Ollama API Docs: Uncensored API-Vergleich

Warum eine unzensierte API wählen?

Uncensored-APIs bieten direkten Zugriff auf Modelle, die keine Ablehnung für legale erwachsene, fiktive oder kontroverse Themen durchführen. Dieser Ansatz entfernt die Notwendigkeit, modell-spezifische Abhängigkeiten zu verwalten oder Alignment-Schichten selbst abzustimmen.

Unser gehosteter Service liefert ein Open-Weight-Modell, das auf minimale Ablehnung optimiert ist. Sie senden eine standardmäßige Texteingabe und erhalten Textausgabe, ohne sich Sorgen machen zu müssen, dass Inhaltsfilter Ihren Workflow blockieren. Die API unterstützt Streaming über SSE, Funktionsaufrufe und den JSON-Modus und gewährleistet so die Kompatibilität mit modernen Entwickler-Stacks.

Im Gegensatz zu lokalen Bereitstellungen müssen Sie die GPU-Temperatur nicht überwachen oder Treiberupdates verwalten. Die Infrastruktur skaliert automatisch, sodass Sie sich auf den Aufbau Ihrer Anwendung konzentrieren können, anstatt Ihren Server zu warten.

Lokales Ollama vs. Gehostete API: Die Abwägung

Lokale Bereitstellung bietet volle Datenschutzprivatsphäre und keine Latenz über WAN, erfordert jedoch erhebliches Hardwaremanagement. Sie müssen CUDA-Treiber, Docker-Container und Umgebungsvariablen wie OLLAMA_HOST konfigurieren.

Gehostete APIs abstrahieren die Hardware. Sie verbinden sich über eine Basis-URL und einen API-Schlüssel, genau wie bei großen Cloud-Anbietern. Dies eliminiert die Notwendigkeit des NVIDIA Container Toolkit oder der Verwaltung lokaler Modelldateien.

Der Kompromiss ist Kosten gegenüber Bequemlichkeit. Lokale Läufe sind nach dem Hardwarekauf kostenlos, während gehostete APIs pro Token berechnen. Für gelegentliche Nutzung oder schnelles Prototyping ist der gehostete Weg oft schneller bereitgestellt.

Kostenvergleich: GPU-Hardware vs. Token-Abrechnung

Lokale Inferenzkosten sind fest: Sie kaufen die GPU einmal. Gehostete Abrechnung skaliert mit der Nutzung. Unser Modell kostet $0,15 pro 1M Eingabetokens und $0,50 pro 1M Ausgabetokens. Dieses Prepaid-Modell bedeutet, dass Fehler und Ablehnungen kostenlos sind, sodass Sie nur für tatsächliche Ergebnisse zahlen.

Für die Produktion mit hohem Volumen gewinnt lokale Hardware meist beim Preis. Für sporadische Entwicklung oder kleine Teams vermeidet die Prepaid-Token-Abrechnung den Overhead leerlaufender GPU-Ressourcen. Sie können mit Krypto ab $20 aufladen, wobei für größere Einzahlungen Bonusguthaben verfügbar ist.

Kein monatliches Abonnement bindet Sie. Das Guthaben verfällt nie, sodass Sie die Nutzung pausieren können, ohne Geld zu verlieren.

Leistung: Docker, CUDA und lokale Einschränkungen

Die lokale Leistung hängt stark von Ihrer CUDA-Version und der Hardware-Generation ab. Ollama unterstützt CUDA 5.0+, aber moderne Modelle laufen auf der Ampere-Architektur oder neuer am besten. VLLM erfordert beispielsweise Volta oder neuer.

Docker fügt einen leichten Overhead hinzu, vereinfacht jedoch das Dependency-Management. Sie können Tools wie Coolify verwenden, um Ollama mit Open Webgui mit minimalem Aufwand einzurichten. Sie müssen jedoch sicherstellen, dass die Variable OLLAMA_HOST korrekt gesetzt ist, oft auf 0.0.0.0 für externen Zugriff.

Gehostete APIs bieten konsistente Leistung unabhängig von Ihrer lokalen Maschine. Dies ist entscheidend, wenn Sie vorhersehbare Latenzzeiten für Echtzeitanwendungen benötigen.

Entscheidungstabelle: Lokales Ollama vs. Diese API

Funktion	Lokales Ollama	Gehostete unzensierte API
Einrichtungskomplexität	Hoch (CUDA, Docker, Config)	Niedrig (API Key + Base URL)
Kostenmodell	Hardware-Kapitalkosten (CapEx)	Prepaid-Token-Nutzung
Datenschutz	Vollständige Kontrolle	Prompts nicht zum Training verwendet
Kontextfenster	Abhängig vom VRAM	100.000 Tokens
Aktualisierungen	Manuell	Automatisch

Technische Einschränkungen: Kontextfenster und Limits

Lokale Modelle sind durch Ihr GPU-VRAM begrenzt. Ein 7B-Modell passt möglicherweise, aber größere Modelle werden auf die CPU ausgelagert, was die Inferenz erheblich verlangsamt. Unsere API unterstützt ein Kontextfenster von 100.000 Token, sodass Sie große Dokumente ohne lokale Hardwaregrenzen verarbeiten können.

Die API begrenzt die Ausgabe auf maximal 16.000 Tokens pro Anfrage. Wenn Sie max_tokens nicht festlegen, beträgt der Standardwert 2.048 Tokens. Dies gewährleistet vorhersehbare Abrechnungen und Ressourcenplanung.

Die Ratenbegrenzung liegt bei 300 Anfragen pro Minute pro Schlüssel. Dies reicht für die meisten Entwicklungs- und moderaten Produktionsworkloads aus. Sie können einen aktiven Schlüssel pro Konto verwenden und ihn bei Bedarf ersetzen.

Abrechnungstransparenz: Prepaid vs. Abonnement

Abonnementmodelle berechnen oft für Leerlaufzeiten. Die prepaid-Token-Abrechnung berechnet nur das, was Sie nutzen. Unser Guthaben verfällt nie, sodass Sie einmal aufladen und es über Monate oder Jahre nutzen können.

Zahlungen erfolgen ausschließlich per Krypto: USDT (TRC20) oder USDC (Base). Sie können jeden beliebigen Gesamtbetrag von $20 bis $500 einzahlen. Bonusguthaben wird automatisch hinzugefügt: +5% ab $50, +10% ab $100 und +15% ab $200.

Neue Konten erhalten $0.50 Testguthaben, das 7 Tage gültig ist. Fehler wie Doppelbelastungen werden über die Support-Seite behoben, das Guthaben selbst ist jedoch nicht erstattungsfähig.

FAQ: Häufige Ollama-API-Fragen

Wie verwende ich das Uncensored-Modell? Senden Sie Anfragen an unsere Basis-URL mit der Modell-ID „uncensored“. Sie akzeptiert Standard-OpenAI-SDK-Parameter wie Temperatur, top_p und Stop. Das Modell lehnt keine legalen erwachsenen oder kontroversen Themen ab.

Ist dies die offizielle Ollama-API? Nein. Wir sind ein unabhängiger Dienst. Ollama ist ein Tool zum lokalen Ausführen von Modellen. Wir hosten ein anderes Open-Weight-Modell über einen OpenAI-kompatiblen Endpunkt.

Was passiert, wenn mir das Guthaben ausgeht? Anfragen schlagen fehl, bis Sie aufladen. Sie können jederzeit Guthaben über Kryptowährung hinzufügen. Ihr bestehendes Guthaben verfällt nicht.

Verwenden Sie meine Prompts zum Trainieren? Nein. Wir verwenden Ihre Prompts nicht zum Trainieren. Ihre Daten bleiben privat.