关键点
- 无审查不等于无限制:存在每分钟请求数、并发请求数和上下文的上限。
- 完整密钥:8 个并发请求和每分钟 300 次请求。试用密钥:2 个并发请求和每分钟 60 次请求。
- 上下文包含提示词和回复,共 100,000 token;信用额度永不过期。
- 429 错误可通过等待和重试处理,失败的请求不收费。
两件事:无过滤和无上限
当搜索无使用限制的 AI时,人们混淆了两个概念。第一个是内容不被拒绝:此处使用的模型经过训练,可在合法成人用途下无阻碍地回答。第二个是缺乏技术上限,这在任何可靠的服务中都不存在。请求速率、并行调用数、上下文长度以及请求体大小均有限制。
在构建之前了解这些很有必要,因为它们是可预测的,且几乎都可以通过少量代码处理。有一个限制是绝对的,不取决于任何设置:禁止涉及未成年人的性内容。
限制汇总表
| 限制 | 完整密钥 | 试用密钥 |
|---|---|---|
| 并发请求 | 8 | 2 |
| 每分钟请求数 | 300 | 60 |
| 上下文(提示词 + 回复) | 100.000 token | 100.000 token |
| 最大请求体大小 | 8 MB | 8 MB |
| 有效期 | 额度永不过期 | 7 天 |
响应包含 X-RateLimit-Limit-Requests 和 X-RateLimit-Limit-Concurrency 标头,这样你的代码可以读取上限,而不是手动记录。你还会找到 X-Request-Id,在联系支持时很有用,以及显示剩余额度的 X-Balance-USD。
max_tokens 参数是可选的:响应可以使用上下文窗口中剩余的所有空间。如果提示词和回复空间超过窗口,max_tokens 会被缩减为剩余部分;仅当提示词本身无法放入 100,000 token 时才会出现 400 错误。实际上,最好总结或删除长历史记录中的旧部分,以便为回复留出空间。
保持在限制内的成本
费率为输入 1M token $0.15,输出 1M token $0.50。以下是几个可验证的具体计算。
典型请求
3.000 token 的提示词和 800 token 的回复:
- 输入:3.000 × $0.15 / 1.000.000 = $0.00045;
- 输出:800 × $0.50 / 1.000.000 = $0.0004;
- 总计:每次请求 $0.00085,即每 1.000 次请求 $0.85。
极端情况
填满窗口的请求,例如 90.000 token 提示词和 10.000 token 回复,成本为 90.000 × $0.15 / 1M = $0.0135 加上 10.000 × $0.50 / 1M = $0.005,即 $0.0185。一千次此类请求成本为 $18.50。100.000 token 提示词加极短回复的成本约为 $0.015。
充值能买到什么
最低充值 $20,每次请求 $0.00085,可获得约 23.529 次请求($20 / $0.00085 = 23.529,4)。$0.50 的试用额度仅够约 588 次此类请求。充值 $100 获得 $110 额度,充值 $200 获得 $230 额度。充值范围为 $20 至 $500,支持通过 TRC20 上的 USDT 或 Base 上的 USDC 以 加密货币 支付。详见 价格。
真正限制速度的因素
通常关键数字不是每分钟的 300 次,而是 8 个并发请求。假设:你处理 10.000 份文档,每份文档输入 2.000 token,输出 300 token,每次请求平均耗时 10 秒(实际时间取决于负载和长度,请自行测量)。
- 8 个并行请求每秒完成 0.8 次请求,即每分钟 48 次,远低于 300 的上限。
- 10,000 / 0.8 = 12,500 秒,约 3.5 小时。
- 成本:20M 输入 token = $3.00,3M 输出 token = $1.50,总计 $4.50。
因此约束在于并发而非速率。要缩短时间,需要更短的请求,而不是更高的速率。一个令人惊讶的细节:流式输出请求会占用其位置直到流结束,因此如果你忘记关闭一个流,就会占用 8 个槽位中的一个。
处理 429 错误
超过限制时,API 返回 HTTP 429。错误代码指示具体原因:rate_limited 表示每分钟请求超限,concurrency 表示并发超限。临时过载时始终返回 429,并带有标头 Retry-After: 5。所有三种情况的规则相同:等待并重试。失败的请求不收费。
此示例使用信号量将并发限制为 8,并采用递增等待时间重试。
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())
等待在信号量之外进行,因此暂停的槽位不会阻塞其他槽位。有关错误格式的详细信息,请参阅 文档。
工作时检查额度
由于按 token 计费,循环编写不当可能导致额度消耗快于预期。两个节省额度的建议:读取余额并自行设置上限。
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}'
你可以在响应标头中找到 X-Balance-USD。你也可以使用相同的密钥查询 GET /v1/balance,或者 OpenAI 风格的接口 /v1/dashboard/billing/credit_grants。每隔一定数量的请求检查一次,可以在余额低于你的阈值时停止批处理。在串行任务中设置 max_tokens,以避免返回你不需要的那些超长响应。
如何延长预付额度的使用时长
由于成本取决于 token,最有效的省钱方式是减少 token 消耗。以下三个习惯几乎总是有效。
- 缩短历史记录。 在对话中,每一轮交互都会向模型发送整个历史。经过 20 轮每轮 350 token 的交互后,仅历史记录就会在每次新请求时带来 7000 token 的输入量,即仅重读历史记录就需要 $0.00105(7000 × $0.15 / 1M)。将旧轮次总结为几行可以削减这笔开销。
- 保持系统提示词简短。 一个 1,500 token 的系统提示词在 10,000 次请求中重复使用,将产生 15M 的输入 token,即 $2.25。将其缩减至 500 token,费用将降至 $0.75。
- 限制回复长度。 输出 token 的成本是输入 token 的三倍多($0.50 对比 $0.15)。要求回复简洁或在仅需两行即可完成任务时设置
max_tokens,是最直接的节省方式。
温度和 top_p 或 seed 等采样参数也会传递给模型。如果你希望重复测试并更清晰地对比两个提示词,seed 参数会很有用。
如何回应那些承诺无上限的供应商
当某服务承诺请求无上限却不说明上限时,务必询问具体数值。具有明确上限且按 token 计费的模型更易于规划。在这里,你可以提前知道能发起多少请求以及花费多少,无需订阅,且额度不会过期。如果想开始使用,获取你的密钥,并使用 $0.50 的免费试用额度,注册后一键领取,无需支付。

