Docs da API Ollama: Comparação de API Sem Censura

Por que Escolher uma API Sem Restrições?

APIs sem censura fornecem acesso direto a modelos que não recusam tópicos adultos, fictícios ou controversos legais. Essa abordagem remove a necessidade de gerenciar dependências específicas do modelo ou ajustar camadas de alinhamento você mesmo.

Nosso serviço hospedado oferece um modelo de pesos abertos otimizado para mínima recusa. Você envia entrada de texto padrão e recebe saída de texto sem se preocupar com filtros de conteúdo bloqueando seu fluxo de trabalho. A API suporta streaming via SSE, chamadas de função e modo JSON, garantindo compatibilidade com pilhas modernas de desenvolvedores.

Diferente de implantações locais, você não precisa monitorar a temperatura da GPU ou lidar com atualizações de drivers. A infraestrutura escala automaticamente, permitindo que você se concentre em construir seu aplicativo em vez de manter seu servidor.

Ollama Local vs API Hospedada: A Compensação

A implantação local oferece total privacidade de dados e latência zero sobre WAN, mas requer gerenciamento significativo de hardware. Você deve configurar drivers CUDA, containers Docker e variáveis de ambiente como OLLAMA_HOST.

As APIs hospedadas abstraem o hardware. Você se conecta usando uma URL base e uma chave de API, assim como faria com os principais provedores de nuvem. Isso elimina a necessidade do NVIDIA Container Toolkit ou do gerenciamento de arquivos de modelo locais.

A contrapartida é custo versus conveniência. Execuções locais são gratuitas após a compra do hardware, enquanto APIs hospedadas cobram por token. Para uso ocasional ou prototipagem rápida, a rota hospedada é geralmente mais rápida de implantar.

Comparação de Custos: Hardware GPU vs. Cobrança por Token

Os custos de inferência local são fixos: você compra a GPU uma vez. O faturamento hospedado escala com o uso. Nosso modelo cobra $0.15 por 1M tokens de entrada e $0.50 por 1M tokens de saída. Este modelo pré-pago significa que erros e recusas são gratuitos, então você paga apenas por resultados reais.

Para produção de alto volume, o hardware local geralmente vence em preço. Para desenvolvimento esporádico ou pequenas equipes, o faturamento de tokens pré-pagos evita o overhead de recursos de GPU ociosos. Você pode fazer recarga com criptomoedas a partir de $20, com crédito bônus disponível para depósitos maiores.

Sem assinatura mensal que o prende. O crédito nunca expira, permitindo que você pause o uso sem perder os fundos.

Desempenho: Docker, CUDA e Restrições Locais

O desempenho local depende fortemente da sua versão CUDA e geração de hardware. O Ollama suporta CUDA 5.0+, mas modelos modernos performam melhor na arquitetura Ampere ou superior. O VLLM, por exemplo, requer Volta ou superior.

O Docker adiciona uma pequena sobrecarga, mas simplifica o gerenciamento de dependências. Você pode usar ferramentas como o Coolify para configurar o Ollama com o Open Webgui com mínimo esforço. No entanto, você deve garantir que a variável OLLAMA_HOST esteja definida corretamente, geralmente para 0.0.0.0 para acesso externo.

As APIs hospedadas oferecem desempenho consistente independentemente da sua máquina local. Isso é crucial quando você precisa de latência previsível para aplicativos em tempo real.

Tabela de Decisão: Ollama Local vs. Esta API

Recurso	Ollama Local	API Hospedada Sem Restrições
Complexidade da Configuração	Alto (CUDA, Docker, Config)	Baixa (Chave de API + URL Base)
Modelo de Custo	Capex de Hardware	Uso de Token Pré-pago
Privacidade	Controle Total	Prompts Não Usados para Treinamento
Janela de Contexto	Depende da VRAM	100.000 Tokens
Atualizações	Manual	Automático

Restrições Técnicas: Janela de Contexto e Limites

Modelos locais são limitados pela VRAM da sua GPU. Um modelo de 7B pode caber, mas modelos maiores serão transferidos para a CPU, diminuindo significativamente a inferência. Nossa API suporta uma janela de contexto de 100.000 tokens, permitindo processar documentos grandes sem os limites de hardware local.

A API limita a 16.000 tokens de saída máxima por solicitação. Se você não definir max_tokens, o padrão é 2.048 tokens. Isso garante faturamento previsível e alocação de recursos.

Os limites de taxa estão definidos para 300 solicitações por minuto por chave. Isso é suficiente para a maioria dos fluxos de trabalho de desenvolvimento e cargas de trabalho de produção moderadas. Você pode usar uma chave ativa por conta, substituindo-a se necessário.

Transparência de Faturamento: Pré-pago vs. Assinatura

Modelos de assinatura frequentemente cobram por tempo ocioso. O pagamento por tokens pré-pagos cobra apenas pelo que você usa. Nosso crédito nunca expira, então você pode recarregar uma vez e usar ao longo de meses ou anos.

Os pagamentos são exclusivamente em criptomoedas: USDT (TRC20) ou USDC (Base). Você pode depositar qualquer valor inteiro de $20 a $500. Crédito bônus é adicionado automaticamente: +5% a partir de $50, +10% a partir de $100 e +15% a partir de $200.

Contas novas recebem $0.50 em crédito de teste válido por 7 dias. Erros como cobranças duplas são corrigidos pela página de Suporte, mas o crédito em si não é reembolsável.

FAQ: Perguntas Comuns sobre a API Ollama

Como uso o modelo uncensored? Envie solicitações para nossa URL base com id do modelo "sem censura". Ele aceita parâmetros padrão do SDK OpenAI como temperature, top_p e stop. O modelo não recusa temas adultos ou controversos permitidos por lei.

Esta é a API oficial do Ollama? Não. Somos um serviço independente. O Ollama é uma ferramenta para executar modelos localmente. Hospedamos um modelo de peso diferente via um endpoint compatível com OpenAI.

O que acontece se eu ficar sem crédito? As solicitações falharão até que você adicione fundos. Você pode adicionar crédito via criptomoeda a qualquer momento. Seu crédito existente não expira.

Você usa meus prompts para treinamento? Não. Não usamos seus prompts para treinamento. Seus dados permanecem privados.