LLM Non CensureAnleitung
Unzensiertes LLM: lokal oder gehostete API – was ist besser?
Ein unzensiertes LLM lokal betreiben oder eine gehostete API nutzen: Beide Wege funktionieren, und die richtige Wahl hängt von deiner Hardware, deinem Volumen und deiner Geduld ab.


Schlüsselmerkmale
Die Wahl in einer Tabelle
Ein unzensiertes LLM bekommst du auf zwei Arten: Du lädst die Gewichte eines Open-Weight-Modells herunter und startest es auf deiner Maschine, oder du rufst ein Modell auf, das bereits von jemand anderem gehostet wird. Hier der direkte Vergleich.
| Kriterium | Lokal | Gehostete API |
|---|---|---|
| Einrichtung | Installation, Herunterladen schwerer Modelle, Einstellungen | Ein Schlüssel, eine URL, ein Aufruf |
| Hardware | GPU oder leistungsstarker Rechner, je nach Modellgröße | Keine, ein einfacher Computer reicht |
| Kosten | Hardware-Kauf plus Stromkosten | Bezahlung pro Token, kein Abonnement |
| Datenschutz | Die Daten bleiben bei dir | Die Prompts durchlaufen einen Drittanbieter |
| Offline | Ja | Nein |
| Wartung | Deine Verantwortung: Updates, Treiber, Quantisierung | Vom Anbieter gewährleistet |
| Skalierbarkeit | Begrenzt durch deinen Rechner | Bis zu 8 gleichzeitige Anfragen und 300 pro Minute |
Wenn lokal die bessere Wahl ist
Lokal gewinnt in drei Situationen. Erstens, wenn Datenschutz absolut priorisiert wird: Texte, die du keinem Server anvertrauen willst. Zweitens, wenn du offline oder in einem geschlossenen Netzwerk arbeitest. Drittens, wenn du gerne bastelst: Quantisierung wählen, zehn Modellvarianten testen, Parameter auf niedriger Ebene anpassen.
Werkzeuge wie Ollama, llama.cpp oder LM Studio machen das machbar, und einige bieten sogar eine lokale OpenAI-kompatible API, die die Wiederverwendung des gleichen Codes ermöglicht. Die Größe des Modells, das du laden kannst, hängt jedoch vom Speicher deiner GPU oder deines Rechners ab. Sieh dir die Datei jedes Modells und die Dokumentation des Tools an, um die genauen Anforderungen zu kennen, sie variieren stark.
Der Nachteil: Ein kleines lokales Modell schreibt im Allgemeinen schlechter als ein großes gehostetes Modell, und die Generierungsgeschwindigkeit hängt von deiner Hardware ab. Solange du nicht mit deinen eigenen Texten getestet hast, sei vorsichtig mit vorgefertigten Vergleichen.
Wenn die gehostete API vernünftiger ist
Die API passt, wenn du schnell ein Ergebnis willst, ohne Hardware zu kaufen oder zu konfigurieren. Das gilt auch, wenn du ein Produkt für andere baust: eine interaktive Fiktions-App, einen Erwachsenen-Companion, ein internes Tool. Du musst keine GPU-Ausfälle oder Updates verwalten.
Der hier beschriebene Service ist eine OpenAI-kompatible API mit einem einzigen Open-Weight-Modell, uncensored, betrieben von einem unabhängigen Anbieter und eingestellt auf Antwort ohne Inhaltsfilter im legalen Erwachsenenrahmen. Er bietet ein Kontextfenster von 100 000 Token, Streaming, Function Calling und JSON-Modus. Er generiert nur Text, und sexuell explizite Inhalte mit Minderjährigen sind ausgeschlossen. Der Guide API-Integration unzensierter KI beschreibt die App-Seite im Detail.
Eine Kostenberechnung zur Entscheidung
Der Preis beträgt 0,15 $ pro Million Eingabe-Token und 0,50 $ pro Million Ausgabe-Token. Eine Anfrage mit 1 000 Eingabe-Token und 500 Ausgabe-Token kostet 1 000 × 0,15 / 1 000 000 + 500 × 0,50 / 1 000 000 = 0,00015 + 0,00025 = 0,0004 $.
Stell dir vor, du würdest nur für diesen Zweck eine Maschine für 1 000 $ kaufen. Das entspricht 1 000 / 0,0004 = 2 500 000 Anfragen dieser Größe über die API, ohne Stromkosten und deine Zeit für die lokale Wartung. Wenn du nur einige tausend Anfragen pro Monat nutzt, ist die API deutlich günstiger. Wenn du Millionen davon durchläufst, kann sich das Verhältnis umkehren, besonders wenn die Maschine auch für andere Aufgaben dient.
Wenn du bereits eine passende GPU besitzt, beschränken sich die Grenzkosten des lokalen Betriebs auf den Stromverbrauch, und die API wird vor allem zur Backup-Option oder zur Lastspitzenabdeckung. Rechne das mit deinen eigenen Werten durch: reales Volumen, Prompt-Größe, Hardware- und Energiekosten bei dir.
Code schreiben, der in beiden Fällen funktioniert
Da die API dem OpenAI-Format folgt, kannst du einmal coden und das Hosting nur über die Konfiguration ändern. Hier ist ein Client, der URL, Schlüssel und Modell aus der Umgebung liest, mit der API als Standard.
import os
from openai import OpenAI
client = OpenAI(
base_url=os.getenv("LLM_BASE_URL", "https://api.llmnoncensure.com/v1"),
api_key=os.getenv("LLM_API_KEY", "VOTRE_CLE"),
)
MODELE = os.getenv("LLM_MODEL", "uncensored")
def demander(texte):
r = client.chat.completions.create(
model=MODELE,
messages=[{"role": "user", "content": texte}],
temperature=0.8,
)
return r.choices[0].message.content
print(demander("Propose trois idées de nouvelles noires, une phrase chacune."))
Um auf lokal zu wechseln, musst du nur LLM_BASE_URL, LLM_API_KEY und LLM_MODEL entsprechend deinem lokalen Server setzen. Die lokalen Modellnamen sind anders und hängen von deiner Installation ab: Prüfe sie in der Dokumentation des Tools. Diese Trennung verhindert, dass du in eine Wahl gezwungen wirst. Siehe auch die API-Dokumentation für die Endpunkte /v1/chat/completions und /v1/responses.
Der hybride Ansatz, oft der sinnvollste
Du musst dich nicht für eine Seite entscheiden. Viele Entwickler kombinieren beide:
- Lokal für private Arbeit: Entwürfe, Notizen, Texte, die du nicht woanders senden willst.
- API für Qualität oder Last: Lastspitzen, Demos, Tests mit Nutzern, lange Aufgaben, die deine Maschine auslasten.
- API für Prototyping: Du validierst die Idee in einer Stunde und entscheidest dann, ob ein lokaler Einsatz sinnvoll ist.
Für die Skalierung beachte die Limits: Ein vollständiger Schlüssel erlaubt 8 gleichzeitige Anfragen und 300 pro Minute, ein Test-Schlüssel 2 und 60. Darüber hinaus antwortet die API mit 429 und dem Code rate_limited oder concurrency. Ein gut geschriebener Client wartet und wiederholt, statt abzustürzen.
Eine letzte Budget-Orientierung: Eine Aufladung von 20 $ deckt 20 / 0,0004 = 50 000 Anfragen der oben genannten Größe, und 100 $ ergeben 110 $ Guthaben mit dem 10-%-Bonus, also 275 000 Anfragen. Fehlgeschlagene oder abgelehnte Anfragen werden nicht berechnet. Mit diesen Zahlen wird der Vergleich mit deinen tatsächlichen Hardware- und Energiekosten zu einer einfachen Rechenaufgabe.
Was an keinem der beiden Wege geändert wird
Ein Modell ohne prinzipielle Ablehnung entbindet dich nicht vom Recht oder vom gesunden Menschenverstand. Egal, ob das Modell bei dir oder auf einem Server läuft, du bist verantwortlich für das, was du generierst und veröffentlichst. Sexuelle Inhalte mit Minderjährigen bleiben ausgeschlossen, und ein öffentliches Angebot muss eine eigene Altersprüfung vorsehen.
Zur Vertraulichkeit der Hosting-Option eine präzise Tatsache: Die Prompts werden nicht zum Trainieren des Modells verwendet. Lies sonst die Datenschutzerklärung, bevor du sensible Daten sendest. Wenn dies für dich entscheidend ist, ist Lokal die sicherste Wahl.
Um risikofrei zu starten, fordere 0,50 $ Testguthaben auf der Seite API-Schlüssel erhalten an, ohne Zahlungsmethode. Nach diesem Test weißt du, ob die Antwortqualität ein tieferes Engagement rechtfertigt oder ob du beim lokalen Betrieb bleibst. Die Preise für Aufladungen findest du auf der Seite Preise, mit Krypto-Zahlung (USDT auf TRC20 oder USDC auf Base).
Weitere Guides
Häufig gestellte Fragen
Ist ein lokales unzensiertes LLM besser als eine API?
Nicht unbedingt. Es ist besser für Datenschutz und Offline-Nutzung, schlechter für Einfachheit, Qualität bei schwacher Hardware und Skalierbarkeit.
Kann ich von Lokal auf API wechseln, ohne Code neu zu schreiben?
Ja, wenn dein Code das OpenAI-SDK nutzt. Ändere einfach die Basis-URL, den Schlüssel und den Modellnamen.
Behält die gehostete API meine Prompts für das Training?
Nein, die Prompts werden nicht zum Training verwendet.
Wie hoch ist der Preis der gehosteten API?
0,15 $ pro Million Eingabe-Token und 0,50 $ pro Million Ausgabe-Token, ohne Abonnement, mit einem Guthaben, das nie verfällt.
Dein Schlüssel ist nur einen Schritt entfernt
Erstelle ein Konto, kopiere den Schlüssel, ändere die Basis-URL. Mehr nicht.