите отключить.
Тот же вызов из Node
Если ваш проект на JavaScript, официальный пакет OpenAI работает так же. В этом примере поток выводится в стандартный вывод.
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");
Вызов функций и JSON-режим (response_format установлен в json_object) работают через один интерфейс. Для инструментов определите их в tools, при необходимости установите tool_choice и возвращайте результаты как сообщения с ролью tool. Потоковые ответы доставляют tool_calls частями, которые вы собираете на стороне клиента.
Лимиты скорости запросов и значение 429
Полный ключ: 8 параллельных запросов, 300 в минуту. Пробный: 2 параллельных, 60 в минуту. Тело запроса до 8 МБ. Заголовки X-RateLimit-Limit-Requests и X-RateLimit-Limit-Concurrency показывают лимиты.
Когда вы превышаете лимит, вы получаете HTTP 429, и код ошибки указывает, какой именно:
rate_limited: слишком много запросов в минуту. Подождите и повторите.concurrency: слишком много одновременных запросов. Помните, что потоковый запрос удерживает свой слот до тех пор, пока не завершится поток, поэтому интерфейс, открывающий несколько потоков одновременно, быстро их исчерпывает.- 429 с заголовком
Retry-After: 5означает временную перегрузку. Подождите 5 секунд и повторите.
Короткий цикл повторных попыток с экспоненциальной задержкой подходит для большинства приложений. Неудачные или отклонённые запросы не оплачиваются. Когда пробный период заканчивается или баланс становится низким, вы можете пополнить его на любую целую сумму от $20 до $500 криптовалютой (USDT в сети TRC20 или USDC в сети Base); см. страницу цен для получения бонусов.
Обертка для повторных попыток
Вот небольшая обёртка, которая выполняет повторные запросы при ошибке 429, используя заголовок Retry-After, если он есть, и экспоненциальную задержку, если его нет. Она использует тип исключения SDK, поэтому другие ошибки проявляются сразу.
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")
Если вы часто видите ошибки concurrency, решение редко заключается в увеличении задержки. Ограничьте количество параллельных вызовов до 8 для полного ключа или до 2 для пробного ключа, используя семафор или пул воркеров такого размера.
Получение лучших результатов от модели
Модели, которая не отказывает, все еще нужно четкое направление. Большинство разочаровывающих результатов исходит от неясных промптов, а не от модели. Эти привычки помогают в художественной литературе, ролевых играх и чате в стиле компаньона для взрослых.
- Добавьте настройки в системное сообщение. Укажите настройку, тон, точку зрения и желаемую длину. Модели более последовательно следуют одному системному сообщению, чем запросу, спрятанному на двенадцатом ходу.
- Опишите персонажа, а не только задачу. Несколько строк о голосе, привычках и о том, чего хочет персонаж, дают более последовательный диалог, чем просто имя.
- Используйте примеры. Один короткий образец часто лучше страницы прилагательных.
- Контролируйте повторения. Если модель зацикливается на одних и тех же фразах в длинных сессиях, немного повысьте штрафы за частоту или наличие, либо слегка снизьте температуру.
- Просите то, что хотите, один раз. Если ответ уходит не в ту сторону, отредактируйте своё последнее сообщение, а не накладывайте исправления друг на друга. Ваша история становится частью каждого будущего промпта и частью каждого счёта.
Жёсткое правило против сексуального контента с участием несовершеннолетних применяется к каждому промпту и каждому персонажу независимо от того, как оформлен сценарий. Модель настроена исключительно на законное использование взрослыми.
Дополнительные руководства
Вопросы и ответы
Нужно ли мне что-то устанавливать для начала работы?
Только клиент. Пакет OpenAI для Python или Node.js, curl или любое приложение для чата, принимающее пользовательский эндпоинт, совместимый с OpenAI, подойдёт. GPU или загрузка модели не требуются.
Какой ID модели использовать?
Используйте uncensored в поле модели. Вы можете подтвердить это, вызвав GET /v1/models с вашим ключом.
Стоит ли потоковая передача дороже обычного запроса?
Нет. Вы платите одинаковую цену за токен: $0,15 за 1 млн входных токенов и $0,50 за 1 млн выходных токенов. Потоковый запрос занимает один слот параллельных запросов до завершения.
Хранятся ли мои промпты для обучения?
Нет. Промпты не используются для обучения.
Можно ли использовать его для изображений или голоса?
Нет. Сервис работает только с текстом, без генерации изображений, аудио или видео и без эмбеддингов.
Ваш ключ — всего в одной форме
Создайте аккаунт, скопируйте ключ, измените базовый URL. Это вся настройка.