Wichtige Punkte
- Unzensiert bedeutet nicht grenzenlos: Es gibt Limits für Anfragen pro Minute, parallele Anfragen und Kontext.
- Vollschlüssel: 8 parallele Anfragen und 300 pro Minute. Testschlüssel: 2 und 60.
- Der Kontext umfasst 100.000 Token aus Prompt und Antwort; das Guthaben verfällt nie.
- Ein 429-Fehler wird durch Warten und einen erneuten Versuch behandelt, und fehlgeschlagene Anfragen werden nicht berechnet.
Zwei verschiedene Dinge: Keine Filterung und keine Limits
Wenn man nach KI ohne Nutzungsgrenzen sucht, werden zwei Konzepte vermischt. Erstens das Fehlen von Inhaltsfiltern: Das hier verwendete Modell ist darauf trainiert, ohne Sperren für die erwachsene Nutzung zu antworten. Zweitens das Fehlen technischer Limits, was es bei keinem seriösen Anbieter gibt. Es gibt Limits für die Anfragerate, die Anzahl der parallelen Anfragen, die Kontextlänge und die Größe des Anfragekörpers.
Es lohnt sich, sie zu kennen, bevor du etwas baust, denn sie sind vorhersehbar und fast alle lassen sich mit etwas Code umgehen. Ein Limit bleibt absolut und hängt von keiner Einstellung ab: Keine sexuellen Inhalte mit Minderjährigen.
Die Limits in einer Tabelle
| Limit | Vollschlüssel | Testschlüssel |
|---|---|---|
| Parallele Anfragen | 8 | 2 |
| Anfragen pro Minute | 300 | 60 |
| Kontext (Prompt + Antwort) | 100.000 Token | 100.000 Token |
| Maximale Körpergröße des Requests | 8 MB | 8 MB |
| Ablauf | Das Guthaben verfällt nicht | 7 Tage |
Die Antwort enthält die Header X-RateLimit-Limit-Requests und X-RateLimit-Limit-Concurrency, damit dein Code die Limits auslesen kann, statt sie manuell zu pflegen. Du findest auch X-Request-Id, nützlich beim Support, und X-Balance-USD mit dem Restguthaben.
Der Parameter max_tokens ist optional: Die Antwort kann den verbleibenden Platz im Fenster nutzen. Wenn Prompt und Antwort den Rahmen sprengen, wird max_tokens auf den Rest begrenzt; der Fehler 400 tritt nur auf, wenn der Prompt allein die 100.000 Token überschreitet. Praktisch ist es oft besser, zusammenzufassen oder den alten Teil einer langen Historie zu löschen, damit die Antwort Platz hat.
Was es kostet, innerhalb der Limits zu bleiben
Der Tarif beträgt $0,15 pro 1M eingehende Token und $0,50 pro 1M ausgehende Token. Einige konkrete Berechnungen, alle überprüfbar.
Eine typische Anfrage
Prompt mit 3.000 Token und Antwort mit 800:
- Eingang: 3.000 × $0,15 / 1.000.000 = $0,00045;
- Ausgang: 800 × $0,50 / 1.000.000 = $0,0004;
- Gesamt: $0,00085 pro Anfrage, also $0,85 pro 1.000 Anfragen.
Der Extremfall
Eine Anfrage, die das Fenster füllt, z. B. 90.000 Token Prompt und 10.000 Antwort, kostet 90.000 × $0,15 / 1M = $0,0135 plus 10.000 × $0,50 / 1M = $0,005, also $0,0185. Tausend solcher Anfragen kosten $18,50. Ein Prompt mit 100.000 Token und minimaler Antwort kostet ca. $0,015.
Was du mit den Aufladungen bekommst
Mit $20, dem Mindestbetrag für eine Aufladung, und $0,00085 pro Anfrage erhältst du etwa 23.529 Anfragen ($20 / $0,00085 = 23.529,4). Das Testguthaben von $0,50 reicht für etwa 588 Anfragen dieses Typs. Wenn du $100 auflädst, erhältst du $110 Guthaben, bei $200 erhältst du $230. Aufladungen sind zwischen $20 und $500 möglich und werden in Krypto mit USDT auf TRC20 oder USDC auf Base bezahlt. Details findest du in den Preisen.
Was die Geschwindigkeit wirklich begrenzt
Die entscheidende Zahl sind oft nicht die 300 pro Minute, sondern die 8 parallelen Anfragen. Eine Hypothese: Du verarbeitest 10.000 Dokumente, jedes mit 2.000 eingehenden und 300 ausgehenden Token, und jede Anfrage dauert durchschnittlich 10 Sekunden (die reale Zeit hängt von Last und Länge ab, miss sie selbst).
- Mit 8 parallelen Anfragen schaffst du 0,8 Anfragen pro Sekunde, also 48 pro Minute, weit unter dem Limit von 300.
- 10.000 / 0,8 = 12.500 Sekunden, ca. 3,5 Stunden.
- Kosten: 20M Input-Token = $3,00, 3M Output-Token = $1,50, insgesamt $4,50.
Die Einschränkung ist also die Parallelität, nicht die Taktung. Um die Zeit zu verkürzen, brauchst du kürzere Anfragen, nicht eine höhere Taktung. Ein überraschendes Detail: Eine Streaming-Anfrage belegt ihren Platz bis zum Ende des Streams, also blockiert ein vergessener Stream einen der 8 Slots.
Fehler 429 behandeln
Wird ein Limit überschritten, antwortet die API mit HTTP 429. Der Fehlercode zeigt, welches: rate_limited für Anfragen pro Minute, concurrency für parallele Anfragen. Bei temporärer Überlastung kommt immer ein 429 mit dem Header Retry-After: 5. In allen drei Fällen gilt die gleiche Regel: Warten und erneut versuchen. Fehlgeschlagene Anfragen werden nicht berechnet.
Dieses Beispiel begrenzt die parallelen Anfragen auf 8 mit einem Semaphore und verwendet einen Backoff mit wachsender Wartezeit.
import asyncio, os
from openai import AsyncOpenAI, RateLimitError
client = AsyncOpenAI(
base_url="https://api.apiiasenzacensura.com/v1",
api_key=os.environ["API_KEY"],
max_retries=0,
)
slot = asyncio.Semaphore(8) # usa 2 con la chiave di prova
async def chiedi(testo, tentativi=5):
for n in range(tentativi):
async with slot:
try:
r = await client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": testo}],
)
return r.choices[0].message.content
except RateLimitError:
pass
await asyncio.sleep(5 * (n + 1))
raise RuntimeError("troppi tentativi")
async def main():
testi = [f"Riassumi in una frase il documento {i}" for i in range(20)]
risultati = await asyncio.gather(*(chiedi(t) for t in testi))
print(len(risultati), "risposte")
asyncio.run(main())
Die Wartezeit erfolgt außerhalb des Semaphors, sodass ein angehaltener Slot andere nicht blockiert. Details zum Fehlerformat findest du in der Dokumentation.
Guthabenstatus während der Arbeit prüfen
Da die Kosten pro Token berechnet werden, kann ein falsch geschriebener Zyklus Guthaben schneller verbrauchen als erwartet. Zwei sparsame Maßnahmen: Lies den Saldo und setze selbst ein Limit.
curl -i https://api.apiiasenzacensura.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"uncensored","messages":[{"role":"user","content":"Ciao"}],"max_tokens":20}'
In den Antwort-Headern findest du X-Balance-USD. Du kannst auch GET /v1/balance mit demselben Schlüssel abfragen oder den Endpunkt im OpenAI-Stil /v1/dashboard/billing/credit_grants. Ein Check nach einer bestimmten Anzahl von Anfragen ermöglicht es dir, einen Batch zu stoppen, wenn das Guthaben unter einen von dir festgelegten Schwellenwert fällt. Setze auch max_tokens für serielle Aufgaben, um extrem lange Antworten zu vermeiden, die du nicht benötigst.
So lässt du dein Guthaben länger halten
Da die Kosten von den Token abhängen, ist es am effektivsten, weniger zu senden. Drei Gewohnheiten, die fast immer funktionieren.
- Kürze den Chat-Verlauf. In einem Chat sendet jede Runde die gesamte Historie an das Modell. Nach 20 Runden mit je 350 Token wiegt die Historie bei jeder neuen Frage 7.000 Input-Token, also $0,00105 nur zum erneuten Lesen (7.000 × $0,15 / 1M). Das Zusammenfassen alter Runden auf wenige Zeilen reduziert diese Eingabe.
- Halte den System-Prompt kurz. Ein Prompt von 1.500 Token, der in 10.000 Anfragen wiederholt wird, ergibt 15M Input-Token, also $2,25. Durch Reduzierung auf 500 Token sinkst du auf $0,75.
- Setze ein Limit für die Antworten. Output-Token kosten mehr als dreimal so viel wie Input-Token ($0,50 gegenüber $0,15). Das Anfordern präziser Antworten oder das Setzen von
max_tokensbei Aufgaben, bei denen zwei Zeilen genügen, ist die direkteste Einsparung.
Auch die Temperatur und andere Sampling-Parameter wie top_p oder seed werden an das Modell übergeben. Der Parameter seed ist nützlich, wenn du einen Test wiederholen und zwei Prompts sauberer vergleichen möchtest.
Was du zu „Unlimitiert“-Versprechern sagen kannst
Wenn ein Dienst unbegrenzte Anfragen verspricht, ohne die Limits zu erklären, frage immer nach, was diese sind. Ein Modell mit angegebenen Limits und Token-Preis ist leichter zu planen. Hier weißt du im Voraus, wie viele Anfragen du stellen kannst und wie viel du ausgibst, ohne Abonnement und ohne Verfall des Guthabens. Wenn du starten möchtest, hol dir deinen Schlüssel und nutze das Testguthaben von $0,50, das du nach der Registrierung mit einem Klick beantragst und das keine Zahlung erfordert.

