首頁指南
線上無審查 LLM:透過 API 使用,無需安裝

已更新 LLM Sin Censura
使用線上無審查 LLM 不需要 GPU 也不需要下載:只需金鑰、URL 和任何相容 OpenAI 的客戶端。本指南涵蓋從金鑰到首次串流聊天以及桌面客戶端的配置。

步驟 1:金鑰與 10 秒測試
一個線上無審查 LLM可像任何雲端 API 一樣使用。使用 Google 或電子郵件與密碼在金鑰頁面登入,以一個點擊領取 $0.50 試用額度(7 天、無需付款方式、每人一次)並複製金鑰。之後請確認一切正常運作:
curl https://api.llmsincensura.com/v1/chat/completions \
-H "Authorization: Bearer TU_CLAVE" \
-H "Content-Type: application/json" \
-d '{"model": "uncensored", "messages": [{"role": "user", "content": "Preséntate en una frase."}]}'
如果你看到包含 choices[0].message.content 回應的 JSON,表示線上模型已運作。這是一個由獨立供應商託管的單一開放模型:它不是大型 AI 公司的官方 API,且僅處理文字。
步驟 2:帶有歷史記錄的終端聊天
API 不會在請求之間儲存對話。每個請求都必須包含先前的訊息,為此只需一個不斷增長的列表即可。此腳本會維護歷史記錄,即時顯示回應並計算費用:
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.llmsincensura.com/v1",
api_key=os.environ["API_KEY"],
)
historial = [{"role": "system", "content": "Eres un narrador de ficción para adultos. Responde en español."}]
gasto = 0.0
while True:
texto = input("tú> ")
if texto in ("salir", "exit"):
break
historial.append({"role": "user", "content": texto})
stream = client.chat.completions.create(
model="uncensored",
messages=historial,
stream=True,
)
respuesta = ""
for chunk in stream:
if chunk.choices and chunk.choices[0].delta.content:
parte = chunk.choices[0].delta.content
respuesta += parte
print(parte, end="", flush=True)
if chunk.usage:
gasto += chunk.usage.prompt_tokens * 0.15 / 1e6
gasto += chunk.usage.completion_tokens * 0.50 / 1e6
print()
historial.append({"role": "assistant", "content": respuesta})
print(f"Gasto de la sesión: ${gasto:.6f}")
透過 export API_KEY=... 傳遞金鑰並執行。每次迭代都會轉發整個歷史記錄,因此輸入量會隨著每個訊息而增長。30 輪會話,每輪約 400 token,最終將發送約 12,000 token 的上下文;每百萬 token $0.15,僅最後一次輸入的成本為 12,000 × 0.15 / 1,000,000 = $0.0018。
步驟 3:連接到聊天客戶端
如果你偏好圖形介面,許多聊天客戶端接受相容 OpenAI 的端點。像 Open WebUI 或 SillyTavern 等應用程式允許使用 Base URL、金鑰和模型添加自訂連線。選單名稱因版本而异,因此請查看具體客戶端的文件;模式始終相同:
| 客戶端欄位 | 值 |
|---|---|
| 連線類型 | 相容 OpenAI / 自訂 |
| Base URL | https://api.llmsincensura.com/v1 |
| API 金鑰 | 你的金鑰 |
| 模型 | uncensored |
如果客戶端允許列出模型,請使用 GET /v1/models,API 確實提供此功能。如果不允許,請手動輸入名稱。如果客戶端要求完整 URL,請在末尾添加 /chat/completions。
這些客戶端中的某些可以安裝在你的電腦或自有伺服器上。這並不改變模型在線上執行的事實:你安裝的只是介面。
步驟 4:建立不暴露金鑰的個人網站
希望在網站上聊天的人常犯一個錯誤:直接從瀏覽器 JavaScript 呼叫 API。這樣金鑰對任何人都可見。正確的模式是在兩者之間放置一個小型伺服器:
import express from "express";
import OpenAI from "openai";
const app = express();
app.use(express.json());
const client = new OpenAI({
baseURL: "https://api.llmsincensura.com/v1",
apiKey: process.env.API_KEY,
});
app.post("/chat", async (req, res) => {
const r = await client.chat.completions.create({
model: "uncensored",
messages: req.body.messages,
max_tokens: 500,
});
res.json({ texto: r.choices[0].message.content });
});
app.listen(3000);
根據你的需求為該伺服器新增:使用者驗證、每人訊息限制,以及確保歷史記錄不會無限增長的檢查。擁有完整金鑰時,你有 8 個並行請求和每分鐘 300 個請求,且該限制適用於所有同時使用的使用者,而非每個使用者。
透過良好的系統提示詞獲得最佳結果
無審查模型不會猜測你想要的語調。系統提示詞是用來設定規則的地方,值得花五分鐘時間:
- 定義角色。 "你是設定在 1950 年的黑色小說敘述者" 比 "寫故事" 效果更好。
- 指定格式和長度。 例如:"以第三人稱回應,字數在 150 到 250 字之間"。
- 設定語言。 如果你想要中性西班牙語或包含「你稱法」的變體,請明確指出。
- 僅在必要時寫出「不要做的事」,且盡量以正面方式表述:「始終保持角色語氣」比禁止清單更清晰。
對於溫度參數,創意寫作從 0.8 開始,若需更穩定的回答(例如提取資料時)則降至 0.3。每次只變更一個參數,以確認哪一項帶來了改善。並查看每次測試後的 usage 欄位:長系統提示詞會在每個回合產生費用。
費用、限制與常見錯誤
價格:輸入 token 每百萬 $0.15,輸出每百萬 $0.50,採用預付額度,無訂閱。失敗或被拒絕的請求不收費。使用 $0.50 試用額度,輸入 500 token、輸出 300 token 的訊息每次成本為 0.000075 + 0.00015 = $0.000225,因此大約可以進行 2,222 次交談(0.50 / 0.000225)。
你會遇到的錯誤:
- 429 且
concurrency:同時請求過多。試用金鑰僅允許 2 個;串流回應會佔用其位置直到結束。 - 429 且
rate_limited:超過每分鐘請求限制(試用版為 60)。 - 429 且
Retry-After: 5:暫時過載,請在 5 秒後重試。 - 聊天遺忘先前內容:你未傳送歷史紀錄。
- 聊天中斷或變慢:歷史紀錄接近上下文視窗的 100,000 token 上限;請截斷舊訊息。
當額度用完時,可透過加密貨幣(TRC20 上的 USDT 或 Base 上的 USDC)進行儲值,金額從 $20 到 $500 不等,並享有從 $50 起的紅利,詳情請見 價格頁面。如需進階選項,請見 文件。
支援的內容類型
該模型已調整為在法律允許的成人用途中不拒絕內容:小說、角色扮演、創意草稿、對話陪伴。硬性限制是不支援涉及未成年人的性內容。對於更正式的整合,無審查 API 整合一文擴大了技術層面的說明。
關於隱私的補充:提示詞不會用於訓練,儘管它們會傳送至供應商。如果你處理的是不能離開你環境的資訊,本地模型是替代方案。
更多指南
常見問題
我需要安裝任何模型嗎?
不需要。模型已託管並透過 API 使用。你只需要金鑰、Base URL 以及一個相容 OpenAI 的客戶端。
已經有網頁聊天了嗎?
此服務提供 API。若要使用圖形介面聊天,請使用接受相容 OpenAI 端點的第三方客戶端。
我如何查看剩餘餘額?
透過每個回應的 X-Balance-USD 標頭,或使用 GET /v1/balance。
可以用來生成圖片嗎?
不行,僅支援文字。
你的金鑰只差一步
建立帳戶、複製金鑰並更改基礎 URL。如此簡單。
取得 API 金鑰