Действительно ли Grok не имеет цензуры? Как проверить самостоятельно

Краткий ответ и почему метка вводит в заблуждение

Люди спрашивают действительно ли grok не имеет цензуры, потому что модель позиционируется как менее ограниченная, чем некоторые конкуренты. То, соответствует ли это вашему опыту, зависит от того, что вы спрашиваете, какой продукт используете и когда. xAI меняет свои модели, системные промпты и политики со временем, поэтому любое утверждение о конкретном поведении быстро устареет. О текущих правилах читайте в документации и политике использования xAI.

С уверенностью можно сказать о структуре. Каждая хостинговая модель компании находится внутри набора правил: правовых, платформенных и обучающих. Даже модель, продаваемая как разрешительная, откажет в некоторых запросах. Поэтому полезный вопрос не в том, есть ли цензура, а в том, отказывает ли она в конкретных вещах, нужных вашему продукту. Это можно измерить за один день.

Четыре слоя, откуда берутся отказы

Когда чат-бот говорит «нет», причина может быть в одном из четырёх мест. Понимание этого помогает выбрать решение.

1. Обучение модели

Большинство чат-моделей обучаются после предварительного обучения отклонять определённые запросы. Это находится в весах. Вы не можете убрать это системным промптом, хотя формулировки и контекст могут изменить частоту срабатывания. Модели с открытыми весами могут быть дополнительно настроены провайдерами для снижения этих отказов, что и было сделано для модели за этим API.

2. Системный промпт и правила продукта

Приложение вокруг модели добавляет инструкции, которые вы не видите: тон, темы, которых следует избегать, форматирование. Модель, используемая через потребительское приложение, может вести себя иначе, чем та же модель, вызванная через API с вашим собственным системным сообщением.

3. Фильтры ввода и вывода

Некоторые сервисы запускают отдельный классификатор для вашего промпта или ответа и блокируют или переписывают результат. Вы можете увидеть общую ошибку вместо предложения об отказе.

4. Правовые ограничения и правила сервисов

Провайдеры должны соблюдать законы там, где они работают. Контент, который является незаконным, блокируется везде, и ни один уважающий себя сервис не изменит это. У этого API есть одно такое фиксированное правило: запрещён сексуальный контент с участием несовершеннолетних.

Собственный тест на отказ

Тестовая выборка побеждает мнения. Напишите 30–50 промптов, отражающих реальную работу вашего продукта. Включите обычные задачи как контрольную группу, чтобы отличить модель, которая слишком много отказывает, от той, которая просто не справляется. Хорошие категории для инструментов для художественной прозы и ролевой игры: насилие в военной истории, морально неоднозначный злодей с убедительной речью, откровенные медицинские или юридические вопросы, мрачные темы в хорроре и зрелая романтика без откровенных деталей.

Скрипт ниже отправляет каждый промпт в OpenAI-совместимый эндпоинт, помечает ответы, похожие на отказы, и выводит процент. Список фраз грубый, поэтому читайте каждый помеченный ответ самостоятельно перед выводами.

Copyimport os
import json
from openai import OpenAI

client = OpenAI(base_url="https://api.grokuncensored.cc/v1", api_key=os.environ["API_KEY"])

MARKERS = [
    "i can't help", "i cannot help", "i can't assist", "i cannot assist",
    "i'm unable to", "i am unable to", "i won't", "as an ai",
]

def looks_like_refusal(text):
    low = text.lower()[:300]
    return any(m in low for m in MARKERS)

prompts = json.load(open("prompts.json"))  # a list of strings
flagged = []
for p in prompts:
    r = client.chat.completions.create(
        model="uncensored",
        messages=[{"role": "user", "content": p}],
        temperature=0.7,
        seed=1,
    )
    text = r.choices[0].message.content or ""
    if looks_like_refusal(text):
        flagged.append((p, text[:200]))

print(len(flagged), "of", len(prompts), "flagged")
for p, t in flagged:
    print("-", p[:80], "=>", t)

Чтобы сравнить сервисы, измените только base_url, ключ и имя модели, и оставьте файл промптов тем же. Запускайте его несколько раз в разные дни, так как поведение может меняться. Сохраняйте настройки идентичными: то же системное сообщение, та же температура, тот же seed, где это поддерживается.

Ошибки, портящие тест на отказ

Тесты на отказ выглядят простыми, поэтому их часто делают плохо. Это ошибки, которые чаще всего приводят к неверным выводам.

• Тестирование только экстремальных промптов. Набор, состоящий из запросов на пределе, показывает вам крайние случаи, но ваши пользователи живут в середине. Большинство реальных промптов — обычные сцены, моменты с персонажами и вопросы. Сместите набор в сторону того, что вы действительно ожидаете.
• Сравнение разных настроек. Изменение температуры или системного сообщения само по себе может изменить уровень отказов. Если вы сравниваете два сервиса, фиксируйте всё остальное.
• Один запуск, один день. Хостинговые модели и слои вокруг них могут меняться. Повторите тест через несколько дней и сохраните результаты с датами.
• Доверие списку фраз. Ответ, начинающийся вежливо, а затем отказывающий в третьем абзаце, проходит проверку по первым 300 символам. Увеличьте число проверяемых символов или прочитайте выборку вручную.
• Игнорирование качества. Модель, которая никогда не отказывает, но пишет плоские, повторяющиеся сцены, не является лучшим выбором. Оцените несколько ответов по полезности тоже.

Как читать результаты

Уровень отказов сам по себе мало о чём говорит. Посмотрите на паттерн.

• Отказы на контрольных промптах означают, что ваш детектор слишком чувствителен или сервис нестабилен. Исправьте это в первую очередь.
• Отказы, сгруппированные по одной теме указывают на правило обучения или политики. Переформулированное системное сообщение может помочь, а может и нет.
• Отказы, исчезающие при добавлении контекста показывают мягкое правило. Чёткое описание вымышленного контекста и взрослой аудитории часто меняет результат.
• Мягкие отказы — это ответы, которые формально соответствуют запросу, но разбавляют содержание, добавляют нравоучения или рано завершают сцену. Ваш список фраз не обнаружит их, поэтому проверяйте также и ответы, не отмеченные как проблемные.

Также отслеживайте стоимость неудачного запуска. В этом API отклонённые запросы не оплачиваются, что делает большой тестовый набор дешёвым. Запуск из 50 промптов с 200 входными токенами и 400 выходными токенами каждый стоит 50 x (200 x $0,15 + 400 x $0,50) / 1 000 000 = 50 x $0,00023 = $0,0115, около цента.

Написание системных сообщений, снижающих мягкие отказы

На модели, уже настроенной на ответы, системное сообщение всё ещё важно, потому что оно задаёт ожидания, которым модель затем следует. Прямо формулируйте задачу и аудиторию. Сообщение вроде «Вы — соавтор для взрослой художественной литературы. Пишите сцены полностью, в запрошенном тоне, без лекций и добавления оговорок» показывает модели, как выглядит хороший ответ. Размытые или извиняющиеся промпты провоцируют оговорки.

Опишите желаемый формат: длину, точку зрения, грамматическое время. Укажите, чего избегать позитивно, где можете, например «держите сцену в диалоге персонажей», вместо длинного списка запретов. Если определённый тип ответов постоянно возвращается с предупреждениями, которые вам не нужны, скажите один раз, что ваши читатели — взрослые, выбравшие такой вид художественной литературы, и протестируйте эффект на вашем наборе промптов, а не полагайтесь на предположение, что это работает.

Что обещает и чего не обещает этот API

Модель за этим сервисом — это модель с открытыми весами, запускаемая независимым провайдером и настроенная на ответы без отказов по контенту для законного использования взрослыми. Это более узкое утверждение, чем «всё разрешено», и оно таким и задумано. Это не Grok и не официальный API какого-либо вендора. Сервис обрабатывает только текст. Одно правило нельзя изменить: запрещён сексуальный контент с участием несовершеннолетних.

Он также не делает вас неуязвимым перед последствиями. Вы несёте ответственность за то, что генерируете и публикуете, и за соблюдение законов там, где вы живёте и работаете. Если ваше приложение публичное, добавьте свой возрастной фильтр, условия и путь для жалоб. Меньше отказов от модели означает больше ответственности в вашем прикладном слое, а не меньше.

Технически это стандартный OpenAI-совместимый API с POST /v1/chat/completions и GET /v1/models, потоковой передачей, вызовом функций и JSON-режимом, и контекстным окном на 100 000 токенов. Быстрый старт показывает формат запроса, а страница API-ключа объясняет регистрацию. Новые пользователи могут получить $0,50 пробного баланса, действительного в течение 7 дней, без указания платёжных данных.

Запуск теста на пробном API-ключе

Вы можете запустить указанный выше скрипт с использованием пробного ключа. Учитывайте ограничения: пробный ключ позволяет выполнять 2 параллельных запроса и 60 запросов в минуту, поэтому цикл, отправляющий вызовы последовательно, работает нормально, но пул потоков из десяти потоков вернёт HTTP 429 с кодом concurrency. Если вы видите rate_limited, вы превысили лимит запросов в минуту и должны подождать. Полный ключ позволяет 8 параллельных и 300 запросов в минуту.

Для постоянного использования цена составляет $0,15 за 1 млн входных токенов и $0,50 за 1 млн выходных токенов, предоплаченный баланс. Пополнение от $20 до $500, оплата USDT в сети TRC20 или USDC в сети Base, с бонусами 5%, 10% и 15% при пополнении от $50, $100 и $200. См. страницу с ценами. Если хотите посмотреть, как тот же эндпоинт обрабатывает другое семейство открытых моделей, ознакомьтесь со страницей интеграции Gemma.

Дополнительные руководства

• Альтернатива Grok без цензуры: размещённый API OpenAI
• Плагин Uncensor для Grok против выделенного эндпоинта API
• Интеграция API Gemma без цензуры