APIs de modelos: Hospedadas vs. Auto-hospedadas explicadas
As APIs de modelo são endpoints web que recebem um prompt e retornam a resposta do modelo, para que você nunca execute os pesos você mesmo. Esta página explica as opções, os compromissos e quando um endpoint por token é a melhor escolha.

O que uma API de modelo realmente é
Uma API de modelo esconde uma grande rede neural atrás de uma solicitação HTTP simples. Você envia uma lista de mensagens, o servidor executa o modelo no seu próprio hardware e você recebe o texto gerado de volta como JSON ou como um stream. Seu código nunca toca nos pesos, drivers ou CUDA. Quando as pessoas pesquisam por ModelApis, este é o contrato que elas querem: uma URL estável, um cabeçalho de autenticação e uma conta previsível.
Dois detalhes decidem como o endpoint se sente na prática. O primeiro é o formato de rede. A maioria das ferramentas hoje fala o formato de chat OpenAI, então um endpoint que o copia funciona com SDKs, frameworks e interfaces de chat existentes. O segundo é o modelo por trás da URL: seu tamanho, sua janela de contexto e como ele trata solicitações sensíveis. O formato de rede é fácil de comparar. O comportamento do modelo precisa de um teste real.
Uma API de modelo também é uma relação de cobrança. Você está alugando tempo de inferência, medido em tokens, em vez de possuir uma máquina. Essa única mudança move o custo de um número mensal fixo para um valor que segue seu tráfego.
Mais uma propriedade molda tudo o que se segue: a API é stateless. O servidor não mantém memória de sua conversa entre chamadas. Se você quiser que o modelo lembre das últimas cinco mensagens, seu código envia todas as cinco novamente com a próxima solicitação. É por isso que as contagens de tokens aumentam conforme o chat avança e por que a maneira como você gerencia o histórico decide sua conta.
Três maneiras de obter respostas de um modelo
Existem três configurações comuns, e cada uma se encaixa em uma equipe diferente.
| Opção | Você executa | Você paga por | Melhor quando |
|---|---|---|---|
| API de fornecedor do fabricante do modelo | Nada | Tokens, na lista de preços do fornecedor | Você precisa do modelo específico desse fornecedor |
| Endpoint aberto hospedado | Nada | Tokens, na lista de preços do host | Você quer um modelo aberto sem operá-lo |
| Auto-hospedado em sua própria GPU | Tudo | Hardware, energia, seu tempo | Você precisa de controle total ou uso offline |
A linha do meio é onde este site está. Nós hospedamos um modelo de pesos abertos, executado por um provedor independente, e o expomos através de uma interface compatível com OpenAI. Não é a API oficial de nenhum fornecedor de modelo e não roteia entre fornecedores. Se você precisa do modelo de um fornecedor específico, vá até esse fornecedor. Se você precisa de um modelo aberto que responda sem recusas de conteúdo para uso adulto legal, um endpoint aberto hospedado é o caminho mais curto.
Quanto a auto-hospedagem realmente custa
Executar um modelo você mesmo parece gratuito após o download terminar, é por isso que atrai tantos primeiros projetos. O custo aparece depois, em três lugares.
Memória e hardware
Um modelo precisa caber na memória da GPU junto com seu cache de trabalho para o prompt. Modelos maiores e contextos mais longos precisam de mais disso, e o cache cresce com cada solicitação concorrente. Uma configuração que parece rápida para um usuário pode travar quando dez pessoas enviam mensagens ao mesmo tempo.
Operações
Alguém precisa manter o servidor ativo, atualizar o software de inferência, monitorar crashes de falta de memória e decidir o que acontece quando a GPU está ocupada. Essa alguém é geralmente você, à noite, quando um usuário relata um timeout.
Tempo ocioso
Uma GPU custa o mesmo, seja respondendo uma requisição por hora ou uma por segundo. Aplicativos pequenos com tráfego irregular pagam por muito silício ocioso. Ferramentas locais como o Ollama são excelentes para desenvolvimento e experimentos privados, e nosso artigo sobre erros comuns na API do Ollama cobre os problemas que as pessoas encontram ao direcionar código de produção para eles.
Lendo o contrato de uma API de modelo
Antes de se comprometer com qualquer endpoint, reúna cinco fatos: a URL base, o ID do modelo, como funciona a autenticação, quais métodos existem e quais são os limites. Para este serviço, eles são curtos.
- URL base:
https://api.modelapis.cc/v1 - ID do Modelo:
uncensored - Autenticação:
Authorization: Bearer YOUR_API_KEY - Métodos:
POST /v1/chat/completions,POST /v1/responses,GET /v1/models - Contexto: 100.000 tokens, prompt e conclusão juntos
Com isso em mãos, uma primeira chamada leva algumas linhas do SDK Python padrão da OpenAI:
from openai import OpenAI
client = OpenAI(
base_url="https://api.modelapis.cc/v1",
api_key="YOUR_API_KEY",
)
reply = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Explain what a token is in two sentences."}],
)
print(reply.choices[0].message.content)
print(reply.usage)
O campo usage vale a pena imprimir desde o primeiro dia. Ele mostra exatamente quantos tokens de entrada e saída a chamada usou, que é o número sobre o qual sua conta é construída. Notas completas sobre parâmetros estão na documentação da API.
Como funciona o preço por token
A cobrança tem dois medidores. Tokens de entrada são tudo o que você envia: o prompt do sistema, o histórico da conversa e a nova mensagem. Tokens de saída são o que o modelo escreve de volta. Aqui, as taxas são $0,15 por 1M de tokens de entrada e $0,50 por 1M de tokens de saída, cobrados do crédito pré-pago sem assinatura.
Um exemplo resolvido: uma rodada de chat envia 2.000 tokens de entrada e recebe 500 tokens de saída.
- Entrada: 2.000 / 1.000.000 x $0,15 = $0,0003
- Saída: 500 / 1.000.000 x $0,50 = $0,00025
- Total: $0,00055 por rodada, ou $0,55 por 1.000 rodadas
Requisições falhas ou recusadas não são cobradas, e o crédito nunca expira, para que um saldo pequeno não diminua enquanto você desenvolve. A página de preços lista valores de recarga de $20 a $500 e os níveis de bônus. O pagamento é apenas em cripto (USDT na rede TRC20 ou USDC na rede Base).
Se quiser comparar com outro provedor, pegue os preços de entrada e saída da página deles e execute as mesmas duas linhas de cálculo. Verifique os preços atuais deles em vez de confiar em um número copiado para um artigo, porque os preços de lista mudam.
Migrando código existente para um endpoint hospedado
Se seu aplicativo já se comunica com um runtime local ou com outro serviço estilo OpenAI, a mudança é apenas uma alteração de configuração, não uma reescrita. Coloque as três partes variáveis em variáveis de ambiente:
import os
from openai import OpenAI
client = OpenAI(
base_url=os.environ.get("LLM_BASE_URL", "https://api.modelapis.cc/v1"),
api_key=os.environ.get("LLM_API_KEY", "YOUR_API_KEY"),
)
MODEL = os.environ.get("LLM_MODEL", "uncensored")
reply = client.chat.completions.create(
model=MODEL,
messages=[{"role": "user", "content": "Ping"}],
)
print(reply.choices[0].message.content)
Para desenvolvimento local com Ollama, que expõe um endpoint de estilo OpenAI próprio, defina LLM_BASE_URL para o endereço local e LLM_MODEL para o nome do modelo local. Em produção, deixe os valores padrão. O mesmo caminho de código é executado em ambos os lugares, o que facilita a prototipagem offline e a implantação contra um modelo hospedado sem alterar a lógica.
Após a mudança, execute seus testes novamente com prompts reais. O estilo, o comprimento e o comportamento de recusa da saída dependem do modelo, não do protocolo, então um teste de integração aprovado não significa que as respostas são o que seu produto precisa.
Quando um endpoint por token vence
O acesso hospedado por token geralmente supera uma GPU própria em quatro situações:
- Tráfego irregular. Um projeto lateral, um bot do Discord ou uma beta com algumas dezenas de usuários gastam dinheiro apenas quando alguém envia uma mensagem.
- Sem capacidade de ops. Se ninguém na equipe quiser cuidar de um servidor de inferência, alugar é mais barato que as horas que isso poupa.
- Código OpenAI existente. A mudança é apenas uma URL base e uma chave. Você mantém seu SDK, sua lógica de retry e seus testes.
- Velocidade de prototipagem. Você pode testar se o comportamento do modelo se adapta ao seu produto em uma tarde, antes de comprar qualquer hardware.
Ele perde quando sua carga é constante e pesada o suficiente para manter uma GPU ocupada o dia todo, quando os dados não podem sair da sua rede ou quando você precisa de recursos que este serviço não oferece. Somos apenas texto: sem geração de imagem, áudio ou vídeo, sem embeddings e sem fine-tuning. Para isso, use uma ferramenta diferente ao lado desta.
Checklist antes de escolher um
- Ele fala o formato OpenAI, incluindo streaming e chamada de funções, para que o código do cliente permaneça inalterado?
- O ID do modelo é estável e está claro quem executa o modelo?
- Qual é a janela de contexto e a conclusão compartilha essa janela com o prompt?
- Quais são os limites de taxa e concorrência, e o que a API retorna quando você os atinge?
- Você paga por requisições falhas?
- Como os prompts são tratados? Aqui eles não são usados para treinamento.
- Como você paga e pode começar pequeno? Uma nova conta pode reivindicar $0,50 de crédito de teste com um clique na página da chave de API, sem necessidade de cartão.
Execute um teste de dez minutos com seus prompts reais antes de decidir. O comportamento com seu próprio conteúdo diz mais do que qualquer lista de recursos.
Privacidade e chaves
Uma API hospedada significa que seus prompts viajam para o servidor de outra pessoa. Essa é a principal coisa que você abre mão em comparação com executar o modelo na sua própria máquina, e deve ser uma escolha consciente. Aqui, os prompts não são usados para treinamento. Mesmo assim, trate cada requisição como dados saindo da sua rede: não envie segredos, chaves privadas ou dados pessoais de outras pessoas, a menos que você tenha uma razão e o direito de fazê-lo.
As chaves merecem o mesmo cuidado. Você pode regenerar uma chave a qualquer momento na página da chave de API, e a antiga deixa de funcionar imediatamente. Contas que fizeram recarga podem ter até 5 chaves, rotulá-las e revogar qualquer uma delas, então dê a cada aplicativo ou ambiente o seu próprio. Se uma vazar, você a substitui em segundos e nada mais quebra.
Mais guias
Perguntas frequentes
O que é uma API de modelo?
Uma API de modelo é um endpoint HTTP que aceita um prompt ou uma lista de mensagens e retorna texto gerado por um modelo de linguagem. Você paga por token em vez de executar o modelo no seu próprio hardware.
Uma API hospedada é mais barata do que executar um modelo localmente?
Para tráfego pequeno ou irregular, geralmente é, porque você paga apenas pelos tokens usados e não tem tempo de GPU ocioso. Para carga pesada constante em hardware que você já possui, o local pode custar menos.
Posso usar o SDK da OpenAI com esta API?
Sim. Defina a URL base para https://api.modelapis.cc/v1, use sua chave como token Bearer e defina o modelo como uncensored.
O endpoint lida com imagens ou embeddings?
Não. É apenas texto, com chat completions, o método de respostas e uma lista de modelos.
Acesse sua chave instantaneamente
Cadastre-se, recupere sua chave, atualize sua URL base. É só isso.