Qwen 3.8 27B Abliterated: AI Large Language Models

Nutze Qwen 3.8 27B Abliterated über eine einzige API. Kontextfenster mit playground. Tokens, Streaming und Abrechnung pro Token. Kostenlos im Muapi Playground testen.

Interaktive Steuerung laden

Nutze Qwen 3.8 27B Abliterated über eine einzige API. Kontextfenster mit playground. Tokens, Streaming und Abrechnung pro Token. Kostenlos im Muapi Playground testen.

📝

Übersicht

Über dieses Modell

Qwen 3.8 27B Abliterated ist ein Qwen-3.8-Modell mit 27B Parametern, einem Kontextfenster von 524K Tokens und Bildeingabe. Es wurde per Abliteration so angepasst, dass es Anfragen seltener ablehnt; ein optionaler Thinking-Modus ermöglicht ausführliche Schlussfolgerungen. Muapi stellt das Modell über einen einzigen REST-Endpunkt mit asynchronem Abruf und Server-Sent-Events-Streaming bereit. So lässt es sich in Chat-Apps, Agents und Workflows integrieren, ohne GPUs selbst hosten zu müssen. Am besten eignet es sich general chat, coding, reasoning and image understanding. Die Abrechnung erfolgt pro Token zu $0.3/M Eingabe-Tokens and $2.4/M Ausgabe-Tokens, ohne Abo. Weitere Modelle: Qwen 3.8 27B Obliterated, Qwen 2.5 32B Abliterated, Qwen3.5 27B Queen Derestricted, Qwen3.5 27B Blossom Derestricted, Qwen3.5 27B Opus-Distilled Derestricted. Die gesamte Auswahl findest du auf der Qwen Abliterated API-Seite oder im Hub abliterated LLM API; verwandte Modellfamilien: GLM Abliterated API and Gemma Abliterated API. „Abliterated“ und „derestricted“ bezeichnen Anpassungen, die die Ablehnungsneigung des Modells verringern. Sie garantieren keine uneingeschränkte Ausgabe. Du bist weiterhin dafür verantwortlich, geltende Gesetze und die Nutzungsbedingungen von Muapi einzuhalten.

1Chat und Assistenten: Entwickle Chat-Anwendungen mit Qwen 3.8 27B Abliterated für general chat, coding, reasoning and image understanding.
2Experimente mit geringerer Ablehnungsneigung: Vergleiche im Rahmen der Muapi-Nutzungsrichtlinie das Ablehnungsverhalten mit dem Basismodell.
3Agents und Workflows: Rufe das Modell über Muapi-Workflow-Knoten und die Beispiele im Hub [Abliterated LLM API](/abliterated-llm-api) auf.
💰

Preise und Wert

Kostenanalyse

muapiapp$0.3/M input tokens and $2.4/M output tokens

Abrechnung pro Token auf Grundlage der tatsächlichen Nutzung; vorab wird ein kleiner Mindestbetrag reserviert.

Fal.aiNicht verfügbar

Qwen 3.8 27B Abliterated wird nicht als gehosteter Endpunkt angeboten.

ReplicateNicht verfügbar

Qwen 3.8 27B Abliterated wird nicht als gehosteter Endpunkt angeboten.

** Die Preise der Mitbewerber werden auf der Grundlage ähnlicher Modellarchitekturen und Nutzungsstufen geschätzt.

⚙️

Technische Details

Konfigurationsschema

Aufforderungstring

.

StandardwertSummarize the trade-offs between a monolith and microservices in five bullet points.
Bild-URLstring

Optional public image URL for multimodal analysis.

Standardwertundefined
Systemaufforderungstring

, .

StandardwertYou are a concise, direct assistant.
Maximale Anzahl an Tokeninteger

Optional maximum number of tokens to generate.

Standardwert8192
Denkenboolean

Enable extended thinking mode for harder reasoning tasks.

Standardwertfalse
📖

Implementierungsleitfaden

Entwicklerdokumentation

So verwendest du Qwen 3.8 27B Abliterated-API

  1. Get an-API key: Erstelle einen Schlüssel in deinem Muapi-Dashboard.

  2. Prompt senden: Sende prompt (optional ergänzt um system_prompt und max_tokens, bis zu 32768) per POST an /api/v1/qwen-3-8-27b-abliterated. Provide an optional public image_url to include an image with your prompt. Setze thinking auf true, um ausführliche Schlussfolgerungen zu aktivieren.

curl -X POST https://api.muapi.ai/api/v1/qwen-3-8-27b-abliterated \
  -H "x-api-key: $MUAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt": "Explain how attention works in transformers.", "image_url": "https://example.com/photo.jpg"}'
  1. Abrufen oder streamen: Rufe GET /api/v1/predictions/{request_id}/result so lange ab, bis status den Wert completed hat, oder streame Tokens live über /api/v1/qwen-3-8-27b-abliterated/stream.
curl -X POST https://api.muapi.ai/api/v1/qwen-3-8-27b-abliterated/stream \
  -H "x-api-key: $MUAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt": "Explain how attention works in transformers.", "image_url": "https://example.com/photo.jpg"}'
  1. Ergebnis lesen: Der generierte Text wird in outputs zurückgegeben. Abgerechnet wird die tatsächliche Token-Anzahl.
❓

Häufige Fragen

Häufig gefragt

Was ist Qwen 3.8 27B Abliterated?

Qwen 3.8 27B Abliterated ist a 27B Qwen 3.8 model mit einem 524K Tokens Kontextfenster und Bildeingabe, per Abliteration so angepasst, dass es Anfragen seltener ablehnt; ein optionaler Thinking-Modus ermöglicht ausführliche Schlussfolgerungen.

Was bedeutet „abliterated“?

Abliterated- oder derestricted-Modelle werden so angepasst, dass sie seltener Anfragen ablehnen. Dadurch sinkt die Zahl der Ablehnungen, sie verschwinden jedoch nicht vollständig; eine uneingeschränkte Ausgabe ist nicht garantiert.

Wie wird Qwen 3.8 27B Abliterated abgerechnet?

Die Abrechnung erfolgt pro Token: $0.3/M Eingabe-Tokens und $2.4/M Ausgabe-Tokens. Beim Start der Anfrage wird ein kleiner Mindestbetrag reserviert und anschließend mit der tatsächlichen Nutzung verrechnet.

Unterstützt Qwen 3.8 27B Abliterated Streaming?

Ja. Tokens lassen sich über `/api/v1/qwen-3-8-27b-abliterated/stream` per Server-Sent Events live streamen oder über den asynchronen Endpunkt abrufen.

Wie groß ist das Kontextfenster?

Das Kontextfenster umfasst etwa 524K Tokens. Prompt und Ausgabe müssen zusammen hineinpassen; `max_tokens` ist auf 32768. Bildeingaben werden über `image_url`.

Ist eine uneingeschränkte Ausgabe garantiert?

Nein. Abliterated-Modelle lehnen Anfragen seltener ab, doch das Verhalten hängt vom Prompt ab und die Qualität kann vom Basismodell abweichen. Prüfe das Modell für deinen Anwendungsfall und beachte die geltenden Gesetze.