UncensoredLabs কী?
UncensoredLabs একটি OpenAI-সামঞ্জস্যপূর্ণ API-এর মাধ্যমে সেন্সরবিহীন ও abliterated DeepSeek এবং GLM টেক্সট মডেলে হোস্টেড অ্যাক্সেস প্রদান করে। বিদ্যমান OpenAI-সামঞ্জস্যপূর্ণ ক্লায়েন্টগুলো সাধারণত তাদের base URL পরিবর্তন করে, একটি UncensoredLabs application API key প্রদান করে এবং সঠিক model ID নির্বাচন করে সংযুক্ত করা যায়।
এ ছাড়া ব্রাউজার Chat-এর মাধ্যমেও এই পরিষেবা ব্যবহার করা যায়। পাবলিক GitHub repository-তে গাইড, কনফিগারেশন উদাহরণ এবং API নমুনা রয়েছে; এতে হোস্টেড প্ল্যাটফর্মের implementation বা model weights নেই।
গুরুত্বপূর্ণ: “Abliterated” বলতে এমন একটি মডেলকে বোঝায়, যার weights পরিবর্তন করে refusal behavior কমানো হয়েছে। এটি সঠিক উত্তরের নিশ্চয়তা দেয় না বা প্রতিটি prompt-এর ক্ষেত্রে refusal দূর করে না।
প্রধান বৈশিষ্ট্য
- OpenAI-সামঞ্জস্যপূর্ণ API: একটি সামঞ্জস্যপূর্ণ client রেখে সেটিকে UncensoredLabs base URL-এ নির্দেশ করুন।
- DeepSeek এবং GLM মডেল: তালিকাভুক্ত ছয়টি সেন্সরবিহীন বা abliterated model variant-এর মধ্যে বেছে নিন।
- বড় context: provider-এর context accounting সাপেক্ষে, নথিভুক্ত catalog-এর প্রতিটি মডেলের context window এক মিলিয়ন token।
- Text streaming: catalog-এর ছয়টি entry-ই incremental text generation সমর্থন করে।
- Function tools: তালিকাভুক্ত প্রতিটি মডেল application ও agent workflow-এর জন্য function tools সমর্থন করে।
- একাধিক integration পথ: repository-তে Python, TypeScript, streaming এবং coding-client উদাহরণ রয়েছে।
- ব্যবহারভিত্তিক বিলিং: প্রতি এক মিলিয়ন token-এর জন্য input, cached-input এবং output rate প্রকাশ করা হয়।
শুরু করার আগে
UncensoredLabs signup page-এর মাধ্যমে একটি account তৈরি করুন। Dashboard-এ একটি application API key তৈরি করুন।
API request-এ 16-digit account sign-in key ব্যবহার করবেন না। Account sign-in key এবং application API key আলাদা credential।
যোগ্য নতুন account-গুলো $0.10 trial credit পায়। পুনরায় trial-এর সংকেতের জন্য identity verification প্রয়োজন হতে পারে, এবং prepaid top-up শুরু হয় $3 থেকে। API generation-এর আগে credit সংরক্ষণ করে, তাই আপনার নির্বাচিত মডেল ও request-এর জন্য dashboard-এ পর্যাপ্ত available balance আছে কি না নিশ্চিত করুন।
আপনার API key সেট আপ করুন
Linux বা macOS-এর জন্য shell-এ application API key export করুন:
export UNCENSOREDLABS_API_KEY="YOUR_APPLICATION_API_KEY"এতে credential request body-এর বাইরে থাকে এবং shell সেটিকে authorization header-এ বসাতে পারে। API key source control, উদাহরণ, log বা সর্বজনীন GitHub issue-এ commit করা এড়িয়ে চলুন।
PowerShell নির্দেশনাসহ platform-specific environment setup-এর জন্য quickstart guide দেখুন।
আপনার প্রথম chat completion পাঠান
সাধারণ request-এর জন্য কোনো client library প্রয়োজন নেই। নিচের command-টি curl ব্যবহার করে OpenAI-সামঞ্জস্যপূর্ণ chat completions endpoint-এ call করে:
curl --fail-with-body https://uncensoredlabs.dev/v1/chat/completions \
-H "Authorization: Bearer $UNCENSOREDLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4.1-flash-1017-abliterated",
"messages": [
{
"role": "user",
"content": "Review this security design: customer comments are rendered as HTML in an admin console. Explain the attack path and how to verify the fix."
}
],
"max_tokens": 1024
}'Request-টির চারটি প্রয়োজনীয় অংশ রয়েছে:
- Endpoint:
https://uncensoredlabs.dev/v1/chat/completions। - Authorization: application API key-যুক্ত একটি bearer token।
- Model: live catalog-এর একটি সঠিক model ID।
- Messages: conversation বর্ণনাকারী role ও content object-এর একটি array।
max_tokens value অনুরোধ করা output সীমিত করে। এটি নির্বাচিত মডেলের output limit-এর মধ্যে থাকতে হবে, আর সম্মিলিত input ও output-কে মডেলটির context accounting-এর মধ্যে ফিট করতে হবে।
একটি মডেল বেছে নিন
README-তে November 1, 2026 তারিখে যাচাই করা catalog snapshot নথিভুক্ত রয়েছে। সক্রিয় plan discount-এর আগে প্রতি এক মিলিয়ন token-এর জন্য দাম US dollar-এ দেওয়া হয়েছে। Rate, health এবং availability পরিবর্তিত হতে পারে, তাই live API catalog অগ্রাধিকার পায়।
deepseek-v4-pro-uncensored: $0.50 input, $0.10 cached input এবং $0.50 output; সর্বোচ্চ output 65,536 token।deepseek-v4.1-flash-1017-abliterated: $0.30 input, $0.12 cached input এবং $0.30 output; সর্বোচ্চ output 65,536 token।deepseek-v4.1-flash-abliterated: $0.30 input, $0.10 cached input এবং $0.30 output; সর্বোচ্চ output 65,536 token।deepseek-v4.1-flash-abliterated-fast: $1.40 input, $0.32 cached input এবং $1.40 output; সর্বোচ্চ output 65,536 token।glm-5.3-abliterated: $1.40 input, $0.40 cached input এবং $1.40 output; সর্বোচ্চ output 130,000 token।glm-5.3-uncensored: $0.35 input, $0.10 cached input এবং $0.35 output; সর্বোচ্চ output 65,536 token।
ছয়টি এন্ট্রিই টেক্সট, স্ট্রিমিং এবং ফাংশন টুল সমর্থন করে, এবং প্রতিটির কনটেক্সট উইন্ডো এক মিলিয়ন টোকেন। ক্যাটালগে অন্তর্ভুক্ত থাকা মানেই কোনো মডেল বর্তমানে সুস্থ বা সচল—এমন নিশ্চয়তা নেই। লাইভ লিংক, সীমা, মূল্য, কর্মক্ষমতার তথ্য এবং পরিমাপের সীমাবদ্ধতার জন্য রিপোজিটরির মডেল ক্যাটালগ নির্দেশিকা দেখুন।
আপনার কর্মপ্রবাহ অনুযায়ী অনুরোধ মানিয়ে নিন
এন্ডপয়েন্ট এবং অনুমোদন হেডার অপরিবর্তিত রাখুন, তারপর মডেল, প্রম্পট এবং টোকেন সীমা পরিবর্তন করুন। উদাহরণস্বরূপ, একটি রিভার্স-ইঞ্জিনিয়ারিং অনুরোধে কোনো ডিকম্পাইল করা রুটিন ব্যাখ্যা করতে মডেলকে বলা যেতে পারে:
{
"model": "glm-5.3-uncensored",
"messages": [
{
"role": "user",
"content": "Explain this decompiled routine, identify its data structures, and describe how you would validate your interpretation."
}
],
"max_tokens": 2048
}নথিভুক্ত ব্যবহারক্ষেত্রের মধ্যে রয়েছে নিরাপত্তা গবেষণা, রিভার্স ইঞ্জিনিয়ারিং, ডেভেলপার টুলিং, সৃজনশীল কাজ এবং ট্রাস্ট-অ্যান্ড-সেফটি মূল্যায়ন। মডেলগুলো ট্রাস্ট বাউন্ডারি বিশ্লেষণ, দুর্বল কোডের সঙ্গে প্যাচের তুলনা, ফাইল-ফরম্যাটের কাঠামো পুনরুদ্ধার, লেবেলযুক্ত মূল্যায়ন কেস তৈরি এবং মডারেশন ব্যর্থতার ধরন অনুসন্ধানে সহায়তা করতে পারে।
Python ও TypeScript ক্লায়েন্ট ব্যবহার করুন
সেবাটি OpenAI-সঙ্গত হওয়ায় বেস URL, API কী এবং মডেল নির্বাচন পরিবর্তন করার পর এটি সামঞ্জস্যপূর্ণ ক্লায়েন্টের সঙ্গে কাজ করার জন্য তৈরি। রিপোজিটরিতে স্বয়ংক্রিয় রিট্রাই নিষ্ক্রিয় করে OpenAI SDK ব্যবহার করা একটি চালানো যায় এমন Python উদাহরণ রয়েছে।
একটি পৃথক TypeScript উদাহরণ টাইপযুক্ত ত্রুটি ব্যবস্থাপনাসহ OpenAI SDK অনুরোধ দেখায়। প্রতিটি OpenAI API ফিচার বা ক্লায়েন্টের আচরণ একইভাবে সমর্থিত—এমন ধরে নেওয়ার বদলে রক্ষণাবেক্ষণ করা এই নমুনাগুলো দিয়ে শুরু করুন।
সমর্থিত প্রোটোকল এবং কনটেন্ট ব্যবস্থাপনা সম্পর্কে বিস্তারিত জানতে সামঞ্জস্য ও গোপনীয়তা নির্দেশিকা পড়ুন।
জেনারেট করা টেক্সট স্ট্রিম করুন
স্ট্রিমিং কোনো ইন্টারফেসকে সম্পূর্ণ প্রতিক্রিয়ার জন্য অপেক্ষা না করে জেনারেট করা টেক্সট ধাপে ধাপে প্রক্রিয়া করতে দেয়। UncensoredLabs ধাপে ধাপে টেক্সট, ব্যবহার-সংক্রান্ত ইভেন্ট এবং স্ট্রিম শুরু হওয়ার পর ঘটতে পারে এমন ব্যর্থতা নিয়ে আলাদা ডকুমেন্টেশন প্রদান করে।
- ইভেন্ট প্রসেসিং বাস্তবায়নের আগে স্ট্রিমিং নির্দেশিকা পড়ুন।
- শুরু করার ভিত্তি হিসেবে চালানো যায় এমন Python স্ট্রিমিং উদাহরণ ব্যবহার করুন।
- TypeScript ইন্টিগ্রেশনের জন্য TypeScript স্ট্রিমিং উদাহরণ ব্যবহার করুন।
একটি নির্ভরযোগ্য স্ট্রিমিং ইন্টারফেসের ধাপে ধাপে আসা কনটেন্ট, ব্যবহার-সংক্রান্ত তথ্য এবং স্ট্রিম ব্যর্থতাকে আলাদা করা উচিত; প্রতিটি ইভেন্টকে জেনারেট করা টেক্সট হিসেবে বিবেচনা করা উচিত নয়।
কোডিং ক্লায়েন্ট সংযুক্ত করুন
রিপোজিটরিতে Cline, Continue এবং OpenCode-এর জন্য কনফিগারেশন নির্দেশনা রয়েছে। প্রতিটি ক্ষেত্রেই নথিভুক্ত UncensoredLabs বেস URL, একটি অ্যাপ্লিকেশন API কী এবং লাইভ ক্যাটালগে সমর্থিত সঠিক মডেল ID ব্যবহার করুন।
প্রজেক্ট ফাইলে ক্রেডেনশিয়াল প্রকাশ না করে ক্লায়েন্ট-নির্দিষ্ট কনফিগারেশনের জন্য কোডিং ক্লায়েন্ট নির্দেশিকা অনুসরণ করুন।
উন্নত অপারেশনাল পরামর্শ
লাইভ স্বাস্থ্য ও উপলভ্যতা পরীক্ষা করুন
ক্যাটালগে কোনো মডেল দেখা যাচ্ছে মানেই সেটি বর্তমানে সুস্থ বা সচল—এমন নয়। মডেল নির্বাচন বা ব্যর্থতা নির্ণয়ের সময় লাইভ ক্যাটালগ এবং মডেলের বিবরণ পরীক্ষা করুন। শুধু রিপোজিটরির স্ন্যাপশটের ওপর ভিত্তি করে অনুমান হার্ড-কোড করা এড়িয়ে চলুন।
ক্রেডিট রিজার্ভেশনের পরিকল্পনা করুন
জেনারেশনের আগে অনুরোধের জন্য ক্রেডিট রিজার্ভ করা হয়। অ্যাকাউন্টে ইতিবাচক কিন্তু সামান্য ব্যালেন্স থাকলেও কোনো মডেলের রিজার্ভেশনের জন্য তা যথেষ্ট নাও হতে পারে। কোনো অনুরোধ প্রত্যাখ্যাত হলে পুনরায় চেষ্টা করার আগে উপলভ্য ব্যালেন্স এবং নির্বাচিত মডেলের মূল্য পরীক্ষা করুন।
সচেতনভাবে ব্যর্থতা সামলান
কমান্ড-লাইন পরীক্ষার সময় curl --fail-with-body ব্যবহার করুন, যাতে প্রতিক্রিয়ার বডি বাদ না দিয়েই HTTP ব্যর্থতা দৃশ্যমান থাকে। প্রোডাকশন ইন্টিগ্রেশনের জন্য HTTP ত্রুটি, রেট লিমিট, রিজার্ভেশন এবং রিট্রাই-সংক্রান্ত সিদ্ধান্ত সম্পর্কে ত্রুটি ও বিলিং নির্দেশিকা দেখুন।
প্রতিটি ব্যর্থতার ক্ষেত্রে স্বয়ংক্রিয়ভাবে পুনরায় চেষ্টা করবেন না। রিপোজিটরির Python উদাহরণে স্বয়ংক্রিয় রিট্রাই স্পষ্টভাবে নিষ্ক্রিয় করা হয়েছে, আর TypeScript উদাহরণে টাইপযুক্ত ত্রুটি ব্যবস্থাপনা দেখানো হয়েছে। কোনো ব্যর্থতা সাময়িক কি না এবং পুনরায় চেষ্টা করলে কাজের পুনরাবৃত্তি বা অতিরিক্ত সম্পদ খরচ হতে পারে কি না, তা আপনার অ্যাপ্লিকেশনের নির্ধারণ করা উচিত।
কনটেক্সট ও আউটপুট সীমা মেনে চলুন
প্রোভাইডারের হিসাব অনুযায়ী এক মিলিয়ন টোকেনের কনটেক্সটের মধ্যে ইনপুট ও আউটপুট উভয়ই অন্তর্ভুক্ত। কাজ এবং নির্বাচিত মডেলের সর্বোচ্চ আউটপুট অনুযায়ী max_tokens নির্ধারণ করুন। তালিকাভুক্ত অধিকাংশ মডেল সর্বোচ্চ 65,536 আউটপুট টোকেনের অনুমতি দেয়, আর glm-5.3-abliterated সর্বোচ্চ 130,000 টোকেনের অনুমতি দেয়।
মডেলের আউটপুট যাচাই করুন
হ্রাসকৃত প্রত্যাখ্যান আচরণ নির্ভুলতার নিশ্চয়তা নয়। নিরাপত্তা-সংক্রান্ত ফলাফল, রিভার্স-ইঞ্জিনিয়ারিংয়ের সিদ্ধান্ত, তৈরি করা কোড এবং মূল্যায়নের লেবেল উপযুক্ত পরীক্ষা ও মানব পর্যালোচনার মাধ্যমে যাচাই করুন। নিরাপত্তা গবেষণা নির্দেশিকায় বিশ্লেষণ ও মূল্যায়ন কর্মপ্রবাহের জন্য নির্দিষ্ট প্রম্পট রয়েছে।
সংবেদনশীল তথ্য সুরক্ষিত রাখুন
অ্যাপ্লিকেশন কী, অ্যাকাউন্টের বিবরণ, পেমেন্ট-সংক্রান্ত তথ্য এবং দুর্বলতার বিবরণ পাবলিক ইস্যুতে প্রকাশ করবেন না। পাবলিক ইস্যু শুধু পুনরুৎপাদনযোগ্য ডকুমেন্টেশন সমস্যা ও উদাহরণ উন্নতির জন্য ব্যবহার করুন এবং সংবেদনশীল বিষয়ের ক্ষেত্রে রিপোজিটরির সহায়তা ও নিরাপত্তা প্রতিবেদন দাখিলের নির্দেশনা অনুসরণ করুন।
উপসংহার
UncensoredLabs হোস্ট করা uncensored এবং abliterated DeepSeek ও GLM টেক্সট মডেলের জন্য একটি OpenAI-সামঞ্জস্যপূর্ণ এন্ডপয়েন্ট সরবরাহ করে। একটি অ্যাপ্লিকেশন API কী তৈরি করুন, আপনার ব্যালেন্স যাচাই করুন, /v1/chat/completions-এ একটি চ্যাট কমপ্লিশন পাঠান এবং লাইভ ক্যাটালগ থেকে সঠিক মডেল আইডি নির্বাচন করুন। এরপর আরও নির্ভরযোগ্য ইন্টিগ্রেশন তৈরি করতে রক্ষণাবেক্ষণ করা Python, TypeScript, স্ট্রিমিং, কোডিং-ক্লায়েন্ট এবং ত্রুটি-পরিচালনা নির্দেশিকা ব্যবহার করুন।
রিপোজিটরির মূল ডকুমেন্টেশন ও উদাহরণ কোড MIT লাইসেন্সপ্রাপ্ত। এই লাইসেন্স হোস্ট করা প্ল্যাটফর্মের সোর্স, মডেল ওয়েট, প্রদানকারীর পরিষেবা বা তৃতীয় পক্ষের ট্রেডমার্ককে অন্তর্ভুক্ত করে না। UncensoredLabs একটি স্বাধীন পরিষেবা এবং OpenAI, DeepSeek বা Zhipu AI-এর সঙ্গে অনুমোদিত বা সংশ্লিষ্ট নয়।