VynarisРанняя бетаПолучить API-ключ

Blog · · By , Founder

Как использовать LLM API без цензуры: руководство для начинающих (2026)

Практическое руководство по быстрому старту с размещёнными Vynaris профилями без цензуры: три идентификатора моделей, первый запрос, потоковая выдача и квитанция для каждого запроса.

Вызов LLM API без цензуры строится по тому же циклу, что и вызов любого эндпоинта, совместимого с OpenAI: получите ключ, отправьте чат-комплитинг, прочитайте ответ. Отключённые отказы меняют то, с какими темами модель готова работать, а не протокол передачи данных. Здесь особенно важна дисциплина. Работа с этими моделями — авторизованное тестирование безопасности, исследования и тщательная оценка поведения моделей — требует точной атрибуции: какая модель ответила, сколько стоил вызов и что именно вы ей отправили.

Это руководство последовательно проведёт вас по всем этапам работы с размещёнными Vynaris профилями без цензуры: созданию ключа, пополнению аккаунта, просмотру списка моделей, отправке первого запроса через curl, его повторению из Python, потоковой выдаче длинного ответа и чтению квитанции, которая прилагается к каждому вызову. В итоге у вас будет рабочий запрос, известная стоимость каждого вызова и привычка фиксировать идентификаторы моделей в своих записях.

Все предполагаемые в этом руководстве сценарии законны и авторизованы: тестирование безопасности систем, которыми вы владеете или на оценку которых получили явное разрешение, киберзащита, исследования и оценка. Не используйте модели с отключёнными отказами для эксплуатации несовершеннолетних, сексуального контента без согласия, несанкционированного доступа, развёртывания вредоносного ПО против систем, которыми вы не владеете и не управляете, или другой запрещённой деятельности. Прежде чем отправлять промпты, ограничьте их задачами, которые вам разрешено выполнять.

Что потребуется перед началом работы

Ключ. Создайте аккаунт и сгенерируйте API-ключ, затем сразу сохраните его. Ключи начинаются с vyn_sk_live_, за которым следует случайный суффикс; всего в ключе 55 символов, а полное значение показывается только один раз — при создании. На сервере ключи хешируются, поэтому прочитать их позже нельзя, можно только заменить. Каждый ключ можно отозвать отдельно; также можно задать необязательный лимит расходов для ключа, поэтому безопасный подход — один ключ на скрипт или машину. Храните его в переменной окружения и никогда не добавляйте в код, который попадёт в коммит.

Предоплаченные кредиты. API работает на предоплаченных пополнениях на $20, $50, $100, $250 или $500 без срока действия; ежемесячный тариф не требуется. Кредиты остаются в вашем кошельке, пока вы их не потратите. Действующие тарифы указаны на странице цен Vynaris.

Любой клиент, совместимый с OpenAI. Эндпоинт использует формат передачи данных OpenAI Chat Completions, поэтому curl, SDK OpenAI и большинство фреймворков для агентов заработают, как только вы направите их на API. Python SDK Anthropic также работает через переопределение base_url. Если ваш инструмент умеет вызывать OpenAI, он сможет вызывать и этот API.

Три размещённых профиля

Model IDInputOutputКонтекст
vynaris/qwen3.6-35b-a3b-uncensored$1.00$5.00128K
vynaris/qwen3.8-27b-uncensored$1.00$7.00128K
vynaris/deepseek-v4-flash-uncensored$2.00$11.00128K

Ставки указаны за миллион токенов. У каждого профиля есть актуальная карточка модели: Qwen3.6 35B-A3B без цензуры, Qwen3.8 27B без цензуры и DeepSeek V4 Flash без цензуры. В каждой карточке указана исходная сборка сообщества, на которой основан профиль, поэтому атрибуцию можно начать с репозитория. Полный каталог доступен в разделе моделей без цензуры.

Одно свойство важнее ставок: размещённый профиль никогда не подменяется. Когда вы отправляете один из этих трёх идентификаторов моделей, запрос обслуживает именно эта модель, а значения requested_model и served_model в ответе совпадают. Для оценки модели это разница между измерением и анекдотом.

Шаг 1: убедитесь, что ключ работает

Перед любым вызовом модели одним запросом проверьте ключ и подключение:

curl -s https://api.vynaris.com/v1/ping -H "Authorization: Bearer $VYNARIS_API_KEY"

Рабочий ключ возвращает {"ok": true, "key": "valid"}. Этот единственный вызов локализует большинство проблем настройки: если ping проходит, а чат-комплитинг завершается ошибкой, проблема в вашем запросе, а не в сети или ключе.

Шаг 2: получите список моделей

Запросите у API список моделей, которые может вызывать ваш ключ:

curl -s https://api.vynaris.com/v1/models -H "Authorization: Bearer $VYNARIS_API_KEY"

В ответе перечислены все идентификаторы моделей, доступные вашему аккаунту. Копируйте из ответа три идентификатора размещённых профилей, а не полагайтесь на память, заметки или любую публикацию в блоге, включая эту: эндпоинт — источник истины о том, что можно вызвать сегодня.

Шаг 3: отправьте первый чат-комплитинг

curl -s https://api.vynaris.com/v1/chat/completions \
  -H "Authorization: Bearer $VYNARIS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "vynaris/deepseek-v4-flash-uncensored",
    "messages": [
      {"role": "user", "content": "Explain how a stack canary detects a buffer overflow attempt, so I can verify my mitigation actually triggers in tests."}
    ]
  }'

Ответ представляет собой стандартное тело Chat Completions с прикреплённой квитанцией Vynaris; здесь оставлены только поля, которые вы прочитаете в первую очередь:

{
  "model": "vynaris/deepseek-v4-flash-uncensored",
  "choices": [
    {
      "index": 0,
      "message": {"role": "assistant", "content": "A stack canary is placed between local buffers and the saved return address, and the runtime checks it before the function returns."},
      "finish_reason": "stop"
    }
  ],
  "usage": {"prompt_tokens": 1180, "completion_tokens": 342, "total_tokens": 1522},
  "vynaris": {
    "request_id": "req_9f2c7d14e6a8",
    "requested_model": "vynaris/deepseek-v4-flash-uncensored",
    "served_model": "vynaris/deepseek-v4-flash-uncensored",
    "cost_usd": 0.006122,
    "baseline": "provider list price, uncached"
  }
}

Блок vynaris также содержит upstream_model, provider, deployment, routing_reason, attempts и сравнение direct_equivalent_usd, поэтому все данные о запросе, влияющие на биллинг, передаются вместе с ответом. Те же сведения передаются в заголовках ответа: x-vynaris-request-id, x-vynaris-served-model, x-vynaris-cost и x-vynaris-balance, который сообщает остаток средств после вызова.

Проверьте расчёт один раз, чтобы затем доверять квитанции. В этом запросе использовано 1 180 входных и 342 выходных токена. При $2.00 за миллион входных и $11.00 за миллион выходных токенов получаем 1180 × $2.00 / 1 000 000 = $0.00236 плюс 342 × $11.00 / 1 000 000 = $0.003762, итого $0.006122 — ровно столько сообщает cost_usd. Ничего не оценивается задним числом: число измеряется по количеству токенов запроса, который был фактически выполнен. Неудачные запросы компенсируются возвратом средств за надёжность, а не оплачиваются.

При первом использовании ожидайте следующее: первый запрос после периода простоя может выполняться медленнее, пока запускаются мощности; последующие запросы выполняются с обычной задержкой.

Шаг 4: перейдите к реальному клиенту

Тот же вызов из Python с SDK OpenAI, направленным на base URL Vynaris:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["VYNARIS_API_KEY"],
    base_url="https://api.vynaris.com/v1",
)

response = client.chat.completions.create(
    model="vynaris/deepseek-v4-flash-uncensored",
    messages=[
        {"role": "user", "content": "Draft a test plan for the auth bypass I described, scoped to my staging environment."}
    ],
)

print(response.choices[0].message.content)

# The vynaris receipt rides in the raw body; the OpenAI SDK
# preserves fields it does not model:
receipt = response.model_extra["vynaris"]
print(receipt["served_model"], receipt["cost_usd"])

Любой клиент, совместимый с OpenAI, на любом языке работает одинаково: укажите в качестве base URL https://api.vynaris.com/v1, задайте ключ, используйте точный идентификатор модели. Python SDK Anthropic работает через переопределение base_url. В существующем harness ничего менять не нужно.

Шаг 5: используйте потоковую выдачу для длинных ответов

Добавьте "stream": true для всего, что длиннее одного абзаца:

curl -N https://api.vynaris.com/v1/chat/completions \
  -H "Authorization: Bearer $VYNARIS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "vynaris/qwen3.6-35b-a3b-uncensored",
    "stream": true,
    "messages": [
      {"role": "user", "content": "Write the incident-response playbook section for credential stuffing alerts."}
    ]
  }'

Вывод поступает как события, отправляемые сервером: один фрагмент JSON на группу токенов, в конце — маркер data: [DONE]. Флаг -N отключает буферизацию curl, поэтому фрагменты видны по мере поступления. В ответах с потоковой выдачей есть заголовки x-vynaris-request-id и x-vynaris-served-model, поэтому атрибуция сохраняется, даже если тело приходит частями. Запросы с вызовом инструментов и функций передаются без изменений: если цикл вашего агента отправляет tools, потоковые дельты включают те же фрагменты вызовов инструментов, которые любой клиент, совместимый с OpenAI, уже умеет собирать.

Закрепите тестируемую модель

Гигиена оценки — залог того, что результаты позднее можно будет обосновать. Наибольший эффект дают три привычки:

  1. Записывайте точный идентификатор модели вместе с каждым результатом. Не «DeepSeek», а полную строку vynaris/deepseek-v4-flash-uncensored и request_id из квитанции. Показатель доли отказов без идентификатора модели и даты — маркетинг, а не измерение.
  2. Повторно запускайте собственный набор проб вместо того, чтобы доверять опубликованным оценкам. Зафиксируйте temperature и max tokens, сохраните файл промптов и повторяйте запуск при любых изменениях. В таблице лидеров LLM без цензуры опубликованы примечания к набору и скрипт воспроизведения, который можно направить на любой эндпоинт.
  3. Считайте стоимость завершённой задачи, а не стоимость токена. Модель, которая отказывает на трети сложных промптов, обходится дорого при любой цене токена, когда появляются повторы и переписывания. Квитанция позволяет это измерить: просуммируйте cost_usd по прогону и разделите на число завершённых задач.

Пять ошибок, которых стоит избежать

  1. Вставлять ключ в клиентский код. Ключ — это учётные данные предъявителя: любой, кто им владеет, может тратить ваши кредиты. Используйте переменные окружения, создавайте отдельный ключ для каждого harness, чтобы каждый можно было отозвать независимо, и задавайте лимит расходов для ключа во всём, что работает без присмотра.
  2. Не сохранить ключ при создании. Полное значение показывается один раз и хешируется на сервере. Если прокрутка терминала уже недоступна, восстановить доступ можно, только отозвав ключ и создав новый, а не получив старый.
  3. Повторять запрос после 402. Код 402 означает нулевой баланс; это окончательная, а не временная ошибка. Запрос не был отправлен во внешний сервис и ничего не списано, поэтому повторные попытки ничего не дадут. Пополните баланс, затем отправьте запрос снова. Напротив, 502 — это ошибка внешнего сервиса, при которой повторная попытка оправданна.
  4. Вызывать непроверенный идентификатор модели. Копируйте идентификаторы из /v1/models, а не из памяти, старых заметок или лендинга. Оценочный прогон не на той модели придётся повторять, и вы заплатите за него дважды.
  5. Записывать результаты без квитанции. Журналируйте request_id, served_model и cost_usd для каждого прогона. Когда позже поставят под сомнение число из отчёта, квитанции точно восстановят, какая модель его выдала и сколько это стоило.

Что делать дальше

Часто задаваемые вопросы

Нужен ли ежемесячный тариф для использования размещённых профилей?

Нет. API работает на предоплаченных пополнениях от $20 без срока действия, без ежемесячного тарифа и без условия об интерактивном использовании, поэтому агенты, автоматизация и production-трафик — разрешённые нагрузки. Перед выделением бюджета подтвердите актуальные условия на странице цен.

С какого профиля начать?

Ориентируйтесь на ставки и собственный набор проб, а не на заявления о бенчмарках. У Qwen3.6 самая низкая ставка за выходные токены — $5.00 за миллион токенов, у Qwen3.8 — $7.00, а у DeepSeek V4 Flash ставка за выходные токены составляет $11.00 за миллион, но за ней стоит другая модель. Запустите одни и те же 20–30 промптов на всех трёх профилях, зафиксируйте долю выполнения, время до первого токена и cost_usd на завершённую задачу — пусть выбор сделает ваша собственная нагрузка.

Можно ли продолжать использовать мой существующий клиент OpenAI или Anthropic?

Да. Формат передачи данных — OpenAI Chat Completions, поэтому любой клиент, совместимый с OpenAI, заработает после смены base URL на https://api.vynaris.com/v1 и API-ключа. Python SDK Anthropic работает через переопределение base_url. Запросы с потоковой выдачей и вызовом инструментов передаются без изменений.

Что происходит с моими промптами?

Размещённые профили не сохраняют тела промптов или ответов. Метаданные каждого запроса — например, модель, число токенов, стоимость и задержка — сохраняются для биллинга, а полное хранение расшифровок доступно только при явном включении для отладки дашборда. Это заявления о продукте, поэтому перед отправкой регулируемых данных проверьте актуальные условия конфиденциальности на соответствие вашим требованиям.

Что произойдёт, если баланс закончится во время прогона?

Следующий запрос вернёт 402, не будет отправлен во внешний сервис и ничего не спишется; в теле будет URL для пополнения. Это можно предвидеть: каждый ответ содержит заголовок x-vynaris-balance, а лимиты расходов для ключей ограничивают максимальные потери при запусках без присмотра. Неиспользованные кредиты не сгорают, поэтому раннее пополнение ничего не стоит с точки зрения ценности выбора.