Résumé
- Utilisez une seule URL de base et l'ID de modèle "uncensored" pour accéder à un modèle open-weight ajusté pour un faible taux de refus.
- L'API prend en charge une fenêtre de contexte de 100 000 tokens avec une limite de sortie maximale de 16 000 tokens par requête.
- Le streaming via SSE, le mode JSON et l'appel de fonctions sont entièrement pris en charge pour les pipelines de données structurées.
- La tarification est transparente à 0,15 $ par 1M de jetons d'entrée et 0,50 $ par 1M de jetons de sortie, avec des recharges uniquement en crypto.
Pourquoi l'IA sans restrictions est importante pour les développeurs
L'API sans restrictions supprime les filtres de contenu arbitraires qui rejettent souvent les sorties adultes, créatives ou techniques valides. Lorsque vous avez besoin qu'un modèle génère du code ou un récit sans adoucir son ton, les fournisseurs standards peuvent appliquer des couches de sécurité qui altèrent le résultat. Notre API propose un seul modèle sans censure qui répond directement, garantissant que vous obtenez le texte brut que vous avez demandé.
Cette approche est vitale pour les développeurs créant des outils où l'auto-censure introduit du bruit. Vous évitez la friction de retenter des prompts parce que le modèle a jugé un mot-clé « sensible ». Le modèle est open-weight et ajusté pour une utilisation adulte légale, ce qui signifie qu'il ne refuse pas les sujets controversés ou le langage explicite sauf s'il implique des mineurs. Vous obtenez un comportement cohérent et prévisible sans portes de modération cachées.
Étape 1 : Configurez votre URL de base et les en-têtes
Pointez votre SDK OpenAI vers notre URL de base et utilisez l'ID du modèle "uncensored" pour toutes les requêtes. Cela garantit que vous vous adressez à notre modèle sans filtre dédié plutôt qu'à un proxy de routage. Vous avez uniquement besoin d'une clé API valide dans l'en-tête d'autorisation.
Commencez par définir l'URL de base sur HTTPS://api.llmwithoutrestrictionsonline.com/v1. Ensuite, envoyez une requête POST à /v1/chat/completions. L'ID du modèle est strictement "uncensored". Vous pouvez utiliser n'importe quel client compatible OpenAI, mais vous devez remplacer l'URL de base. Ce point de terminaison unique gère toutes les complétions de chat. Aucun autre modèle n'est disponible, vous n'avez donc pas besoin de gérer le routage des modèles ou les versions. Définissez simplement votre clé et c'est parti.
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"}]
}'Étape 2 : Gérez les fenêtres de contexte (100k tokens)
Le modèle prend en charge une fenêtre de contexte de 100 000 tokens combinant prompt et complétion. Vous pouvez envoyer de grands documents ou de longues conversations sans atteindre rapidement des limites strictes. Cependant, la sortie maximale par requête est de 16 000 tokens. Si vous ne définissez pas max_tokens, la valeur par défaut est de 2 048. Planifiez vos stratégies de streaming ou de fractionnement en conséquence.
Lors de l’envoi de longues entrées, assurez-vous que le nombre total de jetons reste inférieur à 100,000. Cela inclut les invites système, l’historique et le message de l’utilisateur. Si vous dépassez cette limite, la requête échouera. Pour les tâches nécessitant des sorties plus longues, vous devrez peut-être diviser la génération. L’API ne prend pas en charge les embeddings, vous devez donc gérer votre propre logique de récupération. Cela garde le service concentré sur la génération de texte pure sans surcharge supplémentaire.
Étape 3 : Activez le streaming pour une sortie en temps réel
Utilisez les événements envoyés par le serveur (SSE) pour diffuser les tokens au fur et à mesure de leur génération. Cela fournit un retour immédiat pour les interfaces utilisateur et réduit la latence perçue. Le dernier chunk du flux inclut l'utilisation totale des tokens pour la demande. Vous pouvez l'analyser pour suivre les coûts en temps réel sans attendre la réponse complète.
Définissez le paramètre stream sur true dans votre requête. L'API renvoie une série d'objets delta. Chaque delta contient une chaîne de contenu partiel. Concaténez ces chaînes pour construire la sortie finale. Cette méthode est standard pour les clients compatibles OpenAI. Elle fonctionne parfaitement avec la plupart des SDK. Vous n'avez pas besoin d'un analyseur personnalisé pour le format SSE. Gérez simplement les événements de flux à mesure qu'ils arrivent.
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)Étape 4 : Forcez le mode JSON pour les données structurées
Activez le mode JSON en définissant response_format sur json_object. Cela force le modèle à produire du JSON valide, essentiel pour les pipelines programmatiques. Cela réduit les erreurs d'analyse et garantit que votre backend reçoit des données structurées. Utilisez ceci pour extraire des entités, générer des fichiers de configuration ou créer des entrées d'outils.
Lors de l'utilisation du mode JSON, le modèle peut toujours produire de légers problèmes de formatage. Validez toujours la sortie avec un analyseur JSON. Cette fonctionnalité est cruciale pour les développeurs qui ont besoin de structures déterministes. Elle ne garantit pas une syntaxe parfaite, mais elle améliore considérablement la fiabilité. Combinez cela avec un prompt système qui indique au modèle de ne produire que du JSON. Cela réduit le risque d'enveloppes markdown ou de texte supplémentaire.
Étape 5 : Implémenter l'appel de fonctions (Outils)
Prenez en charge l'appel de fonctions en passant les paramètres tools et tool_choice. Le modèle peut décider quelle fonction appeler et générer les arguments. Cela permet des workflows agents où l'API interagit avec des services externes. Vous définissez le schéma de la fonction, et le modèle renvoie les appels d'outil dans la réponse.
Définissez vos fonctions avec des noms, des descriptions et des schémas de paramètres. Transmettez-les dans le tableau tools. Le modèle répondra par une liste d'appels d'outils. Vous exécutez ensuite ces fonctions et renvoyez les résultats au modèle. Cette boucle permet un raisonnement complexe en plusieurs étapes. Cela fonctionne avec le modèle uncensored comme avec les modèles standard. Aucune configuration spéciale n'est nécessaire au-delà du format OpenAI standard.
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);Étape 6 : Gérer les coûts et les limites des jetons
La tarification est transparente : 0,15 $ par 1M de jetons en entrée et 0,50 $ par 1M de jetons en sortie. Vous payez pour l'utilisation réelle, les erreurs et les refus étant gratuits. Il n'y a pas d'abonnements mensuels ni de frais cachés. Le crédit n'expire jamais, vous pouvez donc recharger une fois et l'utiliser au fil du temps. Ce modèle convient aux projets à fort volume et à long terme sans engagement.
Vous pouvez recharger uniquement avec de la crypto. Le minimum de rechargement est de 20 $, le maximum est de 500 $. Vous recevez un bonus : +5 % pour 50 $, +10 % pour 100 $ et +15 % pour 200 $. Les limites incluent 300 requêtes par minute et 8 requêtes simultanées par clé. Le corps de la requête doit être inférieur à 8 Mo. Utilisez une seule clé API par compte, ou remplacez-la si nécessaire.
Étape 7 : Débogage des rejets courants des filtres
Même les modèles sans censure peuvent rejeter du contenu spécifique, tel que le contenu sexuel impliquant des mineurs. Il s'agit d'une limite stricte qui s'applique toujours. Si vous obtenez un refus, vérifiez la réponse pour un code d'erreur indiquant la politique de contenu. Sinon, les refus sont rares pour les sujets adultes, créatifs ou techniques. Si vous rencontrez des blocages inattendus, ajustez votre prompt système pour clarifier le contexte.
Les problèmes courants incluent les débordements de fenêtre de contexte ou les erreurs d’analyse JSON. Assurez-vous que votre entrée reste sous 100 000 jetons. Utilisez le mode JSON pour les sorties structurées. Si vous devez déboguer, vérifiez le corps de la réponse pour des messages d’erreur détaillés. L’API fournit des retours clairs. Vous pouvez également contacter le support pour les doubles facturations ou les problèmes de compte. Le crédit n’est pas remboursé, mais les erreurs sont gratuites.
Conclusion : Construire sans garde-fous
Le développement avec une IA sans restrictions vous offre un contrôle total sur les sorties. Vous évitez le bruit des filtres de sécurité qui épurent le texte pour le grand public. Cette API propose un modèle open source fiable pour les développeurs qui nécessitent des résultats bruts et non filtrés. Utilisez les points de terminaison standard compatibles OpenAI pour une intégration facile. Diffusez les réponses, forcez le format JSON ou appelez des outils selon les besoins.
La tarification est simple et transparente. Payez uniquement ce que vous utilisez, avec des recharges en crypto et sans expiration. Le modèle est optimisé pour un usage adulte légal, garantissant que vous obtenez le contenu attendu. Commencez avec le crédit d'essai, intégrez vos applications et évoluez sans limites. C'est un outil pour les développeurs qui veulent de la puissance, pas du polissage.
