Zusammenfassung
- Verwenden Sie eine einzelne Basis-URL und die Modell-ID "uncensored", um auf ein Open-Weight-Modell zuzugreifen, das auf niedrige Ablehnungsraten optimiert ist.
- Die API unterstützt ein Kontextfenster von 100.000 Token mit einer maximalen Ausgabelimit von 16.000 Token pro Anfrage.
- Streaming über SSE, JSON-Modus und Function Calling werden für strukturierte Datenpipelines vollständig unterstützt.
- Die Preise sind transparent bei $0.15 pro 1M Eingabetokens und $0.50 pro 1M Ausgabetokens, mit Krypto-nur-Aufladungen.
Warum „KI ohne Einschränkungen“ für Entwickler wichtig ist
KI ohne Einschränkungen beseitigt die willkürlichen Inhaltsfilter, die oft gültige Ausgaben für Erwachsene, Kreation oder Technik ablehnen. Wenn Sie ein Modell benötigen, das Code oder Erzählungen generiert, ohne den Ton abzumildern, wenden Standardanbieter möglicherweise Sicherheitsschichten an, die das Ergebnis verändern. Unsere API bietet ein einziges spezifisches zensurfreies Modell, das direkt antwortet, sodass Sie den Rohtext erhalten, den Sie angefordert haben.
Dieser Ansatz ist entscheidend für Entwickler, die Tools erstellen, bei denen Selbstzensur Rauschen verursacht. Sie vermeiden den Aufwand, Prompts erneut zu senden, weil das Modell ein Schlüsselwort als "sensibel" eingestuft hat. Das Modell ist Open-Weight und für die legale Nutzung durch Erwachsene optimiert, was bedeutet, dass es kontroverse Themen oder explizite Sprache nicht ablehnt, es sei denn, sie betreffen Minderjährige. Sie erhalten ein konsistentes, vorhersehbares Verhalten ohne versteckte Moderationsfilter.
Schritt 1: Konfigurieren Sie Ihre Basis-URL und Header
Richten Sie Ihren OpenAI SDK auf unsere Basis-URL ein und verwenden Sie die Modell-ID "uncensored" für alle Anfragen. Dies stellt sicher, dass Sie mit unserem dedizierten unzensierten Modell kommunizieren und nicht mit einem weitergeleiteten Proxy. Sie benötigen lediglich einen gültigen API-Schlüssel im Authorization-Header.
Beginnen Sie, indem Sie die Base-URL auf HTTPS://api.llmwithoutrestrictionsonline.com/v1 setzen. Senden Sie anschließend eine POST-Anfrage an /v1/chat/completions. Die Model-ID ist strikt "uncensored". Sie können jeden beliebigen OpenAI-kompatiblen Client verwenden, müssen jedoch die Base-URL überschreiben. Dieser einzelne Endpunkt verarbeitet alle Chat-Vervollständigungen. Es sind keine anderen Modelle verfügbar, sodass Sie kein Modell-Routing oder Versionierung verwalten müssen. Legen Sie einfach Ihren Schlüssel fest und los geht's.
curl https://api.llmwithoutrestrictionsonline.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "List three linux commands to delete log files"}]
}'Schritt 2: Behandeln Sie Context Windows (100k Tokens)
Das Modell unterstützt einen 100.000-Token-Context-Window, der Prompt und Completion kombiniert. Sie können große Dokumente oder lange Konversationen senden, ohne früh an harte Grenzen zu stoßen. Die maximale Ausgabe pro Anfrage beträgt jedoch 16.000 Token. Wenn Sie max_tokens nicht festlegen, beträgt der Standardwert 2.048. Planen Sie Ihre Streaming- oder Chunking-Strategien entsprechend.
Wenn Sie lange Eingaben senden, stellen Sie sicher, dass die Gesamtzahl der Tokens 100.000 nicht überschreitet. Dies umfasst Systemprompte, Verlauf und die Benutzernachricht. Wenn Sie diesen Wert überschreiten, schlägt die Anfrage fehl. Für Aufgaben, die längere Ausgaben erfordern, müssen Sie möglicherweise die Generierung aufteilen. Die API unterstützt keine Embeddings, daher müssen Sie Ihre eigene Abruflogik implementieren. Dies hält den Dienst auf reine Textgenerierung fokussiert, ohne zusätzlichen Overhead.
Schritt 3: Aktivieren Sie Streaming für Echtzeit-Ausgaben
Nutzen Sie Server-Sent Events (SSE), um Tokens zu streamen, sobald sie generiert werden. Dies bietet sofortiges Feedback für Benutzeroberflächen und reduziert die wahrgenommene Latenz. Der letzte Chunk des Streams enthält die gesamten Tokenkosten für die Anfrage. Sie können dies analysieren, um Kosten in Echtzeit zu verfolgen, ohne auf die vollständige Antwort zu warten.
Legen Sie den Parameter stream auf true in Ihrer Anfrage fest. Die API gibt eine Reihe von Delta-Objekten zurück. Jedes Delta enthält einen Teil-String des Inhalts. Verketten Sie diese Strings, um die endgültige Ausgabe zu erstellen. Diese Methode ist der Standard für OpenAI-kompatible Clients. Sie funktioniert nahtlos mit den meisten SDKs. Sie benötigen keinen benutzerdefinierten Parser für das SSE-Format. Behandeln Sie die Stream-Events einfach, wie sie eintreffen.
from openai import OpenAI
client = OpenAI(base_url="https://api.llmwithoutrestrictionsonline.com/v1", api_key="YOUR_KEY")
resp = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)Schritt 4: Erzwingen Sie den JSON-Modus für strukturierte Daten
Aktivieren Sie den JSON-Modus, indem Sie response_format auf json_object setzen. Dies zwingt das Modell, gültiges JSON auszugeben, was für programmatische Pipelines unerlässlich ist. Es reduziert Parsing-Fehler und stellt sicher, dass Ihr Backend strukturierte Daten erhält. Verwenden Sie dies zum Extrahieren von Entitäten, Generieren von Konfigurationsdateien oder Erstellen von Tool-Eingaben.
Wenn Sie den JSON-Modus verwenden, kann das Modell weiterhin geringfügige Formatierungsprobleme aufweisen. Validieren Sie die Ausgabe immer mit einem JSON-Parser. Diese Funktion ist entscheidend für Entwickler, die deterministische Strukturen benötigen. Sie garantiert keine perfekte Syntax, verbessert die Zuverlässigkeit jedoch erheblich. Kombinieren Sie dies mit einem System-Prompt, der das Modell anweist, nur JSON auszugeben. Dies reduziert die Wahrscheinlichkeit von Markdown-Umhüllungen oder zusätzlichem Text.
Schritt 5: Function Calling (Tools) implementieren
Unterstützt Function Calling durch Übergeben der Parameter tools und tool_choice. Das Modell kann entscheiden, welche Funktion aufgerufen werden soll, und die Argumente generieren. Dies ermöglicht agentic Workflows, bei denen die API mit externen Diensten interagiert. Sie definieren das Funktionsschema, und das Modell gibt die Tool-Aufrufe in der Antwort zurück.
Definieren Sie Ihre Funktionen mit Namen, Beschreibungen und Parameterschemas. Übergeben Sie sie im tools-Array. Das Modell antwortet mit einer Liste von Tool-Aufrufen. Sie führen diese Funktionen dann aus und übergeben die Ergebnisse zurück an das Modell. Diese Schleife ermöglicht komplexe mehrstufige Schlussfolgerungen. Sie funktioniert mit dem unzensierten Modell genauso wie mit Standardmodellen. Es ist keine spezielle Konfiguration erforderlich, über das Standard-OpenAI-Format hinaus.
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.llmwithoutrestrictionsonline.com/v1", apiKey: process.env.API_KEY });
const resp = await client.chat.completions.create({
model: "uncensored",
messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);Schritt 6: Token-Kosten und Limits verwalten
Die Preise sind transparent: $0.15 pro 1M Eingabe-Token und $0.50 pro 1M Ausgabe-Token. Sie zahlen für die tatsächliche Nutzung, wobei Fehler und Ablehnungen kostenlos sind. Es gibt keine monatlichen Abonnements oder versteckten Gebühren. Das Guthaben verfällt nicht, sodass Sie einmal aufladen und es über Zeit nutzen können. Dieses Modell eignet sich für Projekte mit hohem Volumen und langer Laufzeit ohne Verpflichtung.
Sie können nur mit Kryptowährungen aufladen. Der Mindestbetrag beträgt 20 $, das Maximum 500 $. Sie erhalten einen Bonus: +5 % für 50 $, +10 % für 100 $ und +15 % für 200 $. Die Limits umfassen 300 Anfragen pro Minute und 8 gleichzeitige Anfragen pro Schlüssel. Der Anfragekörper muss unter 8 MB liegen. Verwenden Sie einen einzelnen API-Schlüssel pro Konto oder ersetzen Sie ihn bei Bedarf.
Schritt 7: Fehlerbehebung bei häufigen Filterablehnungen
Selbst unzensierte Modelle können spezifische Inhalte ablehnen, wie z. B. sexuellen Inhalt, der Minderjährige betrifft. Dies ist eine harte Grenze, die immer gilt. Wenn Sie eine Ablehnung erhalten, prüfen Sie die Antwort auf einen Fehlercode, der auf die Inhaltsrichtlinie hinweist. Andernfalls sind Ablehnungen für erwachsene, kreative oder technische Themen selten. Wenn Sie unerwartete Blocks encounters, passen Sie Ihren System-Prompt an, um den Kontext zu klären.
Häufige Probleme umfassen Context-Window-Überläufe oder JSON-Parsing-Fehler. Stellen Sie sicher, dass Ihre Eingabe unter 100.000 Tokens bleibt. Verwenden Sie den JSON-Modus für strukturierte Ausgaben. Wenn Sie debuggen müssen, überprüfen Sie den Antwortbody auf detaillierte Fehlermeldungen. Die API bietet klares Feedback. Sie können den Support auch bei Doppelbelastungen oder Kontoproblemen kontaktieren. Guthaben wird nicht erstattet, Fehler sind jedoch kostenlos.
Fazit: Bauen ohne Schutzschranken
Die Entwicklung mit KI ohne Einschränkungen gibt Ihnen die volle Kontrolle über die Ausgabe. Sie vermeiden das Rauschen von Sicherheitsfiltern, die Texte für die Massenansprache bereinigen. Diese API bietet ein zuverlässiges, Open-Weight-Modell für Entwickler, die rohe, unfilterierte Ergebnisse benötigen. Nutzen Sie die standardmäßigen OpenAI-kompatiblen Endpunkte für eine einfache Integration. Streamen Sie Antworten, erzwingen Sie JSON oder rufen Sie Tools nach Bedarf auf.
Der Preis ist einfach und transparent. Bezahlen Sie nur, was Sie verwenden, mit Krypto-Aufladungen und ohne Verfallsdatum. Das Modell ist für die legale erwachsene Nutzung optimiert, sodass Sie genau den Inhalt erhalten, den Sie erwarten. Starten Sie mit dem Testguthaben, integrieren Sie Ihre Apps und skalieren Sie ohne Grenzen. Dies ist ein Tool für Entwickler, die Leistung wollen, nicht nur Oberflächenschönheit.
