PT ▾
Obter chave de API

LLM Non CensureGuia

LLM sem censura: local ou API hospedada, qual escolher

Executar um LLM sem censura localmente ou pagar por uma API hospedada: ambas as vias funcionam, e a melhor escolha depende do seu hardware, volume e paciência.

IA sem censura: Guia de integração de API passo a passo

Atualizado

Balança comparando um computador local e um servidor na nuvem para escolher um LLM

Pontos principais

A escolha em uma tabela

Um llm sem censura pode ser obtido de duas formas: você baixa os pesos de um modelo de pesos abertos e o executa na sua máquina, ou chama um modelo já hospedado por outra pessoa. Veja a comparação, sem rodeios.

CritérioLocalAPI hospedada
Configuração inicialInstalação, download de pesos pesados, configuraçõesUma chave, uma URL, uma chamada
HardwarePlaca de vídeo ou máquina potente, conforme o tamanho do modeloNenhum, um computador simples basta
CustoCompra de hardware mais eletricidadePagamento por token, sem assinatura
PrivacidadeOs dados permanecem com vocêOs prompts passam por um terceiro
DesconectadoSimNão
ManutençãoSua responsabilidade: atualizações, controladores, quantizaçãoGarantida pelo provedor
EscalabilidadeLimitada pela sua máquinaAté 8 requisições simultâneas e 300 por minuto

Quando o local é a melhor escolha

O local vence em três situações. Primeiro, quando a privacidade é absoluta: textos que você não quer enviar para nenhum servidor. Segundo, quando você trabalha desconectado ou em uma rede fechada. Por fim, quando você gosta de mexer: escolher sua quantização, testar dez variantes de modelo, ajustar parâmetros de baixo nível.

Ferramentas como Ollama, llama.cpp ou LM Studio tornam o exercício acessível, e várias expõem até uma API local compatível com OpenAI, o que permite reutilizar o mesmo código. No entanto, o tamanho do modelo que você pode carregar depende da memória da sua GPU ou máquina. Consulte a ficha de cada modelo e a documentação da ferramenta para saber as necessidades exatas, pois elas variam muito.

O lado negativo: um modelo local pequeno geralmente escreve pior que um modelo grande hospedado, e a velocidade de geração depende do seu equipamento. Enquanto você não testar com seus próprios textos, desconfie de comparações prontas.

Quando a API hospedada é mais razoável

A API é adequada quando você quer um resultado rápido, sem comprar ou configurar hardware. Também é o caso se você estiver construindo um produto para outros: um aplicativo de ficção interativa, um companheiro para adultos, uma ferramenta interna. Você não precisa gerenciar falhas de GPU nem atualizações.

O serviço descrito aqui é uma API compatível com OpenAI com um único modelo de pesos abertos, uncensored, operado por um provedor independente e configurado para responder sem filtros de conteúdo em um contexto adulto legal. Ele oferece uma janela de contexto de 100 000 tokens, streaming, chamada de funções e modo JSON. Ele gera apenas texto, e conteúdos sexuais envolvendo menores de idade são excluídos. O guia integrar uma IA sem censura por API detalha a implementação no lado do aplicativo.

Um cálculo de custo para decidir

O preço é de 0,15 $ por milhão de tokens de entrada e 0,50 $ por milhão de saída. Uma requisição com 1 000 tokens de entrada e 500 de saída custa 1 000 × 0,15 / 1 000 000 + 500 × 0,50 / 1 000 000 = 0,00015 + 0,00025 = 0,0004 $.

Imagine, a título de hipótese, que você vá comprar uma máquina por 1 000 $ apenas para essa necessidade. Esse valor equivale a 1 000 / 0,0004 = 2 500 000 requisições desse tamanho na API, sem contar a eletricidade nem seu tempo de manutenção local. Se seu uso gira em torno de alguns milhares de requisições por mês, a API fica muito abaixo. Se você executa milhões delas continuamente, o cálculo pode se inverter, especialmente se a máquina também servir para outras tarefas.

Se você já possui uma GPU adequada, o custo marginal do local se limita à eletricidade, e a API se torna principalmente uma opção de reserva ou de escalonamento. Faça esse cálculo com seus próprios números: volume real, tamanho do prompt, preço do hardware e da energia onde você está.

Escreva código que funcione nos dois casos

Como a API segue o formato OpenAI, você pode codificar uma vez e mudar o hospedagem por configuração. Aqui está um cliente que lê a URL, a chave e o modelo do ambiente, com a API hospedada por padrão.

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."))

Para mudar para o local, basta definir LLM_BASE_URL, LLM_API_KEY e LLM_MODEL conforme o que seu servidor local espera. Os nomes dos modelos locais são diferentes e dependem do que você instalou: verifique-os na documentação da ferramenta. Essa separação evita que você fique preso a uma única escolha. Veja também a documentação da API para as rotas /v1/chat/completions e /v1/responses.

A abordagem híbrida, geralmente a mais sensata

Nada o obriga a escolher um lado. Muitos desenvolvedores combinam os dois:

  • Local para trabalho privado: rascunhos, notas, textos que você não quer enviar para outro lugar.
  • API para qualidade ou carga: picos de uso, demonstrações, testes com usuários, tarefas longas que saturam sua máquina.
  • API para prototipagem: você valida a ideia em uma hora e depois decide se uma implantação local faz sentido.

Para escalonamento, lembre-se dos limites: uma chave completa permite 8 requisições simultâneas e 300 por minuto; uma chave de teste permite 2 e 60. Acima disso, a API responde com 429 e o código rate_limited ou concurrency. Um cliente bem escrito espera e tenta novamente em vez de falhar.

Uma última referência de orçamento: 20 $ de recarga cobrem 20 / 0,0004 = 50 000 requisições do tamanho típico acima, e 100 $ fornecem 110 $ de crédito com o bônus de 10%, totalizando 275 000 requisições. Requisições falhas ou recusadas não são cobradas. Com esses números em mãos, comparar com o custo real do seu hardware e energia torna-se um simples exercício de cálculo.

O que nenhuma das duas vias muda

Um modelo sem recusa de princípio não o isenta do direito nem do bom senso. Seja o modelo rodando localmente ou em um servidor, você é responsável pelo que gera e publica. O conteúdo sexual envolvendo menores de idade continua sendo excluído, e um serviço voltado ao público deve prever sua própria verificação de idade.

Sobre a confidencialidade da opção hospedada, um fato preciso: os prompts não são usados para treinar o modelo. Para o resto, leia a política de privacidade antes de enviar dados sensíveis. Se esse ponto for decisivo para você, o local é a escolha mais segura.

Para começar a experimentar sem compromisso, solicite 0,50 $ de crédito de teste na página obter uma chave de API, sem necessidade de método de pagamento. Após esse teste, você saberá se a qualidade da resposta justifica ir mais longe ou permanecer no local. Os preços de recarga estão na página tarifas, com pagamento em cripto (USDT na rede TRC20 ou USDC na rede Base).

Outros guias

Perguntas frequentes

Um LLM sem censura local é melhor que uma API?

Não necessariamente. É melhor para privacidade e uso offline, mas pior para simplicidade, qualidade em hardware modesto e escalabilidade.

Posso mudar do local para a API sem reescrever meu código?

Sim, se seu código usar o SDK OpenAI. Basta alterar a URL base, a chave e o nome do modelo.

A API hospedada guarda meus prompts para treinar o modelo?

Não, os prompts não são usados para treinamento.

Qual é o preço da API hospedada?

0,15 $ por milhão de tokens de entrada e 0,50 $ por milhão de saída, sem assinatura, com crédito que nunca expira.

Sua chave está a um passo

Crie uma conta, copie a chave, altere a URL base. Pronto.

Obter chave de APILer documentação