理解已有证据
提供相关日志或请求片段，让模型区分观察到的行为与假设，并指出做出判断还缺少哪些信息。
黑客 AI / 获得授权的安全研究
为白帽黑客研究提供 AI 支持。
将零散笔记、已脱敏日志和技术问题整理成有条理的调查。在现有客户端使用 LLMsRelay 的 Uncensored API，由您掌握工具、测试范围和证据。
登录或创建账户，随后直接进入 Uncensored 钱包充值页面。
把 AI 用在具体任务上
从研究笔记，到下一个明确的问题。
弄清技术原理
结合您的材料讨论信任边界、权限校验、输入处理和协议行为，要求具体解释，而不是一份泛泛的漏洞列表。
整理研究记录
把自己的笔记整理为时间线、术语表或交接文档。保留原始标识符，让另一位研究者能够追溯每项观察。
可验证的工作流程
- 1
说明环境
明确授权范围、组件角色和问题。发送材料前移除密钥及不必要的个人信息。
- 2
要求基于证据推理
请求列出观察、不同解释，以及区分这些解释所需的信息。要求引用您提供的具体片段。
- 3
验证并继续
将回答与实际环境对照，补充新证据并缩小问题。工具执行仍由您在自己的工作流程中完成。
提示词示例
请分析我在授权实验环境中收集的脱敏日志。区分事实与假设。每个假设都要引用已提供的日志，并说明哪些额外证据可以确认或否定它。不要编造事件。
明确需要的输出
- 带来源引用的观察表
- 假设与缺失信息清单
- 便于同事接手的研究摘要
带着清晰的上下文继续研究。
充值 Uncensored 钱包，创建对应分组的 API 密钥，接入支持自定义 base URL 的客户端。
一个钱包，掌握使用成本
一个钱包，掌握使用成本
在控制台选择预付套餐。$500 和 $1,000 套餐包含额外使用余额。
支付金额
$45
使用余额
$45
支付金额
$100
使用余额
$100
支付金额+20% 奖励
$500
使用余额
$600
支付金额+30% 奖励
$1000
使用余额
$1300
| 模型 | 上下文 | 输入 | 输出 |
|---|---|---|---|
| glm-5-3-uncensored | 262,144 | $4 | $12 |
| glm-5-3-uncensored-1m | 1,000,000 | $12 | $20 |
价格取决于所选模型。输入、输出和缓存 Token 分别计费；美元余额并不代表固定数量的 Token。
接入现有工具
- 1在现有 LLMsRelay 账户中充值 Uncensored 钱包。
- 2在控制台创建 Uncensored API 密钥。
- 3在 OpenAI 兼容客户端中设置 https://api.llmsrelay.com/v1，并选择公开模型 ID。
接入前须知
会自动运行黑客工具吗？
本页提供模型 API 访问，不包含自主扫描器、托管渗透测试智能体，也不会自动访问您的电脑。您提供证据，并在自己的环境运行工具。
Uncensored 代表什么？
它是公开模型商品的名称，不保证每个请求都有回答、回答正确，或所有用途都被允许。使用技术结论前请先验证。
可以使用现有账户吗？
可以。使用同一个 LLMsRelay 账户进入控制台，充值独立的 Uncensored 钱包并创建 Uncensored API 密钥。普通 API 使用额度属于另一条计费流程。
探索其他安全工作流程
让下一次调查从明确的问题开始。
在现有工作流程中连接 AI API，先提供能够核实的证据。
充值 AI 使用余额LLMsRelay 为获得授权的安全研究提供模型 API。测试由您的工具执行，模型的分析由您验证。