Unzensierte KI: Inhaltsbeschränkungen mit Mukenetsu AI umgehen

Was ist unzensierte KI

Unzensierte KI (Uncensored AI) bezeichnet KI-Modelle, die bei der Generierung keinen allgemeinen Inhaltsfilterungen oder Einschränkungen bei bestimmten Themen unterliegen. Herkömmliche Chatbots blockieren oder formulieren Äußerungen in politischen, religiösen, sexuellen oder bestimmten sozialen Kontexten oft automatisch aus kommerziellen Gründen oder zur Gewährleistung der Sicherheit. Im Gegensatz dazu erzeugt ein unzensiertes Modell basierend auf dem gegebenen Prompt und dessen Kontext oder Absicht eine freiere Ausgabe.

Technisch wird dies durch den Feinabstimmungsprozess des Modells oder die Parametereinstellungen während der Antwortgenerierung erreicht. Das Modell zeichnet sich dadurch aus, dass es nicht nur „alles beantwortet“, sondern den Benutzeranweisungen treu folgt und Daten ohne durch Filterung verursachte Verzerrungen verarbeitet. Für Entwickler und Kreative bietet dies eine Umgebung, in der sie die Inhalte selbst kontrollieren können und die sich leicht an verschiedene Anwendungsfälle anpassen lässt.

Herausforderungen bei der Zensur bestehender LLMs

Viele führende LLM-Dienste setzen für bestimmte Themen strenge Guardrails (Einschränkungen) durch. So werden beispielsweise historische Fakten oder philosophische Debatten manchmal als „falsche“ Interpretationen abgelehnt, oder die Generierung wird bereits bei leicht sexuellen Darstellungen gestoppt. Diese Maßnahmen basieren zwar auf dem Designziel der „Sicherheit“, stellen jedoch eine lästige Einschränkung dar, wenn der Nutzer eine treue Ausgabe oder die Generierung bestimmter Genres (z. B. Science-Fiction, Horror, Adult-Content) wünscht.

Darüber hinaus lassen sich diese Einschränkungen seitens der API-Nutzer oft nicht steuern. Durch Modell-Updates oder Richtlinienänderungen kann es vorkommen, dass Anfragen, die zuvor noch durchgingen, plötzlich abgelehnt werden. Für Entwickler, die Inhalte mit eigener Logik verwalten möchten, stellen diese „verschlüsselten Zensurmechanismen“ eine Hürde bei der Integration dar.

Modellmerkmale von Mukenetsu AI

Das über unsere API angebotene Modell ist ein Open-Weight-Modell, das mit der ID „uncensored“ angegeben wird. Dieses Modell läuft auf unseren GPU-Servern und ist so konzipiert, dass es unabhängig von externen Faktoren wie Gesetzesänderungen oder Spezifikationsänderungen anderer Dienste eine konsistente Leistung bietet. Wichtig ist, dass dieses Modell unabhängig von Modellen anderer Anbieter wie GPT, Claude oder Gemini ist und deren proprietäre Parameter oder Einschränkungen nicht übernimmt.

Das Modell generiert Inhalte zu sexuellen Themen, kontroversen Diskussionen oder Payloads in der Sicherheitsforschung ohne unnötige Ablehnungsantworten (Refusal), solange diese im rechtlich erlaubten Bereich für Erwachsene liegen. Als harte Grenze, die immer gilt, werden jedoch Anfragen nach „sexuellen Inhalten mit Minderjährigen“ blockiert. Dies ist keine flexible, modellbasierte Filterung, sondern eine auf Systemebene angewendete Einschränkung.

Vorteile des 100k-Kontextfensters

Das Kontextfenster bezeichnet die Gesamtmenge an Tokens, die das Modell auf einmal speichern und verarbeiten kann. Unsere API unterstützt bis zu 100.000 Tokens für Prompt und Completion zusammen. Dies ermöglicht es, Tausende von Seiten umfassende Dokumente oder lange Gesprächsverläufe auf einmal in das Modell zu laden.

• Aufrechterhaltung langer Kontexte: Geeignet für Aufgaben, bei denen das Verständnis des gesamten Narrativs oder Code-Basis erforderlich ist, um nur bestimmte Teile zu korrigieren oder zusammenzufassen.
• Freiheit beim Prompt-Engineering: Du kannst viele Anweisungen (System Prompt) und Beispiele (Few-shot examples) aufnehmen, um das Verhalten des Modells präziser zu steuern.
• Datenverarbeitung: Es ist auch möglich, mehrere Datensätze oder Konfigurationsinformationen in einem einzigen API-Aufruf batchweise zu verarbeiten.

Es ist ein wichtiger Faktor, um das bei langen Unterhaltungen häufig auftretende Phänomen zu reduzieren, dass nur der jüngste Kontext erinnert wird, und so konsistentere Antworten zu erhalten.

Streaming und Echtzeit-Antworten

Bei der Nutzung von Generative-AI-APIs gibt es zwei Ansätze: die „blockierende“ Form, bei der man mehrere Sekunden bis Minuten auf die Fertigstellung der Antwort wartet, und die „Streaming“-Form, bei der Antworten Token für Token sequenziell zurückgegeben werden. Unsere API unterstützt SSE (Server-Sent Events), sodass Streaming-Antworten abgerufen werden können.

Streaming trägt zur Verbesserung der Benutzererfahrung (UX) bei. Sobald die ersten Token der Antwort zurückgegeben werden, werden sie sofort auf dem Bildschirm angezeigt, und der Rest fließt nach. Der Benutzer sieht also sofort, dass eine Antwort generiert wird. Auch auf Client-Seite kann die Verarbeitung fortgesetzt werden, sobald Daten eintreffen, was das Design weniger anfällig für Netzwerklatenz macht.

Anwendungsbereich mit Function Calling

Function Calling (Tool Calling) ist die Funktion, bei der ein LLM nicht nur eine Antwort in natürlicher Sprache ausgibt, sondern Parameter für den Aufruf externer Funktionen oder APIs als strukturierte Daten im JSON-Format ausgibt. Dies ermöglicht die Kopplung mit Anwendungslogik über die reine Textgenerierung hinaus.

Wenn ein Benutzer beispielsweise „Wetter in Tokio morgen“ fragt, gibt das Modell nicht das Wetter vorher, sondern eine Funktion und Argumente (Region, Datum, Format) zum Aufruf einer externen Wetter-API zurück. Da es sich um ein unzensiertes Modell handelt, gibt es weniger Rauschen durch unnötige Floskeln wie „Ich hoffe, ich kann helfen“ oder unangemessene Begründungen für den Funktionsaufruf, und es entstehen tendenziell zuverlässige JSON-Strukturen.

Privatsphäre und Datennutzung

Für datenschutzorientierte Entwickler ist die Frage, wie Daten behandelt werden, ein wichtiges Entscheidungskriterium. Für die Kontoeinrichtung unserer API sind nur E-Mail-Adresse und Passwort erforderlich; die Angabe einer Telefonnummer oder Kreditkartendaten ist nicht zwingend erforderlich. Insbesondere Trial-Accounts können ohne Kreditkarte gestartet werden.

Wichtig ist, dass die gesendeten Prompt-Daten nicht als Trainingsdaten für das Modell wiederverwendet werden. Dies schließt das Risiko aus, dass vertrauliche Geschäftslogik oder eigene Prompt-Vorlagen, die an die API gesendet werden, zur Verbesserung der Modelle anderer Anbieter genutzt werden. Außerdem wird pro Konto nur ein API-Schlüssel ausgestellt. Durch eine Neugenerierung kann der alte Schlüssel sofort ungültig gemacht werden.

Preisgestaltung und Kostenmanagement

Unsere API arbeitet mit einem nutzungsbasierten Abrechnungsmodell ohne monatliche Grundgebühren oder Vertragsbindungen. Um die Transparenz bei der Kostenkontrolle zu erhöhen, kaufst du im Voraus Credits (Guthaben) und nutzt den Dienst, bis diese aufgebraucht sind. Das gekaufte Guthaben verfällt nie.

Input-Token	Output-Token
$0,25 / 1M Token	$1,00 / 1M Token

Du kannst dein Guthaben mit Kryptowährungen (USDT, USDC) aufladen und erhältst bei einer Einzahlung von 50 USD oder mehr 5 % und bei 100 USD oder mehr 10 % Bonusguthaben. Da du nur für das bezahlst, was du tatsächlich nutzt, entfällt das Risiko plötzlicher Token-Verbräuche durch Bots oder Grundgebühren für Monate, in denen du nichts nutzt. Ein weiterer Vorteil ist, dass du innerhalb der Grenzen von 300 Anfragen pro Minute und einem Request-Body von bis zu 8 MB skalieren kannst, wie es nötig ist.

Integration in wenigen Schritten

Du kannst die Integration mit bestehenden OpenAI-kompatiblen Clients oder SDKs in wenigen Minuten starten. Folge einfach den folgenden Schritten.

1. Erstelle auf der Seite zum Erhalten des API-Schlüssels ein Konto mit deiner E-Mail-Adresse und deinem Passwort.
2. Dein API-Schlüssel wird direkt nach der Erstellung angezeigt. Kopiere ihn und bewahre ihn sicher auf.
3. Ändere in der Konfiguration deines API-Clients die Base URL zu https://api.mukenetsuapi.com/v1.
4. Setze den API-Schlüssel im Authentifizierungs-Header und gib als Modell-ID uncensored an.

Damit kannst du Anfragen über den OpenAI-Chat-Completion-Endpunkt POST /v1/chat/completions senden, einschließlich Streaming und Function Calling. Da die Dienste auf einer eigenständigen Infrastruktur laufen, die sich von der anderer Anbieter unterscheidet, bist du weniger anfällig für Ausfälle oder Änderungen der Spezifikationen anderer Anbieter.