LLM sem censura: o que é e como usar

O que é realmente um LLM sem censura

A maioria dos produtos de chat envolve um modelo de linguagem em camadas de comportamento de recusa. Parte disso é treinada nos pesos, parte é um prompt de sistema e parte é um filtro separado que lê sua entrada e a resposta. Um LLM sem censura é um modelo cujos pesos foram ajustados para que a primeira camada, as recusas treinadas, seja muito mais fraca. Ele responde perguntas sobre temas sombrios na ficção, tópicos médicos ou jurídicos diretos e outros materiais adultos que um assistente comum frequentemente recusa ou dilui.

O termo é um pouco enganoso. Nada foi removido do modelo como um cabo cortado. O que muda são os dados de treinamento e as etapas de ajuste. Um modelo base aprende linguagem de uma enorme coleção de textos. Uma fase posterior ensina-o a seguir instruções e, geralmente, a recusar uma longa lista de solicitações. Uma variante sem censura ignora a maior parte desse treinamento de recusa ou adiciona ajuste que empurra na outra direção.

O serviço por trás deste site executa um modelo de pesos abertos desse tipo, operado por um provedor independente. Não é a API oficial de nenhum grande laboratório, nem é um roteador que escolhe entre fornecedores. Você recebe um modelo, com o ID uncensored, atrás de um endpoint padrão de conclusão de chat.

O que sem censura não significa

Não significa que o modelo não tenha limites. Há uma linha dura aqui: sem conteúdo sexual envolvendo menores de idade, sem exceção. O serviço é construído apenas para uso adulto lícito. Se você precisa de um modelo para qualquer coisa fora disso, esta é a ferramenta errada.

Também não significa que o modelo seja mais inteligente, mais honesto ou mais preciso. Um modelo com menos recusas ainda comete erros, ainda inventa fatos quando não sabe algo e ainda precisa do mesmo cuidado com prompts. Remover recusas muda o que ele está disposto a dizer, não o quão bem ele raciocina. Trate sua saída como faria com qualquer outro modelo: verifique qualquer coisa que seja importante.

Finalmente, não significa que você possa pular sua própria responsabilidade. Se você criar um aplicativo baseado nisso, você decide o que seus usuários podem fazer e assume o dever de seguir a lei onde você e eles moram. Um modelo que não recusa é uma ferramenta sem guarda, então a guarda tem que vir do seu produto.

Recusas, hesitação e moralização são coisas diferentes

As pessoas agrupam três comportamentos juntos. Uma recusa é um "Não posso ajudar com isso" direto. A hesitação é uma resposta enterrada sob avisos. A moralização é uma palestra não solicitada. Um assistente comum frequentemente faz tudo isso no mesmo tópico. Um modelo sem censura geralmente remove a recusa e a maior parte da palestra, é por isso que escritores de ficção e desenvolvedores de roleplay gostam dele: a saída permanece no personagem em vez de sair da cena para comentá-la.

De onde vem o comportamento

Se um modelo recusa menos, a causa está em um dos quatro lugares, e ajuda saber qual, porque apenas alguns deles estão sob seu controle.

1. Dados de treinamento e ajuste. Esta é a principal fonte. É fixo quando o provedor constrói o modelo, e você não pode alterá-lo pela API.
2. O prompt do sistema. Você controla este. Uma mensagem de sistema clara que define um papel, um cenário e um tom altera muito as respostas, mesmo em um modelo permissivo.
3. Configurações de amostragem. Temperatura e top_p não decidem sobre o que o modelo vai discutir, mas alteram quão variado e coerente é o texto. Estes são passados para o modelo.
4. Filtros da plataforma. Muitas APIs hospedadas adicionam uma camada de moderação na frente do modelo. Essa camada é a razão pela qual uma requisição pode falhar mesmo quando os pesos subjacentes a responderiam. Verifique como um provedor lida com isso antes de construir sobre ele.

Uma consequência prática: você não pode "burlar filtros" para chegar a um modelo diferente. Se um assistente principal recusar, um prompt inteligente só ajuda até a próxima atualização. Um modelo sem censura ignora o problema na origem.

Usos legítimos para menos recusas

A lista honesta de razões pelas quais as pessoas querem menos recusas é mais longa do que o estereótipo sugere.

• Ficção e construção de mundo. Romances lidam com violência, crime, luto e crueldade. Um assistente de escrita que interrompe a cena para alertá-lo é inútil para um thriller ou uma história de guerra.
• Roleplay e aplicativos de companhia para adultos. Chat baseado em personagens precisa de um modelo que mantenha o personagem em sessões longas sem parar para editorializar.
• Testes de segurança e moderação. Equipes que constroem filtros de conteúdo precisam de exemplos realistas do texto que desejam capturar. Um modelo que produz casos difíceis ajuda a testar.
• Pesquisa e análise. Resumir textos extremistas, estudar propaganda ou discutir história sensível às vezes ativa os filtros de um modelo cauteloso mesmo quando o propósito é claro.
• Tópicos de conselho direto. Perguntas sobre drogas, redução de danos ou áreas cinzentas da lei merecem respostas diretas em vez de um muro de ressalvas. Lembre-se de que o modelo pode estar errado, então não o trate como um médico ou advogado.

Nenhum desses requer nada ilegal, e todos funcionam melhor com um modelo que trata o usuário como um adulto.

Como chamar: base URL, chave e ID do modelo

A API segue o formato de conclusões de chat OpenAI, então qualquer SDK OpenAI ou cliente compatível funciona assim que você altera dois valores. A base URL é https://api.ornith.top/v1, a chave vai em um cabeçalho Authorization: Bearer, e o ID do modelo é uncensored. Dois métodos estão disponíveis: POST /v1/chat/completions e GET /v1/models.

Comece com uma requisição curl simples para confirmar que sua chave funciona:

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."}
    ]
  }'

Em Python, use o pacote oficial openai e aponte-o para a nova base URL:

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)

E o mesmo em 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 ?? "");
}

O streaming funciona via SSE com stream: true, chamada de funções e modo JSON são suportados, e a janela de contexto é de 100.000 tokens contando prompt e resposta juntos. A documentação da API cobre cada parâmetro e os cabeçalhos de resposta, incluindo X-Balance-USD, que mostra seu crédito restante em cada chamada.

Quanto custa, com números reais

Os preços são pagamento por uso a partir de crédito pré-pago: $0,15 por 1M de tokens de entrada e $0,50 por 1M de tokens de saída. Não há assinatura, requisições falhas ou recusadas não são cobradas, e o crédito nunca expira.

Considere um turno de chat típico com um prompt de 2.000 tokens (mensagem de sistema mais histórico) e uma resposta de 500 tokens:

• Entrada: 2.000 tokens a $0,15 por 1M é $0,0003.
• Saída: 500 tokens a $0,50 por 1M é $0,00025.
• Total por turno: $0.00055.

Mil desses turnos custam $0,55. O crédito de teste de $0,50, portanto, cobre aproximadamente 900 turnos desse tamanho, o que é suficiente para avaliar a qualidade da escrita antes de pagar qualquer coisa. Para um trabalho mais pesado, digamos 10M de tokens de entrada e 2M de tokens de saída em um mês, a conta é $1,50 mais $1,00, totalizando $2,50.

Quando você recarregar, qualquer valor inteiro de $20 a $500 funciona, com um bônus de 5% a partir de $50, 10% a partir de $100 e 15% a partir de $200. Você pode pagar com cartão (Visa, Mastercard, Apple Pay, Google Pay) ou com cripto (USDT na TRC20, USDC na Base). Veja a página de preços para a tabela completa.

Testando e escolhendo entre opções

Novos usuários podem resgatar $0,50 de crédito de teste com um clique na página da chave de API após entrar com Google ou com e-mail e senha. Não precisa de cartão, é um por pessoa e é válido por 7 dias. Uma chave de teste permite 2 requisições simultâneas e 60 requisições por minuto; uma chave completa permite 8 simultâneas e 300 por minuto. Você pode obter uma chave de API em um minuto e executar os exemplos acima.

Um modelo hospedado não é a única maneira de obter menos recusas. Você também pode baixar um modelo de pesos abertos e executá-lo no seu próprio hardware, o que lhe dá controle total e funciona offline, ao preço de uma GPU capaz e alguma configuração. Nosso guia de API LLM open source compara as opções e os custos. A rota hospedada vence quando você quer sem hardware, um endpoint estável para um aplicativo e cobrança que escala para zero quando ninguém usa.

Mais um ponto para quem lida com texto sensível: prompts enviados ao serviço não são usados para treinamento. Leia a página de privacidade para detalhes.

Mais guias

• Melhor LLM sem censura para executar localmente com Ollama
• API LLM Sem Censura para SillyTavern: Etapas de Configuração
• Guia de API LLM de Código Aberto: Configuração, Custos e Alternativas