UncensoredLabs란 무엇인가요?
UncensoredLabs는 OpenAI 호환 API를 통해 검열되지 않은 DeepSeek 및 GLM 텍스트 모델과 거부 동작이 완화된(abliterated) 모델에 대한 호스팅 액세스를 제공합니다. 기존 OpenAI 호환 클라이언트는 일반적으로 기본 URL을 변경하고, UncensoredLabs 애플리케이션 API 키를 제공한 뒤, 정확한 모델 ID를 선택하여 연결할 수 있습니다.
서비스는 브라우저 Chat을 통해서도 사용할 수 있습니다. 공개 GitHub 저장소에는 가이드, 구성 예시 및 API 샘플이 포함되어 있으며, 호스팅 플랫폼의 구현이나 모델 가중치는 포함되어 있지 않습니다.
중요: “Abliterated”는 거부 동작을 줄이기 위해 모델의 가중치를 수정했다는 의미입니다. 이것이 정답을 보장하거나 모든 프롬프트에 대한 거부를 없애는 것은 아닙니다.
주요 기능
- OpenAI 호환 API: 호환 클라이언트를 그대로 사용하고 UncensoredLabs 기본 URL을 지정할 수 있습니다.
- DeepSeek 및 GLM 모델: 검열되지 않았거나 거부 동작이 완화된 모델 변형 6개 중에서 선택할 수 있습니다.
- 대규모 컨텍스트: 문서화된 카탈로그의 모든 모델은 제공업체의 컨텍스트 계산 방식에 따라 1백만 토큰 컨텍스트 윈도우를 지원합니다.
- 텍스트 스트리밍: 카탈로그의 6개 항목 모두 점진적 텍스트 생성을 지원합니다.
- 함수 도구: 등록된 모든 모델은 애플리케이션 및 에이전트 워크플로를 위한 함수 도구를 지원합니다.
- 다양한 통합 경로: 저장소에는 Python, TypeScript, 스트리밍 및 코딩 클라이언트 예시가 포함되어 있습니다.
- 사용량 기반 요금: 입력, 캐시된 입력 및 출력 요금이 1백만 토큰 단위로 공개되어 있습니다.
시작하기 전에
UncensoredLabs 가입 페이지에서 계정을 만드세요. 대시보드에서 애플리케이션 API 키를 생성하세요.
16자리 계정 로그인 키를 API 요청에 넣지 마세요. 계정 로그인 키와 애플리케이션 API 키는 서로 다른 인증 정보입니다.
자격을 충족하는 신규 계정에는 $0.10의 체험 크레딧이 제공됩니다. 반복 체험판 사용 징후가 감지되면 신원 확인이 필요할 수 있으며, 선불 충전은 $3부터 시작합니다. API는 생성 전에 크레딧을 예약하므로 대시보드에 선택한 모델과 요청에 사용할 수 있는 잔액이 충분히 표시되는지 확인하세요.
API 키 설정
Linux 또는 macOS에서는 셸에서 애플리케이션 API 키를 내보내세요.
export UNCENSOREDLABS_API_KEY="YOUR_APPLICATION_API_KEY"이렇게 하면 인증 정보가 요청 본문 외부에 유지되고 셸이 인증 헤더에 해당 값을 삽입할 수 있습니다. API 키를 소스 관리 시스템, 예시, 로그 또는 공개 GitHub 이슈에 커밋하지 마세요.
PowerShell 지침을 포함한 플랫폼별 환경 설정은 빠른 시작 가이드를 참조하세요.
첫 번째 채팅 완성 요청 보내기
기본 요청에는 클라이언트 라이브러리가 필요하지 않습니다. 다음 명령은 curl을 사용하여 OpenAI 호환 채팅 완성 엔드포인트를 호출합니다.
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
}'요청은 다음 네 가지 필수 부분으로 구성됩니다.
- 엔드포인트:
https://uncensoredlabs.dev/v1/chat/completions. - 인증: 애플리케이션 API 키가 포함된 Bearer 토큰.
- 모델: 실시간 카탈로그의 정확한 모델 ID.
- 메시지: 대화를 설명하는 역할 및 콘텐츠 객체의 배열.
max_tokens 값은 요청된 출력의 한도를 설정합니다. 이 값은 선택한 모델의 출력 한도 이내여야 하며, 입력과 출력의 합계가 모델의 컨텍스트 계산 범위에 들어가야 합니다.
모델 선택
README에는 2026년 11월 1일에 확인한 다음 카탈로그 스냅샷이 기록되어 있습니다. 가격은 현재 적용 중인 요금제 할인이 반영되기 전, 1백만 토큰당 미국 달러 기준입니다. 요금, 상태 및 이용 가능 여부는 변경될 수 있으므로 실시간 API 카탈로그를 우선적으로 확인하세요.
deepseek-v4-pro-uncensored: 입력 $0.50, 캐시된 입력 $0.10, 출력 $0.50; 최대 출력 65,536토큰.deepseek-v4.1-flash-1017-abliterated: 입력 $0.30, 캐시된 입력 $0.12, 출력 $0.30; 최대 출력 65,536토큰.deepseek-v4.1-flash-abliterated: 입력 $0.30, 캐시된 입력 $0.10, 출력 $0.30; 최대 출력 65,536토큰.deepseek-v4.1-flash-abliterated-fast: 입력 $1.40, 캐시된 입력 $0.32, 출력 $1.40; 최대 출력 65,536토큰.glm-5.3-abliterated: 입력 $1.40, 캐시된 입력 $0.40, 출력 $1.40; 최대 출력 130,000토큰.glm-5.3-uncensored: 입력 $0.35, 캐시된 입력 $0.10, 출력 $0.35; 최대 출력 65,536토큰.
6개 항목 모두 텍스트, 스트리밍 및 함수 도구를 지원하며, 각각 100만 토큰의 컨텍스트 창을 제공합니다. 카탈로그에 포함되어 있다고 해서 모델이 현재 정상 작동한다는 의미는 아닙니다. 실시간 링크, 제한 사항, 가격, 성능 정보 및 측정상의 한계를 확인하려면 저장소의 모델 카탈로그 가이드를 검토하세요.
워크플로에 맞게 요청 조정하기
엔드포인트와 인증 헤더는 그대로 유지한 다음 모델, 프롬프트 및 토큰 제한을 변경하세요. 예를 들어 리버스 엔지니어링 요청에서 모델에 디컴파일된 루틴을 설명하도록 요청할 수 있습니다.
{
"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
}문서에 소개된 사용 사례에는 보안 연구, 리버스 엔지니어링, 개발자 도구, 창작 작업 및 신뢰·안전 평가가 포함됩니다. 모델은 신뢰 경계를 분석하고, 취약한 코드와 패치를 비교하며, 파일 형식 구조를 복원하고, 레이블이 지정된 평가 사례를 만들며, 조정 실패 모드를 조사하는 데 도움을 줄 수 있습니다.
Python 및 TypeScript 클라이언트 사용하기
이 서비스는 OpenAI와 호환되므로 기본 URL, API 키 및 모델 선택을 변경하면 호환 클라이언트에서 사용할 수 있습니다. 저장소에는 자동 재시도를 비활성화한 OpenAI SDK 기반의 실행 가능한 Python 예제가 포함되어 있습니다.
별도의 TypeScript 예제는 타입이 지정된 오류 처리를 사용하는 OpenAI SDK 요청을 보여 줍니다. 모든 OpenAI API 기능이나 클라이언트 동작이 동일하게 지원된다고 가정하기보다, 유지 관리되는 이 샘플을 출발점으로 사용하세요.
지원되는 프로토콜과 콘텐츠 처리에 대한 자세한 내용은 호환성 및 개인정보 보호 가이드를 읽어 보세요.
생성된 텍스트 스트리밍하기
스트리밍을 사용하면 전체 응답이 완료될 때까지 기다리지 않고 인터페이스에서 생성된 텍스트를 점진적으로 처리할 수 있습니다. UncensoredLabs는 점진적 텍스트, 사용량 이벤트 및 스트림이 시작된 후 발생할 수 있는 오류를 다루는 전용 문서를 제공합니다.
- 이벤트 처리를 구현하기 전에 스트리밍 가이드를 읽으세요.
- 실행 가능한 Python 스트리밍 예제를 시작점으로 사용하세요.
- TypeScript 통합에는 TypeScript 스트리밍 예제를 사용하세요.
견고한 스트리밍 인터페이스는 점진적 콘텐츠, 사용량 정보 및 스트림 오류를 구분해야 하며, 모든 이벤트를 생성된 텍스트로 처리해서는 안 됩니다.
코딩 클라이언트 연결하기
저장소는 Cline, Continue 및 OpenCode에 대한 구성 지침을 제공합니다. 각 경우에 문서화된 UncensoredLabs 기본 URL, 애플리케이션 API 키 및 실시간 카탈로그에서 지원되는 정확한 모델 ID를 사용하세요.
프로젝트 파일에 인증 정보를 노출하지 않도록 클라이언트별 구성은 코딩 클라이언트 가이드를 따르세요.
고급 운영 팁
실시간 상태 및 가용성 확인하기
카탈로그에 모델이 표시된다고 해서 현재 정상 작동한다는 의미는 아닙니다. 모델을 선택하거나 오류를 진단할 때는 실시간 카탈로그와 모델 세부 정보를 확인하세요. 저장소 스냅샷만을 근거로 가정하여 하드코딩하지 마세요.
크레딧 예약 계획하기
요청을 보내면 생성 전에 크레딧이 예약됩니다. 계정 잔액이 양수이지만 적은 경우에는 모델 예약에 부족할 수 있습니다. 요청이 거부되면 재시도하기 전에 사용 가능한 잔액과 선택한 모델의 가격을 확인하세요.
오류를 신중하게 처리하기
명령줄 테스트 중에는 curl --fail-with-body를 사용하여 응답 본문을 버리지 않고 HTTP 오류를 확인하세요. 프로덕션 통합에서는 HTTP 오류, 속도 제한, 예약 및 재시도 결정에 관한 내용을 오류 및 결제 가이드에서 확인하세요.
모든 오류를 자동으로 재시도하지 마세요. 저장소의 Python 예제는 자동 재시도를 명시적으로 비활성화하고, TypeScript 예제는 타입이 지정된 오류 처리를 보여 줍니다. 애플리케이션은 오류가 일시적인지, 재시도가 작업을 중복 수행하거나 추가 리소스를 소비할 수 있는지를 판단해야 합니다.
컨텍스트 및 출력 제한 준수하기
100만 토큰 컨텍스트에는 제공업체의 계산 방식에 따라 입력과 출력이 모두 포함됩니다. 작업과 선택한 모델의 최대 출력에 맞춰 max_tokens를 설정하세요. 나열된 대부분의 모델은 최대 65,536개의 출력 토큰을 허용하며, glm-5.3-abliterated는 최대 130,000개를 허용합니다.
모델 출력 검증하기
거부 동작이 줄어들었다고 해서 정확성이 보장되는 것은 아닙니다. 보안 발견 사항, 리버스 엔지니어링 결론, 생성된 코드, 평가 라벨은 적절한 테스트와 사람의 검토를 통해 확인하세요. 보안 연구 가이드에는 분석 및 평가 워크플로를 위한 구체적인 프롬프트가 포함되어 있습니다.
민감한 정보 보호
애플리케이션 키, 계정 세부 정보, 결제 정보, 취약점 세부 사항을 공개 이슈에 포함하지 마세요. 공개 이슈는 재현 가능한 문서 문제와 예시 개선 사항에만 사용하고, 민감한 사안은 저장소의 지원 및 보안 신고 안내를 따르세요.
결론
UncensoredLabs는 호스팅된 검열되지 않은 DeepSeek 및 GLM 텍스트 모델과 탈필터링된 모델을 위한 OpenAI 호환 엔드포인트 하나를 제공합니다. 애플리케이션 API 키를 만들고, 잔액을 확인한 다음, /v1/chat/completions로 채팅 완성 요청을 보내고, 실시간 카탈로그에서 정확한 모델 ID를 선택하세요. 그런 다음 유지 관리되는 Python, TypeScript, 스트리밍, 코딩 클라이언트 및 오류 처리 가이드를 활용하여 더욱 견고한 통합을 구축할 수 있습니다.
저장소의 원본 문서와 예제 코드는 MIT 라이선스에 따라 제공됩니다. 이 라이선스는 호스팅 플랫폼 소스, 모델 가중치, 제공업체 서비스 또는 제3자 상표에는 적용되지 않습니다. UncensoredLabs는 독립적인 서비스이며 OpenAI, DeepSeek 또는 Zhipu AI와 제휴하지 않습니다.