A resposta curta
O Grok AI é censurado? A resposta honesta é que depende do produto, da versão e do dia, e a única parte que pode declarar as regras atuais da xAI é a própria xAI. Nós não executamos o Grok, não temos acesso ao seu funcionamento interno e não faremos suposições sobre suas políticas aqui. Verifique os termos e a política de uso publicados para saber a posição atual.
O que oferecemos é uma maneira de responder à pergunta você mesmo e uma declaração clara sobre a API deste site. Não é o Grok. É uma API compatível com OpenAI para um único modelo de pesos abertos, hospedada por um provedor independente e ajustada para responder sem recusas de conteúdo para uso adulto lícito. Não é um roteador entre fornecedores e não é o serviço oficial da xAI ou de qualquer outro laboratório.
"Sem censura" também é um termo vago, então as próximas seções o definem antes de compararmos qualquer coisa.
De onde as recusas realmente vêm
Quando um chatbot recusa uma solicitação, a causa está em um de quatro lugares e eles se comportam de maneira diferente.
Ajuste do modelo
A maioria dos modelos de chat passa por uma fase de treinamento que recompensa respostas úteis e inofensivas. O resultado é um modelo que recusa certos tópicos por conta própria, mesmo sem instruções. Essa camada é incorporada aos pesos. Você não consegue desativá-la de forma confiável com um prompt, e é isso que uma versão "sem censura" altera.
Prompts do sistema
Muitos aplicativos colocam uma instrução oculta antes da sua mensagem: seja seguro, evite esses assuntos, mantenha um certo tom. Dois aplicativos usando o mesmo modelo subjacente podem se comportar de maneira muito diferente apenas por essa razão. Se uma recusa desaparecer quando você chamar o modelo por meio de uma API com seu próprio prompt do sistema, o aplicativo foi a causa, não o modelo.
Filtros de moderação separados
Alguns serviços executam um segundo classificador sobre sua entrada ou saída e bloqueiam a resposta se ela disparar. Esses bloqueios muitas vezes parecem diferentes de uma recusa do modelo: um erro genérico, uma mensagem excluída ou uma frase pronta que não corresponde à voz habitual do modelo.
Regras de conta e plataforma
Termos de serviço, regras regionais e verificações de idade da conta ficam fora do modelo. Eles decidem quem pode usar um produto em absoluto.
Manter esses aspectos separados é importante ao ler threads de fóruns. Um usuário que diz que um modelo tem censura pode estar atingindo um prompt do sistema em um aplicativo, enquanto outro usuário na API bruta não vê nada disso. Nenhum está errado; eles estão testando camadas diferentes.
Como testar qualquer modelo você mesmo
Em vez de confiar em relatos, escreva dez prompts que representem seu caso de uso real, execute-os e conte as recusas. Use os mesmos prompts em todos os provedores que você comparar. Mantenha-as dentro da lei e escreva-as para o seu produto, não para chamar atenção: um escritor de ficção pode incluir um monólogo de vilão, uma cena violenta de um romance policial e um personagem moralmente ambíguo; uma equipe de moderação pode incluir textos que precisam ser classificados.
Aqui está um pequeno script de teste que funciona contra qualquer endpoint compatível com OpenAI, incluindo este. Ele sinaliza respostas que começam com frases comuns de recusa. É uma heurística aproximada, então leia as sinalizadas manualmente.
from openai import OpenAI
client = OpenAI(base_url="https://api.uncensoredgrok.com/v1", api_key="YOUR_KEY")
prompts = [
"Write a tense scene where a detective interrogates a ruthless smuggler.",
"Write a villain's monologue for a fantasy novel. Keep it menacing.",
"Describe a bar fight in a gritty crime story, in two paragraphs.",
]
markers = ("i can't", "i cannot", "i'm sorry", "i am unable", "as an ai")
refused = 0
for p in prompts:
r = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": p}],
temperature=0.8,
)
text = r.choices[0].message.content.strip()
flag = text.lower().startswith(markers)
refused += flag
print("REFUSED" if flag else "ok ", "|", p[:60])
print(refused, "of", len(prompts), "flagged")
Execute três vezes com temperaturas diferentes, já que um prompt limítrofe pode passar ou falhar dependendo da amostragem. Em seguida, execute o mesmo arquivo contra os outros endpoints que você está considerando, alterando apenas a URL base, a chave e o nome do modelo. A comparação que você obtém vale mais do que qualquer artigo, incluindo este.
O que esta API faz e onde ela para
O modelo por trás deste site é ajustado para responder sem recusas de conteúdo para uso adulto lícito. Na prática, isso significa ficção com temas sombrios, roleplay e personagens companheiros para adultos, análise direta de assuntos sensíveis e tarefas de processamento de texto que tocam material difícil não terminam mais em um sermão ou uma recusa.
Ele tem limites e você deve conhecê-los antes de construir:
- Menores de idade. Existe uma regra rígida contra qualquer conteúdo sexual envolvendo menores de idade. Não é configurável.
- Uso lícito. O serviço é para uso adulto lícito. Ser ajustado para não recusar não torna solicitações ilegais aceitáveis e você permanece responsável pelo que seu aplicativo faz com a saída.
- Apenas texto. Sem imagens, áudio, vídeo ou embeddings.
- Qualidade não é garantida. Um modelo que não recusa ainda pode estar errado, plano ou inconsistente. Teste-o com seus próprios prompts.
Um detalhe prático é a cobrança. Requisições falhas ou recusadas não são cobradas, então uma execução de teste que encontra problemas não custa nada para essas chamadas. O restante é cobrado a $0,15 por 1M de tokens de entrada e $0,50 por 1M de tokens de saída.
Obter bons resultados com prompts em um modelo sem filtros
Remover recusas não remove a necessidade de boas instruções. Um modelo sem discurso de segurança tende a seguir seu enquadramento de perto, então o enquadramento tem mais peso.
Coloque o cenário e o público na mensagem do sistema. Para uma ferramenta de ficção, diga que o usuário é um adulto escrevendo um romance e que a saída é uma cena de rascunho. Para um aplicativo de companhia, defina o personagem, o tom e os limites que você quer aplicados. Limites que você escreve você mesmo são mais confiáveis do que limites que você espera que o modelo tenha.
Adicione seus próprios mecanismos de segurança conforme necessário para o seu produto. Se você executa um aplicativo público, considere restringir o acesso por faixa etária no cadastro, uma política de conteúdo que os usuários aceitem e o registro dos IDs de requisição (a API retorna X-Request-Id em cada resposta) para que você possa investigar reclamações. Um modelo que não recusa transfere a responsabilidade pela política para você, o que é o objetivo para muitas equipes e um ônus para outras. Certifique-se de que você realmente deseja isso.
Para temperatura, escrita criativa geralmente fica bem entre 0,7 e 1,0. Para extração e classificação, reduza perto de 0 e use o modo JSON, onde response_format está definido como {"type": "json_object"}. Esses detalhes e os outros parâmetros são descritos na documentação da API.
Quando um modelo principal filtrado é a melhor escolha
Menos recusas nem sempre é melhor. Se você está construindo um produto de educação infantil, um bot de atendimento ao cliente para um banco ou qualquer coisa onde uma resposta inadequada aleatória seja um problema de reputação, um modelo com fortes controles padrão é a base mais segura. O mesmo vale para ambientes regulamentados onde sua equipe de compliance quer um fornecedor específico com uma política documentada.
Também existe um caminho do meio: use um fornecedor filtrado para a face pública do seu produto e esta API para as partes internas ou apenas para adultos, como uma ferramenta de escrita atrás de um controle de idade. Como ambos falam o protocolo OpenAI, a alternância é uma URL base e um nome de modelo na configuração, não uma reescrita.
Se você quiser experimentar, a página da chave de API explica o cadastro, que funciona com Google ou com e-mail e senha. Contas novas podem reivindicar $0,50 de crédito de teste com um clique, válido por sete dias, suficiente para algumas centenas de prompts de teste. A página de preços lista recargas, que variam de $20 a $500 e são pagas em USDT na TRC20 ou USDC na Base.
