PT ▾
API de IA sem censura para uso livrehttps://api.apisemrestricoes.com/v1

IA sem restrições no GitHub ou API hospedada?

Quem pesquisa ia sem restrições github quer, em geral, rodar um modelo sem recusas por conta própria. Dá para fazer, mas o custo real está em hardware e manutenção, e uma API hospedada pode sair mais barata do que parece.

IA Sem Censura: Checklist Para Implementação em Produção

Atualizado

Balança entre uma placa de vídeo local e um servidor em nuvem, comparando rodar IA em casa e usar uma API

Pontos principais

  • O GitHub guarda ferramentas e interfaces; os pesos dos modelos ficam em outros sites
  • Rodar em casa exige memória de vídeo, instalação e atualização contínua
  • Em volume baixo ou médio, pagar por token costuma custar menos que comprar hardware
  • Dá para começar local e migrar trocando só a base URL

O que o GitHub realmente oferece

Ao buscar ia sem restrições github, você encontra sobretudo ferramentas, e não modelos prontos. O GitHub é o lugar do código. Os arquivos de pesos dos modelos, que são muito grandes, costumam ficar em outras plataformas, como o Hugging Face. Na prática, a pilha de quem roda em casa tem três camadas:

CamadaExemplos de projetos abertosFunção
Motor de inferênciallama.cpp, vLLMExecuta o modelo na CPU ou na placa de vídeo
Gerenciador e servidor localOllama, text-generation-webuiBaixa modelos e expõe uma interface ou API local
Interface de chatSillyTavern, Open WebUIConversa, personagens, histórico

Os próprios modelos "sem restrições" são pesos abertos ajustados para recusar menos, publicados por comunidades. Confira a licença de cada um e leia o repositório de cada projeto antes de instalar, porque comandos e requisitos mudam.

Cuidado com o que você baixa

Repositórios pouco conhecidos pedem atenção. Scripts de instalação executam código na sua máquina, então leia o que eles fazem antes de rodar. Prefira formatos de pesos que não executam código ao serem carregados, como o safetensors, e desconfie de arquivos de origem duvidosa. Estrelas e downloads ajudam, mas não substituem a leitura do código e dos comentários de quem já usou. Um projeto abandonado, sem commits há muito tempo, também é sinal de alerta para quem pretende depender dele.

Quanto hardware você precisa

A regra geral é que a memória define o tamanho do modelo. Quanto mais parâmetros, mais memória de vídeo (VRAM) ou RAM o modelo ocupa. Quantizações, que comprimem os pesos, reduzem esse consumo ao custo de alguma perda de qualidade. Como ordem de grandeza, um modelo pequeno, na casa de poucos bilhões de parâmetros, em 4 bits cabe em uma quantidade modesta de memória, enquanto modelos de dezenas de bilhões costumam pedir uma placa de vídeo grande ou várias. Não há número fixo: depende do modelo, da quantização e do tamanho do contexto, então confira os requisitos de cada projeto.

Isso cria um dilema comum. Modelos pequenos rodam em casa, mas tendem a ser menos capazes em raciocínio, instruções longas e consistência de personagem. Modelos grandes entregam mais, mas custam equipamento caro. Quem compra hardware para rodar o modelo grande paga adiantado, e quem usa uma API paga só pelo que consome. Vale ainda lembrar que o hardware perde valor com o tempo e que uma placa potente consome bastante energia ligada, custos que não entram na conta de tokens mas entram no seu bolso. Se o uso é esporádico, o equipamento passa a maior parte do tempo parado.

O custo escondido: manutenção

Mesmo depois de comprar o equipamento, o trabalho continua.

  • Atualizações. Motores e modelos evoluem rápido. Versões novas trazem melhorias, mas também quebram configurações.
  • Formato de prompt. Cada família de modelo espera um modelo de chat diferente. Errar isso gera respostas estranhas.
  • Disponibilidade. Se o computador desliga ou a placa esquenta, o serviço cai.
  • Concorrência. Uma máquina atende poucos usuários ao mesmo tempo. Para um app com vários usuários, é preciso planejar fila e escala.
  • Segurança. Expor um servidor local à internet exige autenticação e cuidado.

Nada disso é difícil para quem gosta do assunto, e aprender é um bom motivo para rodar em casa. Para quem só precisa de respostas por código, é tempo que não vai para o produto. O checklist de produção do site cobre os pontos que valem em qualquer cenário.

A conta: quando a API hospedada sai mais barata

O preço desta API é US$ 0,15 por 1M de tokens de entrada e US$ 0,50 por 1M de saída. Uma mensagem de chat com 800 tokens de entrada e 300 de saída custa US$ 0,00027. Agora compare com um hardware hipotético de US$ 1.500, valor escolhido só para o exemplo, sem contar energia, manutenção nem a diferença de qualidade entre modelos.

Volume por mêsGasto na APIMeses para igualar US$ 1.500
60.000 mensagensUS$ 16,20cerca de 93
1.000.000 mensagensUS$ 270,00cerca de 5,6

Em volume baixo ou médio, a API se paga por anos. Só em volume alto e constante, com o equipamento trabalhando o tempo todo, o hardware próprio começa a competir. E há outro fator: o modelo que você rodaria em casa dificilmente é do mesmo tamanho do que está hospedado. Compare resultado com resultado, não só preço com preço. Os valores de cada faixa de recarga estão em preços.

Começar local e migrar depois

As duas rotas não se excluem. Ollama e llama.cpp expõem uma API compatível com a OpenAI, e a API hospedada também. Escreva o seu código uma vez, com a URL e o modelo vindo de variáveis de ambiente, e troque quando quiser:

import os
from openai import OpenAI

# Hospedada: https://api.apisemrestricoes.com/v1 com modelo uncensored
# Local: a URL do seu servidor e o nome do modelo que você baixou
client = OpenAI(
    base_url=os.environ.get("LLM_BASE_URL", "https://api.apisemrestricoes.com/v1"),
    api_key=os.environ.get("LLM_API_KEY", "SUA_CHAVE"),
)

r = client.chat.completions.create(
    model=os.environ.get("LLM_MODEL", "uncensored"),
    messages=[{"role": "user", "content": "Resuma este texto em duas frases: ..."}],
)
print(r.choices[0].message.content)

Assim você testa o modelo local para aprender e usa a API quando precisar de estabilidade, de 8 requisições simultâneas ou de uma janela de contexto de 100.000 tokens, sem reescrever nada.

O que é e o que não é esta API

Para comparar com honestidade: a API hospedada roda um único modelo de pesos abertos, operado por um provedor independente, ajustado para responder sem recusas de conteúdo em uso adulto legal. Não é a API oficial de nenhuma empresa de IA e não roteia entre vários modelos. O modelo é sempre o uncensored.

Ela só trabalha com texto. Se o seu projeto do GitHub gera imagens, áudio ou embeddings, ou se você quer treinar o seu próprio modelo, o caminho local continua sendo o certo. Prompts enviados à API não são usados para treinamento, e requisições com falha ou recusadas não são cobradas. Conteúdo sexual envolvendo menores é proibido nos dois mundos: é um limite da lei e deste serviço.

Como decidir

Resuma a escolha em quatro perguntas:

  1. Você quer aprender como os modelos funcionam ou só obter respostas? No primeiro caso, rode local.
  2. Seu volume mensal é alto o bastante para justificar hardware? Faça a conta com os seus números.
  3. Você precisa que o serviço esteja sempre no ar para outras pessoas? Prefira a API.
  4. Você precisa de algo além de texto ou de treinar um modelo? Fique com o local.

Muita gente acaba num meio-termo: roda um modelo pequeno em casa para experimentar prompts, interfaces e fluxos, e usa a API hospedada nas tarefas em que a qualidade ou a disponibilidade importam. Como os dois falam o mesmo protocolo, esse arranjo não custa retrabalho.

Se a resposta apontar para a API, pegue uma chave e use o crédito de teste de US$ 0,50 para comparar com o que você já roda. A documentação traz exemplos em curl, Python e Node. As recargas, de US$ 20 a US$ 500, são pagas em USDT na rede TRC20 ou USDC na rede Base.

Mais guias

Perguntas frequentes

Existe um modelo sem restrições pronto no GitHub?

O GitHub hospeda sobretudo código: motores, interfaces e scripts. Os pesos dos modelos costumam ficar em outras plataformas, como o Hugging Face. Verifique sempre a licença.

Preciso de placa de vídeo para rodar em casa?

Modelos pequenos quantizados rodam em CPU, mas devagar. Para respostas rápidas e modelos maiores, uma placa de vídeo com bastante VRAM faz muita diferença.

Posso usar a mesma interface nos dois casos?

Sim, se a interface aceitar um endpoint compatível com a OpenAI. Basta trocar a URL, a chave e o nome do modelo.

A API hospedada gera imagens?

Não. Só gera texto. Não há geração de imagem, áudio ou vídeo, nem embeddings ou fine-tuning.

Sua chave está a um formulário de distância

Crie uma conta, copie a chave e altere a URL base. É toda a configuração.