Punti chiave
- Senza censura non vuol dire senza limiti: esistono tetti su richieste al minuto, richieste simultanee e contesto.
- Chiave completa: 8 richieste simultanee e 300 al minuto. Chiave di prova: 2 e 60.
- Il contesto è di 100.000 token tra prompt e risposta; il credito non scade mai.
- Un errore 429 si gestisce con un'attesa e un nuovo tentativo, e le richieste fallite non si pagano.
Due cose diverse: niente rifiuti e niente tetti
Quando si cerca ia senza limiti di utilizzo si mescolano due idee. La prima è l'assenza di rifiuti di contenuto: il modello usato qui è addestrato a rispondere senza blocchi per uso adulto lecito. La seconda sarebbe l'assenza di tetti tecnici, e questa non esiste in nessun servizio serio. Ci sono limiti sul ritmo delle richieste, sul numero di chiamate parallele, sulla lunghezza del contesto e sulla dimensione del corpo della richiesta.
Vale la pena conoscerli prima di costruire qualcosa, perché sono prevedibili e quasi tutti si aggirano con un po' di codice. Un limite resta assoluto e non dipende da nessuna impostazione: niente contenuti sessuali che coinvolgano minori.
I limiti, in una tabella
| Limite | Chiave completa | Chiave di prova |
|---|---|---|
| Richieste simultanee | 8 | 2 |
| Richieste al minuto | 300 | 60 |
| Contesto (prompt + risposta) | 100.000 token | 100.000 token |
| Dimensione massima del corpo | 8 MB | 8 MB |
| Scadenza | Il credito non scade | 7 giorni |
La risposta riporta le intestazioni X-RateLimit-Limit-Requests e X-RateLimit-Limit-Concurrency, così il tuo codice può leggere i tetti invece di tenerli scritti a mano. Trovi anche X-Request-Id, utile se scrivi al supporto, e X-Balance-USD con il credito residuo.
Il parametro max_tokens è facoltativo: la risposta può usare tutto lo spazio rimasto nella finestra. Se il prompt e lo spazio per la risposta superano la finestra, max_tokens viene ridotto a quello che resta; l'errore 400 arriva solo quando il prompt da solo non entra nei 100.000 token. In pratica conviene riassumere o eliminare la parte vecchia di una cronologia lunga, così alla risposta resta spazio.
Quanto costa restare dentro i limiti
La tariffa è $0.15 per 1M di token in ingresso e $0.50 per 1M in uscita. Alcuni conti concreti, tutti verificabili.
Una richiesta tipica
Prompt da 3.000 token e risposta da 800:
- ingresso: 3.000 × $0.15 / 1.000.000 = $0.00045;
- uscita: 800 × $0.50 / 1.000.000 = $0.0004;
- totale: $0.00085 per richiesta, quindi $0.85 ogni 1.000 richieste.
Il caso estremo
Una richiesta che riempie la finestra, per esempio 90.000 token di prompt e 10.000 di risposta, costa 90.000 × $0.15 / 1M = $0.0135 più 10.000 × $0.50 / 1M = $0.005, cioè $0.0185. Mille richieste così costano $18.50. Un prompt di 100.000 token con risposta minuscola costa circa $0.015.
Cosa compri con le ricariche
Con $20, la ricarica minima, a $0.00085 a richiesta ottieni circa 23.529 richieste ($20 / $0.00085 = 23.529,4). Il credito di prova da $0.50 basta per circa 588 richieste dello stesso tipo. Se ricarichi $100 ricevi $110 di credito, con $200 ne ricevi $230. Le ricariche vanno da $20 a $500 e si pagano in cripto con USDT su TRC20 o USDC su Base. Vedi i dettagli nei prezzi.
Che cosa limita davvero la velocità
Il numero che conta di solito non sono i 300 al minuto, ma le 8 richieste simultanee. Un'ipotesi: elabori 10.000 documenti, ognuno con 2.000 token in ingresso e 300 in uscita, e ogni richiesta dura in media 10 secondi (il tempo reale dipende dal carico e dalla lunghezza, misuralo tu).
- Con 8 richieste in parallelo completi 0,8 richieste al secondo, cioè 48 al minuto, ben sotto il tetto di 300.
- 10.000 / 0,8 = 12.500 secondi, circa 3,5 ore.
- Costo: 20M di token in ingresso = $3.00, 3M in uscita = $1.50, totale $4.50.
Quindi il vincolo è la concorrenza, non il ritmo. Per accorciare i tempi servono richieste più corte, non un ritmo più alto. Un dettaglio che sorprende: una richiesta in streaming occupa il suo posto fino alla fine del flusso, quindi se lasci aperto uno stream dimenticato blocchi uno degli 8 slot.
Gestire gli errori 429
Superato un limite l'API risponde con HTTP 429. Il codice errore dice quale: rate_limited per le richieste al minuto, concurrency per quelle simultanee. In caso di sovraccarico temporaneo arriva sempre un 429, con l'intestazione Retry-After: 5. In tutti e tre i casi la regola è la stessa: aspetta e riprova. Le richieste fallite non vengono addebitate.
Questo esempio limita la concorrenza a 8 con un semaforo e riprova con attesa crescente.
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())
L'attesa avviene fuori dal semaforo, così uno slot in pausa non blocca gli altri. Per i dettagli sul formato degli errori consulta la documentazione.
Controllare il credito mentre lavori
Poiché il costo è a token, un ciclo mal scritto può consumare credito più in fretta del previsto. Due accorgimenti economici: leggi il saldo e imposta tu un tetto.
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}'
Nelle intestazioni della risposta trovi X-Balance-USD. Puoi anche interrogare GET /v1/balance con la stessa chiave, oppure l'endpoint in stile OpenAI /v1/dashboard/billing/credit_grants. Un controllo ogni tot richieste ti permette di fermare un batch quando il saldo scende sotto una soglia tua. Imposta anche max_tokens sui lavori in serie, per evitare risposte lunghissime che non ti servono.
Come far durare di più il credito
Dato che il costo dipende dai token, il modo più efficace per spendere meno è mandarne meno. Tre abitudini che funzionano quasi sempre.
- Accorcia la cronologia. In una chat ogni turno rimanda al modello tutto il passato. Dopo 20 scambi da 350 token ciascuno, solo la cronologia pesa 7.000 token in ingresso ad ogni nuova domanda, cioè $0.00105 solo per rileggerla (7.000 × $0.15 / 1M). Riassumere i turni vecchi in poche righe taglia questa voce.
- Tieni breve il prompt di sistema. Un prompt di 1.500 token ripetuto in 10.000 richieste vale 15M di token in ingresso, cioè $2.25. Riducendolo a 500 token scendi a $0.75.
- Metti un tetto alle risposte. I token in uscita costano più di tre volte quelli in ingresso ($0.50 contro $0.15). Chiedere risposte concise o impostare
max_tokenssui compiti in cui bastano due righe è il risparmio più diretto.
Anche la temperatura e gli altri parametri di campionamento, come top_p o seed, vengono passati al modello. Il parametro seed è utile se vuoi ripetere un test e confrontare due prompt in modo più pulito.
Cosa dire a chi promette illimitato
Quando un servizio promette richieste illimitate senza spiegare i tetti, chiedi sempre quali siano. Un modello con limiti dichiarati e prezzo al token è più facile da pianificare. Qui sai in anticipo quante richieste puoi fare e quanto spendi, senza abbonamento e senza scadenza del credito. Se vuoi iniziare, ottieni la tua chiave e usa il credito di prova da $0.50, che si richiede con un clic dopo la registrazione e non richiede pagamento.

