LLM sans censure : ce que cela signifie et comment l'utiliser

Ce qu'est réellement un LLM sans censure

La plupart des produits de chat enveloppent un modèle de langage dans des couches de comportement de refus. Une partie est entraînée dans les poids, une autre est un prompt système, et une autre est un filtre séparé qui lit votre entrée et la réponse. Un LLM sans censure est un modèle dont les poids ont été ajustés de sorte que la première couche, les refus entraînés, est beaucoup plus faible. Il répond aux questions sur les thèmes sombres dans la fiction, les sujets médicaux ou juridiques directs, et d'autres matériaux pour adultes qu'un assistant grand public refuse souvent ou atténue.

Le terme est un peu impropre. Rien n'a été retiré du modèle comme un câble coupé. Ce qui change, ce sont les données d'entraînement et les étapes de réglage. Un modèle de base apprend le langage à partir d'une vaste collection de textes. Une étape ultérieure lui apprend à suivre les instructions et, généralement, à refuser une longue liste de demandes. Une variante sans censure saute la plupart de cet entraînement au refus, ou ajoute un réglage qui pousse dans l'autre sens.

Le service derrière ce site fait tourner un seul modèle à poids ouverts de ce type, opéré par un fournisseur indépendant. Ce n'est pas l'API officielle d'un grand laboratoire, et ce n'est pas un routeur qui choisit entre des fournisseurs. Vous obtenez un seul modèle, avec l'ID uncensored, derrière un endpoint standard chat completions.

Ce que sans censure ne signifie pas

Cela ne signifie pas que le modèle n'a aucune limite. Il y a une ligne dure ici : aucun contenu sexuel impliquant des mineurs, jamais. Le service est conçu pour une utilisation adulte légale uniquement. Si vous avez besoin d'un modèle pour autre chose, ce n'est pas le bon outil.

Cela ne signifie pas non plus que le modèle est plus intelligent, plus honnête ou plus précis. Un modèle avec moins de refus fait toujours des erreurs, invente toujours des faits lorsqu'il ne sait pas quelque chose, et a toujours besoin des mêmes précautions avec les prompts. Supprimer les refus change ce qu'il est prêt à dire, pas sa capacité de raisonnement. Traitez sa sortie comme vous le feriez avec n'importe quel autre modèle : vérifiez tout ce qui est important.

Enfin, cela ne signifie pas que vous pouvez ignorer votre propre responsabilité. Si vous construisez une application par-dessus, vous décidez ce que vos utilisateurs peuvent faire, et vous avez le devoir de respecter la loi là où vous et eux vivez. Un modèle qui ne refuse pas est un outil sans garde, donc la garde doit venir de votre produit.

Refus, atténuation et moralisation sont des choses différentes

Les gens regroupent trois comportements. Un refus est un « Je ne peux pas vous aider avec ça » catégorique. L'hésitation est une réponse enterrée sous des avertissements. Le moralisme est une leçon non sollicitée. Un assistant grand public fait souvent les trois sur le même sujet. Un modèle sans censure supprime généralement le refus et la majeure partie de la leçon, ce qui plaît aux auteurs de fiction et aux développeurs de jeux de rôle : la sortie reste en personnage au lieu de sortir de la scène pour commenter celle-ci.

D'où vient le comportement

Si un modèle refuse moins, la cause se situe dans l'un des quatre endroits, et il est utile de savoir lequel, car seulement certains d'entre eux sont sous votre contrôle.

1. Données d'entraînement et réglage. C'est la principale source. Elle est figée lorsque le fournisseur construit le modèle, et vous ne pouvez pas la modifier via l'API.
2. Le prompt système. Vous contrôlez celui-ci. Un message système clair qui définit un rôle, un cadre et un ton change considérablement les réponses, même sur un modèle permissif.
3. Paramètres d'échantillonnage. La température et le top_p ne déterminent pas le sujet que le modèle abordera, mais ils influencent la variété et la cohérence du texte. Ces paramètres sont transmis au modèle.
4. Filtres de la plateforme. De nombreuses API hébergées ajoutent une couche de modération devant le modèle. Cette couche est la raison pour laquelle une requête peut échouer même lorsque les poids sous-jacents y répondraient. Vérifiez comment un fournisseur gère cela avant de construire dessus.

Une conséquence pratique : vous ne pouvez pas contourner les restrictions pour accéder à un autre modèle. Si un assistant grand public refuse, un prompt astucieux ne suffit que jusqu'à la prochaine mise à jour. Un modèle sans censure supprime le problème à la source.

Utilisations légitimes pour moins de refus

La liste honnête des raisons pour lesquelles les gens veulent moins de refus est plus longue que le stéréotype ne le suggère.

• Fiction et création d'univers. Les romans traitent de violence, de crime, de deuil et de cruauté. Un assistant d'écriture qui interrompt la scène pour vous avertir est inutile pour un thriller ou une histoire de guerre.
• Applications de jeu de rôle et de compagnon pour adultes. Le chat axé sur les personnages nécessite un modèle qui reste en personnage sur de longues sessions sans s'arrêter pour faire de l'édition.
• Tests de sécurité et de modération. Les équipes qui construisent des filtres de contenu ont besoin d'exemples réalistes du texte qu'elles veulent capturer. Un modèle qui produira des cas difficiles les aide à tester.
• Recherche et analyse. Résumer des textes extrémistes, étudier la propagande ou discuter d'histoire sensible déclenche parfois les filtres d'un modèle prudent même si l'objectif est clair.
• Conseils francs. Les questions sur les drogues, la réduction des risques ou les zones grises juridiques méritent des réponses directes plutôt qu'un mur de réserves. Souvenez-vous que le modèle peut se tromper, ne le traitez donc pas comme un médecin ou un avocat.

Aucun de ces cas ne nécessite quelque chose d'illégal, et tous fonctionnent mieux avec un modèle qui traite l'utilisateur comme un adulte.

Comment l'appeler : URL de base, clé et ID de modèle

L'API suit le format de chat completions d'OpenAI, donc n'importe quel SDK OpenAI ou client compatible fonctionne une fois que vous modifiez deux valeurs. L'URL de base est https://api.ornith.top/v1, la clé va dans un en-tête Authorization: Bearer, et l'ID de modèle est uncensored. Deux méthodes sont disponibles : POST /v1/chat/completions et GET /v1/models.

Commencez par une requête curl simple pour confirmer que votre clé fonctionne :

Copycurl https://api.ornith.top/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [
      {"role": "system", "content": "You are a blunt editor for adult fiction."},
      {"role": "user", "content": "Rewrite this scene so the villain sounds more menacing."}
    ]
  }'

En Python, utilisez le package officiel openai et pointez-le vers la nouvelle URL de base :

Copyfrom openai import OpenAI

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

resp = client.chat.completions.create(
    model="uncensored",
    messages=[
        {"role": "system", "content": "You write dark fantasy for adult readers."},
        {"role": "user", "content": "Describe a siege from the point of view of a tired defender."},
    ],
    temperature=0.9,
)
print(resp.choices[0].message.content)

Et la même chose en Node :

Copyimport OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.ornith.top/v1",
  apiKey: process.env.API_KEY,
});

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Give me three bleak opening lines for a noir story." }],
  stream: true,
});

for await (const chunk of resp) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
}

Le streaming fonctionne via SSE avec stream: true, l'appel d'outils et le mode JSON sont pris en charge, et la fenêtre de contexte est de 100 000 tokens en comptant le prompt et la réponse ensemble. La documentation de l'API couvre chaque paramètre et les en-têtes de réponse, y compris X-Balance-USD, qui affiche votre crédit restant à chaque appel.

Ce que cela coûte, avec des chiffres réels

La tarification est en paiement à l'usage à partir d'un crédit prépayé : 0,15 $ par 1M de tokens d'entrée et 0,50 $ par 1M de tokens de sortie. Il n'y a pas d'abonnement, les requêtes échouées ou refusées ne sont pas facturées, et le crédit n'expire jamais.

Prenons un tour de chat typique avec un prompt de 2 000 tokens (message système plus historique) et une réponse de 500 tokens :

• Entrée : 2 000 tokens à 0,15 $ par 1M font 0,0003 $.
• Sortie : 500 tokens à 0,50 $ par 1M font 0,00025 $.
• Total par tour : 0,00055 $.

Un millier de ces tours coûtent 0,55 $. Le crédit d'essai de 0,50 $ couvre donc environ 900 tours de cette taille, ce qui est largement suffisant pour juger de la qualité d'écriture avant de payer quoi que ce soit. Pour un travail plus lourd, disons 10M de tokens d'entrée et 2M de tokens de sortie en un mois, la facture est de 1,50 $ plus 1,00 $, soit 2,50 $.

Lorsque vous rechargez, n'importe quel montant entier de 20 $ à 500 $ fonctionne, avec un bonus de 5 % à partir de 50 $, 10 % à partir de 100 $ et 15 % à partir de 200 $. Vous pouvez payer par carte (Visa, Mastercard, Apple Pay, Google Pay) ou avec de la crypto (USDT sur TRC20, USDC sur Base). Consultez la page de tarification pour le tableau complet.

L'essayer et choisir entre les options

Les nouveaux utilisateurs peuvent réclamer 0,50 $ de crédit d'essai en un clic sur la page de clé API après s'être inscrits avec Google ou avec e-mail et mot de passe. Aucune carte n'est nécessaire, c'est une par personne et cela est valable 7 jours. Une clé d'essai permet 2 requêtes simultanées et 60 requêtes par minute ; une clé complète permet 8 requêtes simultanées et 300 par minute. Vous pouvez obtenir une clé API en une minute et exécuter les exemples ci-dessus.

Un modèle hébergé n'est pas le seul moyen d'obtenir moins de refus. Vous pouvez également télécharger un modèle à poids ouverts et le faire tourner sur votre propre matériel, ce qui vous donne un contrôle total et fonctionne hors ligne, au prix d'un GPU capable et d'une certaine configuration. Notre guide de l'API LLM open source compare les options et les coûts. La route hébergée gagne quand vous voulez aucun matériel, un endpoint stable pour une application et une facturation qui évolue vers zéro quand personne ne l'utilise.

Un dernier point pour ceux qui traitent des textes sensibles : les prompts envoyés au service ne sont pas utilisés pour l'entraînement. Lisez la page de confidentialité pour plus de détails.

Plus de guides

• Meilleur LLM uncensored à exécuter localement avec Ollama
• API LLM uncensored pour SillyTavern : Étapes de configuration
• Guide de l'API LLM open source : Configuration, Coûts et Alternatives