DE ▾
API-Schlüssel erhalten
OpenAI-kompatible unzensierte API für Entwickler.Aktualisiert

Uncensored LLM API für Entwickler: So funktioniert es

Eine unzensierte LLM-API für Entwickler ist ein gehosteter Endpunkt, der auf rechtmäßige Anfragen von Erwachsenen antwortet, anstatt sie standardmäßig abzulehnen. Diese Seite erklärt, was das in der Praxis bedeutet, wo er in einer Anwendung passt und was du vor dem Bau darauf prüfen solltest.

Abstrakte Terminal-Streams, die durch ein offenes Tor fließen, repräsentieren eine uneingeschränkte Text-API für Entwickler

Was die Phrase eigentlich bedeutet

Die meisten gehosteten Sprachmodelle verfügen über eine Schicht von Ablehnungsverhalten. Diese Schicht ist eine sinnvolle Standardeinstellung für einen allgemeinen Assistenten, behindert jedoch viele legitime Produkte: Fiktionstools, die Schurken mit Bedrohung benötigen, Rollenspiel- und Begleiter-Apps für Erwachsene, Moderationsforschung, die den klassifizierten Inhalt prüfen muss, und Red-Team-Testumgebungen. Ein unzensiertes Modell ist eines, das darauf abgestimmt wurde, diese Anfragen nicht abzulehnen, und eine unzensierte API ist einfach dieses Modell hinter einem HTTP-Endpunkt.

Das Wort „uncensored“ bedeutet nicht „keine Regeln“. Unser Service hat eine harte Grenze: Keine sexuellen Inhalte mit Minderjährigen, nie. Darüber hinaus ist das Modell darauf abgestimmt, bei der rechtmäßigen Nutzung durch Erwachsene ohne Inhaltsablehnungen zu antworten. Die Verantwortung dafür, was dein Produkt mit der Ausgabe macht, und für die Einhaltung der Gesetze, in denen du tätig bist, liegt bei dir.

Es hilft auch, Klarheit darüber zu schaffen, was das Modell nicht ist. Es ist ein Open-Weight-Modell, das von einem unabhängigen Anbieter betrieben wird. Es ist nicht die offizielle API von Meta, Mistral, Qwen, DeepSeek, OpenAI, xAI, Google oder Anthropic, und es ist kein Router, der zwischen Anbietern auswählt.

Wo sie in einer Anwendung passt

Entwickler greifen in einer der vier folgenden Situationen auf diese Art von Endpunkt zurück.

  • Kreatives Schreiben und Spiel-Dialoge. Story-Engines, interaktive Fiktion und NPC-Gespräche brechen zusammen, wenn das Modell den Spieler belehrt. Ein Modell, das in der Rolle bleibt, hält die Erfahrung intakt.
  • Companion- und Roleplay-Apps für Erwachsene. Persona-Chat hängt von langen Sitzungen und einem konsistenten Ton ab. Das 100.000-Token-Fenster hilft hier, da eine lange Konversation plus ein Character Sheet ohne aggressive Kürzung passt.
  • Daten- und Content-Pipelines. Klassifizieren, Zusammenfassen oder Umschreiben von nutzergeneriertem Text, der raue Sprache enthält, ohne dass das Modell die Hälfte der Zeilen ablehnt.
  • Tests und Forschung. Vergleichen, wie ein Filter auf die Rohausgabe des Modells reagiert, oder Generieren von Adversarial-Beispielen für einen Sicherheitsklassifizierer, den du entwickelst.

In allen vier Fällen ist das Modell eine Komponente. Du schreibst weiterhin deine eigenen System-Prompts, deine eigene Altersfreigabe und deine eigene Moderation für das, was du veröffentlichst. Die API gibt dir Generierung, keine Produkt-Richtlinie.

Was du technisch bekommst

Der Service bietet zwei Methoden an: POST /v1/chat/completions und GET /v1/models. Die Authentifizierung erfolgt über ein Bearer-Token im Authorization-Header. Die Modell-ID ist uncensored. Da das Protokoll mit dem von OpenAI übereinstimmt, funktioniert jedes OpenAI SDK oder ein kompatibler Client, sobald du die Basis-URL und den Schlüssel änderst.

from openai import OpenAI

client = OpenAI(
    base_url="https://api.uncensoredllmapi.com/v1",
    api_key="YOUR_API_KEY",
)

resp = client.chat.completions.create(
    model="uncensored",
    messages=[
        {"role": "system", "content": "You write gritty fantasy dialogue."},
        {"role": "user", "content": "A mercenary refuses a noble's offer. Three lines."},
    ],
    temperature=0.9,
)
print(resp.choices[0].message.content)

Zu den unterstützten Funktionen gehören Streaming über SSE mit Nutzungsberichten am Ende, Tool Calling (tools, tool_choice, gestreamte tool_calls und Ergebnisse als role: "tool") sowie der JSON-Modus über response_format. Sampling-Einstellungen wie Temperatur, top_p, Stopp, Seed und die Strafen werden durchgereicht. Die vollständige Referenz zur Anfrage findest du in der API-Dokumentation.

Die Limits liegen bei 8 parallelen Anfragen und 300 Anfragen pro Minute für einen vollständigen Schlüssel sowie bei 2 parallelen und 60 pro Minute für einen Trial-Schlüssel. Der maximale Body beträgt 8 MB. Wenn du ein Limit überschreitest, erhältst du HTTP 429 mit dem Fehlercode rate_limited oder concurrency.

Was es nicht tut

Offenheit über die Lücken spart dir einen Integrationszyklus. Der Dienst ist nur Text. Es gibt keine Bild-, Audio- oder Videogenerierung, keinen Embeddings-Endpunkt und kein Fine-Tuning. Es gibt nur ein Modell, daher kannst du nicht zwischen Größen wählen oder zu einem Modell eines anderen Anbieters wechseln, indem du eine Zeichenfolge änderst. Wenn deine Pipeline Retrieval benötigt, brauchst du eine Embeddings-Quelle an anderer Stelle und übergibst den abgerufenen Text dann als normalen Kontext an diese API.

Wenn du bereits eine Anwendung hast, die aus einem Katalog vieler Modelle auswählt, ist ein Endpunkt mit nur einem Modell ein engeres Werkzeug. Für die operative Seite lies die Produktions-Checkliste für NSFW-Integration.

Das Modell liefert auch keine Garantie dafür, dass es bei Fakten recht hat. Das Entfernen von Ablehnungen fügt kein Wissen hinzu. Behandle die Ausgabe als Entwurfstext und überprüfe alles, was wichtig ist.

Kosten kalkulieren

Die Abrechnung erfolgt pro Token: $0,15 pro 1M Input-Token und $0,50 pro 1M Output-Token. Du zahlst Prepaid-Guthaben im Voraus, nichts erneuert sich automatisch, und das Guthaben verfällt nie. Fehlgeschlagene oder abgelehnte Anfragen werden nicht berechnet. Prompts werden nicht zum Training verwendet.

Hier sind zwei durchgerechnete Beispiele.

Ein Chat-Durchlauf in einer Companion-App. Nimm an, jeder Durchlauf sendet 3.000 Token an Verlauf und Persona, und das Modell antwortet mit 250 Token. Eingabekosten: 3.000 x 0,15 $ / 1.000.000 = 0,00045 $. Ausgabekosten: 250 x 0,50 $ / 1.000.000 = 0,000125 $. Ein Durchlauf kostet 0,000575 $, also kosten 1.000 Durchläufe 0,575 $.

Ein Batch-Job zum Umschreiben. Nimm 20.000 Text-Snippets mit jeweils 400 Input-Token, mit 300 Token, die für jedes zurückgegeben werden. Input: 8.000.000 Token, das sind 8 x $0,15 = $1,20. Output: 6.000.000 Token, das sind 6 x $0,50 = $3,00. Der Job kostet insgesamt $4,20.

Ausgabetoken kosten mehr als dreimal so viel wie Eingabetoken, daher ist die Begrenzung der Antwortlänge die größte Ersparnis bei generationlastigen Aufgaben. Lange Gespräche vergrößern auch die Eingabeseite bei jedem Durchlauf, was ein Grund ist, alten Verlauf zusammenzufassen, anstatt ihn erneut zu senden. Die Preisseite listet die aktuellen Tarife auf.

Bezahlung und Einstieg

Neue Nutzer können $0,50 Testguthaben mit einem Klick auf der API-Schlüssel-Seite nach der Anmeldung mit Google oder mit E-Mail und Passwort beanspruchen. Es ist 7 Tage gültig, auf eine Person begrenzt und erfordert keine Zahlung. Führe einige echte Prompts aus deinem eigenen Anwendungsfall aus und prüfe, ob Ton und Format passen.

Wenn du in die Produktion gehst, lade einen beliebigen ganzen Betrag von $20 bis $500 auf. Ein Bonus gilt bei größeren Beträgen: +5 % ab $50, +10 % ab $100 und +15 % ab $200. Diese Website akzeptiert nur Krypto, mit USDT auf TRC20 oder USDC auf Base. Wenn du noch nie in Krypto bezahlt hast, plane etwas Zeit für deine erste Überweisung ein und lade auf, bevor du das Guthaben benötigst.

Erstelle deinen Schlüssel auf der API-Schlüssel-Seite und verweise dann deinen bestehenden Client auf die Base URL.

Ein kurzer Evaluierungsplan

  1. Schreibe zehn Prompts, die dein Produkt wirklich senden wird, einschließlich einiger, die andere Modelle ablehnen.
  2. Führe sie mit dem Testguthaben bei deiner beabsichtigten Temperatur aus und notiere Ablehnungen, Ton und Länge.
  3. Teste Streaming und, wenn du darauf angewiesen bist, Function Calling und den JSON-Modus.
  4. Schätze die monatlichen Token basierend auf den obigen Beispielen ab und multipliziere sie mit den beiden Raten.
  5. Entscheide über deine eigene Moderation und Altersfreigabe vor dem Launch.

Wenn diese fünf Schritte gut verlaufen, hast du alles, was du brauchst, um zu entscheiden, ob dieser Endpunkt in deinen Stack gehört.

Fragen und Antworten

Ist eine unzensierte LLM-API legal zu nutzen?

Der Dienst ist für die rechtmäßige Nutzung durch Erwachsene konzipiert. Du bist für den Inhalt deines Produkts und die Einhaltung der Gesetze dort, wo du und deine Nutzer sind, verantwortlich. Der Dienst verbietet jegliche sexuellen Inhalte, die Minderjährige involvieren.

Kann ich das OpenAI SDK verwenden?

Ja. Setze die Base URL auf https://api.uncensoredllmapi.com/v1, verwende deinen Schlüssel als Bearer-Token und stelle das Modell auf uncensored.

Unterstützt es Function Calling?

Ja. Function Calling mit tools, tool_choice und gestreamten tool_calls wird unterstützt, und der JSON-Modus ist über response_format verfügbar.

Gibt es einen kostenlosen Tarif?

Nein. Neue Nutzer können auf der API-Schlüssel-Seite $0,50 kostenloses Testguthaben beanspruchen, gültig für 7 Tage, einmal pro Person, ohne dass eine Zahlung erforderlich ist.

Dein Schlüssel ist nur ein Formular entfernt

Erstelle ein Konto, kopiere den Schlüssel, ändere die Basis-URL. Das ist die gesamte Einrichtung.