IA sem censura: contorne as restrições de conteúdo com o Mukenetsu AI

O que é IA sem censura

IA sem censura (Uncensored AI) refere-se a modelos de IA que não são limitados pelos filtros de conteúdo gerais ou restrições de menção a tópicos específicos aplicados durante a geração de modelos de linguagem grandes (LLMs). Chatbots tradicionais podem bloquear automaticamente ou alterar a redação de declarações em contextos políticos, religiosos, sexuais ou sociais específicos, por motivos comerciais ou de segurança. Em contraste, modelos sem censura geram saídas mais livres, seguindo o contexto e a intenção do prompt fornecido.

Tecnicamente, isso é alcançado por meio do processo de fine-tuning do modelo e do ajuste de parâmetros durante a geração de respostas. O diferencial não é apenas "responder a tudo", mas processar dados com fidelidade às instruções do usuário, sem viés de filtragem. Para desenvolvedores e criadores, isso oferece um ambiente onde você pode controlar o conteúdo por conta própria, facilitando o suporte a diversos casos de uso.

Desafios da censura em LLMs existentes

Muitos serviços LLM principais estabelecem regras rígidas (guardrails) para tópicos específicos. Por exemplo, eles podem rejeitar interpretações específicas de fatos históricos ou discussões filosóficas como "incorretas", ou interromper a geração se houver uma leve menção a conteúdo sexual. Embora baseados em uma filosofia de design que prioriza a "segurança", essas limitações tornam-se incômodas quando o usuário busca saídas fiéis ou a geração de gêneros específicos (como ficção científica, terror ou conteúdo adulto).

Além disso, essas limitações muitas vezes não podem ser controladas pelo lado do usuário da API. O mesmo prompt pode ser rejeitado repentinamente devido a atualizações de versão do modelo ou mudanças de política, embora antes fosse aceito. Para desenvolvedores que desejam gerenciar o conteúdo com sua própria lógica, essa "censura em caixa preta" torna-se uma barreira na integração.

Características do modelo Mukenetsu AI

O modelo fornecido pela API deste serviço é um modelo de pesos abertos especificado pelo ID "uncensored". Este modelo opera em nossos servidores GPU e foi projetado para manter um comportamento consistente, sem ser afetado por fatores externos como mudanças nas leis ou nas especificações de serviços de outras empresas. Um ponto importante é que este modelo é independente de outros modelos como GPT, Claude e Gemini, não herdando os parâmetros ou restrições exclusivas desses fornecedores.

O modelo gera conteúdo sem respostas de recusa desnecessárias (refusal) para tópicos sexuais, assuntos controversos ou payloads em pesquisa de segurança, desde que dentro dos limites permitidos para uso adulto conforme a lei. No entanto, como limite rígido sempre aplicado, solicitações relacionadas a "conteúdo sexual envolvendo menores" são bloqueadas. Esta não é uma filtragem flexível baseada na decisão do modelo, mas uma restrição aplicada em nível de sistema.

Vantagens da janela de contexto de 100k

A janela de contexto refere-se à quantidade total de tokens que o modelo pode memorizar e processar de uma vez. Esta API suporta até 100.000 tokens combinando prompt e completion. Isso permite carregar de uma vez documentos com milhares de páginas ou históricos longos de conversas no modelo.

• Manutenção de contexto longo: Ideal para tarefas que requerem compreender o todo de uma longa narrativa ou base de código para modificar ou resumir apenas uma parte específica.
• Liberdade na engenharia de prompts: Permite incluir muitas instruções (System Prompt) e exemplos (Few-shot examples), permitindo um controle mais preciso do comportamento do modelo.
• Processamento de dados: É possível processar em lote vários registros ou informações de configuração em uma única chamada de API.

Isso reduz o fenômeno comum em conversas longas de "lembrar apenas do contexto recente", sendo um elemento crucial para obter respostas mais consistentes.

Streaming e respostas em tempo real

Ao utilizar APIs de IA generativa, existem dois formatos: o "bloqueante", onde você espera alguns segundos até que a resposta esteja completa, e o "streaming", onde as respostas são retornadas sequencialmente token por token. Nossa API suporta SSE (Server-Sent Events), permitindo obter respostas via streaming.

O streaming contribui para a melhoria da experiência do usuário (UX). Assim que os primeiros tokens da resposta são retornados, eles são exibidos na tela e o restante flui sequencialmente, permitindo que o usuário saiba imediatamente que a resposta está sendo gerada. Além disso, o cliente da API pode prosseguir com o processamento assim que os dados chegam, tornando o design menos suscetível a atrasos de rede.

Aplicações com chamada de funções

Chamada de funções (Function Calling) é a funcionalidade que permite ao LLM gerar parâmetros para chamar funções ou APIs externas como dados estruturados em formato JSON, além de responder em linguagem natural. Isso permite a integração com a lógica da aplicação, indo além da simples geração de texto.

Por exemplo, quando o usuário pergunta "Qual será o clima em Tóquio amanhã?", o modelo não prevê o clima, mas retorna uma função e argumentos (região, data, formato) para chamar uma API de clima externa. Como é um modelo sem censura, há menos ruído, como saudações desnecessárias ("Fico feliz em ajudar") ou justificativas inadequadas para a chamada de função, tendendo a obter uma estrutura JSON mais confiável.

Privacidade e uso de dados

Para desenvolvedores que valorizam a privacidade, a forma como os dados são tratados é um critério importante de decisão. Para criar uma conta na nossa API, são necessários apenas e-mail e senha; não é obrigatório registrar número de telefone ou informações do cartão de crédito. Especialmente para contas de teste, você pode começar a usar sem cartão de crédito.

Um ponto importante é que os dados de prompt enviados não são reutilizados como dados de aprendizado do modelo. Isso elimina o risco de que sua lógica de negócios confidencial ou modelos de prompt exclusivos enviados à API sejam usados para melhorar os modelos de outras empresas. Além disso, apenas uma chave de API é emitida por conta, e você pode regenerá-la conforme necessário para invalidar imediatamente a chave antiga.

Precificação e gestão de custos

Esta API adota um modelo de pagamento por uso, sem mensalidade fixa ou vinculação a planos. Para aumentar a transparência no controle de custos, você compra créditos (saldo) antecipadamente e utiliza o serviço até esgotá-los. Os créditos comprados nunca expiram.

Tokens de entrada	Tokens de saída
$0,25 / 1M tokens	$1,00 / 1M tokens

O recarregamento do saldo pode ser feito com criptomoedas (USDT e USDC), com bônus de crédito de 5% para depósitos acima de 50 dólares e 10% para acima de 100 dólares. Dessa forma, como o pagamento é por uso, não há risco de consumo rápido de tokens por bots ou custos fixos em meses sem uso. Escalar conforme necessário, dentro do limite de 300 requisições por minuto e corpo de requisição de até 8 MB, é outra vantagem.

Passo a passo para integração

Você pode começar a integrar em minutos usando clientes ou SDKs compatíveis com OpenAI existentes. Siga as etapas abaixo.

1. Na página de obtenção da chave de API, crie uma conta usando seu endereço de e-mail e senha.
2. A chave de API será exibida imediatamente após a criação; copie e armazene-a.
3. Nas configurações do cliente da API, altere a Base URL para https://api.mukenetsuapi.com/v1.
4. Defina a chave de API no cabeçalho de autenticação e especifique o ID do modelo como uncensored.

Isso permite enviar requisições, incluindo streaming e chamada de funções, por meio do endpoint de conclusão de chat do OpenAI POST /v1/chat/completions. Por operar em uma infraestrutura independente, diferente dos modelos de outros fornecedores, a estrutura é menos suscetível a interrupções de serviço ou mudanças de especificação de outros serviços.