LLM sans censure : comment choisir entre l'exécution locale et l'API hébergée
Pour ceux qui recherchent des recommandations de LLM sans censure, la première décision à prendre n'est pas le nom du modèle, mais le mode d'exécution. Le matériel nécessaire, le coût et la charge de gestion varient considérablement selon que vous l'exécutez directement sur votre PC ou que vous utilisez une API hébergée.
Date de mise à jour

Résumé
- Il est préférable de définir d'abord le mode d'exécution (local ou API) plutôt que le classement des modèles, afin de réduire les essais et erreurs.
- Le local offre l'avantage d'une utilisation hors ligne et d'un contrôle total, tandis que l'API hébergée permet de démarrer sans matériel.
- Cet article ne contient ni classements de performance ni valeurs de benchmark. Il explique comment tester vous-même avec les mêmes prompts.
- Côté API : un seul modèle (uncensored), 100 000 tokens de fenêtre de contexte, entrée à $0,15 et sortie à $0,50 par 1 million de tokens.
Ce que nous déconseillons et ce que nous recommandons
Les articles qui désignent un seul modèle comme numéro 1 sont peu crédibles. Les modèles évoluent constamment et les résultats varient selon le niveau de quantification et le prompt. Cet article vous propose des critères de sélection plutôt qu'un tableau de classement. Avec ces critères, vous pourrez évaluer les nouveaux modèles de la même manière.
Le modèle sans censure ici est un modèle à poids ouverts ajusté pour rejeter moins de contenu qu'un chatbot commercial standard, en supposant une utilisation légale par les adultes. Il est conçu pour la création et le dialogue destinés aux adultes (romans, jeu de rôle, applications compagnons). Le contenu sexuel impliquant des mineurs n'est autorisé sous aucune forme, que ce soit en local ou via l'API.
Trois voies : local, location de serveur dédiée, API hébergée
Exécution locale
Il s'agit d'exécuter directement le fichier modèle sur votre ordinateur à l'aide d'outils tels qu'Ollama ou llama.cpp. Aucune connexion internet n'est nécessaire et les conversations ne quittent pas votre appareil. En contrepartie, plus le modèle est volumineux, plus la mémoire GPU (VRAM) est requise. La quantification peut réduire la taille, mais au détriment de la qualité. Consultez les descriptions sur les pages de chaque outil et de chaque modèle pour vérifier la compatibilité.
Location et gestion de serveur GPU dédié
Il s'agit de louer un GPU cloud pour configurer vous-même votre serveur. Vous avez le choix du modèle, mais vous êtes responsable de la configuration, des mises à jour, de la surveillance et de la gestion des coûts. Vérifiez impérativement si la structure de facturation prévoit des frais de location même lorsque le serveur n'est pas utilisé.
API hébergée
Vous envoyez des requêtes à un serveur géré par un tiers et payez à l'usage. Pas de matériel ni de charge de gestion, mais le choix des modèles est limité par le fournisseur et les prompts transitent par un serveur externe. L'API de ce site en fait partie.
Tableau comparatif par critère
| Critère | Local | API hébergée |
|---|---|---|
| Coût de démarrage | Nécessite un GPU compatible ou une mémoire suffisante | Commencez avec un rechargement de crédit prépayé, minimum $20 |
| Faible volume d'utilisation | Coût quasi nul si vous possédez déjà le matériel | Coût faible car facturation à l'usage |
| Volume d'utilisation très élevé | Avantage avec un coût fixe | Augmente proportionnellement au prix par token |
| Longueur du contexte | Limité par la VRAM et les paramètres | Cette API offre 100 000 tokens |
| Choix du modèle | Remplacement libre | Modèles fournis (ici, un seul : uncensored) |
| Confidentialité | Les données ne quittent pas votre appareil | La requête passe par un serveur externe |
| Traitement simultané | Dépendant du matériel | 8 requêtes simultanées et 300 requêtes par minute par clé officielle |
| Charge de gestion | Installation et mises à jour nécessaires | Configurez uniquement la clé et l'URL de base |
Il est difficile de dire, d'après le tableau, quelle option l'emporte toujours. Si vous privilégiez la confidentialité des données et disposez du matériel nécessaire, le mode local est préférable ; si vous n'avez pas de matériel ou devez appeler plusieurs applications simultanément, l'API est plus pratique.
Quand le local est plus adapté
- Lorsqu'une utilisation hors ligne est nécessaire. Dans un avion ou dans un endroit où le réseau externe est bloqué, vous n'avez pas d'autre choix.
- Lorsque l'historique de conversation ne peut en aucun cas quitter votre appareil. Aucune politique de fournisseur n'est aussi sûre que de le conserver sur votre appareil.
- Lorsque l'objectif est de tester divers modèles.
- Lorsque vous disposez déjà d'un PC avec suffisamment de VRAM et que le volume d'appels est élevé et constant.
À l'inverse, il y a trois raisons courantes pour lesquelles on abandonne le local : la nécessité de réduire la fenêtre de contexte en raison d'un manque de mémoire, une vitesse de génération lente, ou les blocages lors d'appels simultanés depuis plusieurs applications. Si l'un de ces points vous concerne, l'API est une alternative réaliste.
Quand l'API hébergée est plus adaptée
L'API de ce site utilise un format compatible OpenAI, ce qui permet de se connecter via des outils compatibles avec les endpoints OpenAI comme SillyTavern, ou simplement en ajoutant l'URL de base et la clé dans une application personnalisée. Nous proposons un seul modèle, uncensored, avec une fenêtre de contexte de 100 000 tokens (prompt + sortie). Le streaming, l'appel de fonctions et le mode JSON sont pris en charge.
Particulièrement pratique dans les cas suivants.
- Vous n'avez pas de GPU ou vous développez sur un ordinateur portable.
- Lorsque vous créez un service de bot ou d'application devant traiter les requêtes de plusieurs utilisateurs simultanément. Les clés officielles permettent jusqu'à 8 requêtes simultanées.
- Vous effectuez souvent des tâches nécessitant une grande fenêtre de contexte, comme de longues conversations ou de longs documents.
- Votre utilisation mensuelle est irrégulière et il vous est difficile de supporter des coûts fixes.
Cette API est un service à modèle unique exploité par un opérateur indépendant et ne constitue pas l'API officielle d'un autre fournisseur. Si vous attendiez un service vous permettant de choisir parmi plusieurs modèles, cela ne vous conviendra pas. Les prompts ne sont pas utilisés pour l'apprentissage du modèle, mais le fait que la requête passe par un serveur est inévitable ; si vous traitez des données sensibles, lisez d'abord la politique de confidentialité.
Méthode de comparaison directe sans benchmark
Les tableaux de scores réalisés par d'autres ne conviennent souvent pas à votre cas d'usage. Vous pouvez effectuer une comparaison directe en 30 minutes en suivant les étapes ci-dessous.
- Sélectionnez 10 prompts que vous utilisez réellement. Incluez également votre prompt système et la configuration du personnage tels que vous les utilisez habituellement.
- Envoyez le même prompt au modèle local et à l'API. Réglez les paramètres (temperature, etc.) de manière identique.
- Lisez les réponses en masquant les noms et attribuez une note. Évaluez le style, le maintien de la configuration, le respect des instructions et la répétition des propos.
- Ne faites pas tout en une seule fois ; exécutez chaque prompt 3 fois pour observer les variations.
L'API peut être testée avec un crédit d'essai de $0,50. Vous pouvez le récupérer sur la page des clés API après vous être connecté : 1 par personne, valable 7 jours, aucune information de paiement n'est nécessaire. Voici le code minimal pour envoyer un prompt à l'API.
import os
from openai import OpenAI
client = OpenAI(base_url="https://api.mugeomyeolapi.com/v1", api_key=os.environ["MUGEOMYEOL_API_KEY"])
prompts = ["내 프롬프트 1", "내 프롬프트 2"] # 실제 쓸 프롬프트로 교체
for p in prompts:
for run in range(3):
r = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": p}],
temperature=0.8,
)
print(f"[{p[:10]} / {run + 1}회]", r.choices[0].message.content[:200])Mode hybride et liste de contrôle finale
Vous n'êtes pas obligé de choisir l'une ou l'autre. Beaucoup d'utilisateurs partagent leurs tâches : les brouillons sensibles sont traités en local, tandis que les travaux nécessitant une grande fenêtre de contexte ou des appels simultanés sont envoyés via l'API. Comme le format est compatible OpenAI, vous pouvez basculer entre les deux avec le même code en modifiant simplement l'URL de base, ce qui réduit les coûts de migration.
Vérifiez les points suivants avant de décider.
- La VRAM de votre appareil peut-elle supporter la longueur de fenêtre de contexte souhaitée ?
- Combien d'appels par mois ? Pour l'API, commencez par calculer avec les tarifs de la page Tarifs. $0,15 par 1 000 000 de tokens en entrée, $0,50 par 1 000 000 de tokens en sortie.
- Le prompt peut-il passer par un serveur externe sans problème ?
- Combien de requêtes simultanées devez-vous traiter ?
La méthode de configuration est résumée dans la documentation API. Le rechargement est de 20 $ à 500 $, les moyens de paiement sont USDT (TRC20) et USDC (Base).
Plus de guides
Questions fréquentes
Pour un LLM sans censure, quelle option est la meilleure : le local ou l'API ?
La réponse dépend de l'usage. Le local est préférable pour une utilisation hors ligne ou un contrôle total si vous disposez du matériel ; l'API est adaptée si vous souhaitez une utilisation immédiate sans matériel ou pour des appels simultanés.
Puis-je choisir un modèle avec cette API ?
Non. Le seul modèle disponible est uncensored. Si vous avez besoin d'un service vous permettant de choisir parmi plusieurs modèles, cela ne vous conviendra peut-être pas.
Peux-je utiliser le local et l'API ensemble ?
Oui. Si les deux utilisent le format compatible OpenAI, vous pouvez basculer avec le même code en modifiant simplement l'URL de base et la clé.
La génération d'images est-elle prise en charge ?
Cette API est dédiée au texte. Elle ne prend pas en charge la génération d'images, de voix ou de vidéos, ni les embeddings ou le fine-tuning.
La clé API est obtenue simplement par inscription
Création de compte, copie de la clé, modification de l'URL de base. La configuration se résume à cela.