PT ▾

IA sem limites de uso: o que isso significa de verdade

Uma IA sem limites de uso, em sentido literal, não existe: todo serviço tem um limite técnico. Aqui você vê quais são os limites reais desta API e quanto custa respeitá-los.

IA sem censura: análise das opções disponíveis

Atualizado:

Rampa de acesso com semáforo e oito faixas luminosas que convergem para uma estrada, símbolo dos limites de requisições.

Pontos principais

  • Sem censura não significa sem limites: existem tetos sobre requisições por minuto, requisições simultâneas e contexto.
  • Chave completa: 8 requisições simultâneas e 300 por minuto. Chave de teste: 2 e 60.
  • O contexto é de 100.000 tokens entre prompt e resposta; o crédito nunca expira.
  • Um erro 429 é resolvido com uma espera e nova tentativa, e as requisições falhas não são cobradas.

Duas coisas diferentes: sem recusas e sem tetos

Ao buscar IA sem limites de uso, misturam-se duas ideias. A primeira é a ausência de recusa de conteúdo: o modelo usado aqui é treinado para responder sem bloqueios para uso adulto lícito. A segunda seria a ausência de tetos técnicos, e isso não existe em nenhum serviço sério. Há limites na velocidade das requisições, no número de chamadas paralelas, no tamanho do contexto e no tamanho do corpo da requisição.

Vale a pena conhecê-los antes de construir algo, pois são previsíveis e quase todos podem ser contornados com um pouco de código. Um limite permanece absoluto e não depende de nenhuma configuração: sem conteúdo sexual envolvendo menores de idade.

Os limites, em uma tabela

LimiteChave completaChave de teste
Requisições simultâneas82
Requisições por minuto30060
Contexto (prompt + resposta)100.000 tokens100.000 tokens
Tamanho máximo do corpo8 MB8 MB
ValidadeO crédito não expira7 dias

A resposta inclui os cabeçalhos X-RateLimit-Limit-Requests e X-RateLimit-Limit-Concurrency, para que seu código possa ler os tetos em vez de mantê-los escritos à mão. Você também encontra X-Request-Id, útil se entrar em contato com o suporte, e X-Balance-USD com o crédito restante.

O parâmetro max_tokens é opcional: a resposta pode usar todo o espaço restante na janela de contexto. Se o prompt e o espaço para a resposta excederem a janela, max_tokens é reduzido ao que resta; o erro 400 ocorre apenas quando o prompt sozinho não cabe nos 100.000 tokens. Na prática, é melhor resumir ou remover a parte antiga de um histórico longo, para que a resposta tenha espaço.

Quanto custa respeitar os limites

A tarifa é $0,15 por 1M de tokens de entrada e $0,50 por 1M de saída. Alguns cálculos concretos, todos verificáveis.

Uma requisição típica

Prompt de 3.000 tokens e resposta de 800:

  • entrada: 3.000 × $0,15 / 1.000.000 = $0,00045;
  • saída: 800 × $0,50 / 1.000.000 = $0,0004;
  • total: $0,00085 por requisição, ou seja, $0,85 a cada 1.000 requisições.

O caso extremo

Uma requisição que preenche a janela, por exemplo 90.000 tokens de prompt e 10.000 de resposta, custa 90.000 × $0,15 / 1M = $0,0135 mais 10.000 × $0,50 / 1M = $0,005, ou seja, $0,0185. Mil requisições assim custam $18,50. Um prompt de 100.000 tokens com resposta mínima custa cerca de $0,015.

O que você compra com as recargas

Com $20, a recarga mínima, a $0,00085 por requisição você obtém cerca de 23.529 requisições ($20 / $0,00085 = 23.529,4). O crédito de teste de $0,50 basta para cerca de 588 requisições do mesmo tipo. Se você recarregar $100, recebe $110 de crédito; com $200, recebe $230. As recargas variam de $20 a $500 e podem ser pagas em cripto com USDT na TRC20 ou USDC na Base. Veja os detalhes nos preços.

O que limita realmente a velocidade

O número que geralmente importa não são os 300 por minuto, mas as 8 requisições simultâneas. Um cenário: você processa 10.000 documentos, cada um com 2.000 tokens de entrada e 300 de saída, e cada requisição dura em média 10 segundos (o tempo real depende da carga e do comprimento, meça você mesmo).

  • Com 8 requisições em paralelo, você conclui 0,8 requisições por segundo, ou seja, 48 por minuto, bem abaixo do teto de 300.
  • 10.000 / 0,8 = 12.500 segundos, cerca de 3,5 horas.
  • Custo: 20M de tokens de entrada = $3,00, 3M de saída = $1,50, total $4,50.

Portanto, a restrição é a concorrência, não a velocidade. Para reduzir o tempo, são necessárias requisições mais curtas, não uma velocidade maior. Um detalhe que surpreende: uma requisição em streaming ocupa seu lugar até o fim do fluxo, então se você deixar um stream esquecido aberto, bloqueia um dos 8 slots.

Lidando com erros 429

Ao ultrapassar um limite, a API responde com HTTP 429. O código de erro indica qual: rate_limited para requisições por minuto, concurrency para simultâneas. Em caso de sobrecarga temporária, sempre chega um 429, com o cabeçalho Retry-After: 5. Em todos os três casos, a regra é a mesma: aguarde e tente novamente. As requisições falhas não são cobradas.

Este exemplo limita a concorrência a 8 com um semáforo e tenta novamente com espera 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())

A espera ocorre fora do semáforo, para que um slot em pausa não bloqueie os outros. Para detalhes sobre o formato dos erros, consulte a documentação.

Verificando o crédito enquanto trabalha

Como o custo é por token, um loop mal escrito pode consumir crédito mais rápido do que o esperado. Duas dicas econômicas: leia o saldo e defina seu próprio limite.

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}'

Nos cabeçalhos da resposta, você encontra X-Balance-USD. Você também pode consultar GET /v1/balance com a mesma chave, ou o endpoint no estilo OpenAI /v1/dashboard/billing/credit_grants. Uma verificação a cada X requisições permite parar um lote quando o saldo cair abaixo de um limite definido por você. Defina também max_tokens nos trabalhos em série, para evitar respostas longas demais que você não precisa.

Como fazer o crédito durar mais

Como o custo depende de tokens, a maneira mais eficaz de gastar menos é enviar menos. Três hábitos que funcionam quase sempre.

  1. Encurte o histórico. Em um chat, cada turno envia todo o histórico ao modelo. Após 20 turnos de 350 tokens cada, apenas o histórico ocupa 7.000 tokens de entrada em cada nova pergunta, ou seja, $0,00105 só para relê-lo (7.000 × $0,15 / 1M). Resumir os turnos antigos em poucas linhas reduz essa despesa.
  2. Mantenha o prompt do sistema curto. Um prompt de 1.500 tokens repetido em 10.000 requisições equivale a 15M de tokens de entrada, ou seja, $2,25. Reduzindo para 500 tokens, você cai para $0,75.
  3. Limite as respostas. Tokens de saída custam mais de três vezes o valor dos tokens de entrada ($0,50 contra $0,15). Pedir respostas concisas ou definir max_tokens em tarefas que exigem apenas duas linhas é a economia mais direta.

A temperatura e outros parâmetros de amostragem, como top_p ou seed, são passados ao modelo. O parâmetro seed é útil se você quiser repetir um teste e comparar dois prompts de forma mais limpa.

O que dizer de quem promete sem fim

Quando um serviço promete requisições sem fim sem explicar os limites, pergunte sempre quais são. Um modelo com limites declarados e preço por token é mais fácil de planejar. Aqui você sabe antecipadamente quantas requisições pode fazer e quanto gasta, sem assinatura e sem expiração do crédito. Se quiser começar, obtenha sua chave e use o crédito de teste de $0,50, que se solicita com um clique após o registro e não requer pagamento.

Outros guias

Perguntas frequentes

Existem limites no número de mensagens por dia?

Os limites documentados são 300 requisições por minuto e 8 simultâneas com a chave completa, 60 e 2 com a chave de teste.

O que acontece se eu ultrapassar o limite?

A API responde com HTTP 429 e código rate_limited ou concurrency. Aguarde alguns segundos e tente novamente; a requisição rejeitada não é cobrada.

Qual é o tamanho máximo do contexto?

100.000 tokens no total, entre prompt e resposta. Se a conversa crescer, resuma ou elimine as mensagens mais antigas.

O crédito tem validade?

O crédito pré-pago nunca expira. A única exceção é o crédito de teste de $0,50, que dura 7 dias.

Sua chave está a um formulário de distância

Crie uma conta, copie a chave, edite a URL base. É toda a configuração necessária.