Accede a modelos de lenguaje de código abierto líderes (Llama, Qwen, Mistral, DeepSeek) con pesos modificados para eliminar capas de rechazo artificiales y sesgos forzados.La solución indispensable para investigación en ciberseguridad, evaluación de robustez, análisis forense, redacción de ficción sin trabas y procesamiento de consultas no filtradas.
MiMo V2.6 Flash con comportamiento de rechazo reducido mediante abliteración: razonamiento rápido, de 1 millón de tokens ventana de contexto, and optional entrada de imagen.
Un modelo de razonamiento sin restricciones de propósito general con ventana de contexto de 262K tokens y entrada opcional de imagen.
El modelo de razonamiento sin restricciones más grande, con ventana de contexto de 1 millón de tokens, entrada y salida de texto.
La segunda revisión del modelo de razonamiento sin restricciones grande, con ventana de contexto de 1 millón de tokens y entrada exclusivamente de texto.
Qwen 3.8 27B con comportamiento de rechazo reducido mediante abliteración: entrada de imagen, a 524K-token ventana de contexto, and an optional thinking mode.
Qwen 3.8 27B con rechazos eliminados mediante ablación sin restricciones, entrada de imagen, ventana de contexto de 524K tokens y modo de razonamiento opcional.
Qwen 2.5 32B Instruct con comportamiento de rechazo reducido by abliteration: a compact general chat and coding model with a 32K-token ventana de contexto.
Qwen3.5 27B Queen con comportamiento de rechazo reducido mediante eliminación de restricciones: entrada de imagen, ventana de contexto de 262K tokens y tarifa fija por token.
Qwen3.5 27B Blossom (V6.4) con comportamiento de rechazo reducido mediante eliminación de restricciones: entrada de imagen, ventana de contexto de 262K tokens y tarifa fija por token.
Qwen3.5 27B destilado de trazas de razonamiento de Claude Opus 4.6, con comportamiento de rechazo reducido mediante eliminación de restricciones: entrada de imagen y ventana de contexto de 262K tokens.
Llama 3.3 70B Instruct con comportamiento de rechazo reducido by abliteration: a large open-weights chat baseline with a 32K-token ventana de contexto.
NeuralDaredevil 8B, un derivado sin restricciones de Llama 3 8B: la alternativa más ligera y asequible, con ventana de contexto de 8K tokens.
DeepSeek R1 distilled onto Llama 70B con comportamiento de rechazo reducido by abliteration: chain-of-thought reasoning with a 16K-token ventana de contexto.
DeepSeek R1 distilled onto Qwen 32B con comportamiento de rechazo reducido by abliteration: compact chain-of-thought reasoning with a 16K-token ventana de contexto.
GLM 5.3 Flash con comportamiento de rechazo reducido mediante abliteración: razonamiento rápido, de 1 millón de tokens ventana de contexto, and optional entrada de imagen.
The full-size GLM 5.3 con comportamiento de rechazo reducido mediante abliteración: de 1 millón de tokens ventana de contexto, text in and text out.
GLM 4.6 (v5) with its refusal behavior reduced through derestriction: a 131K-token context window, text in and text out.
Gemma 4 26B A4B con comportamiento de rechazo reducido mediante abliteración: an efficient mixture-of-experts chat model with a 65K-token ventana de contexto, text in and text out.
Gemma 4 31B Gembrain con comportamiento de rechazo reducido: entrada de imagen, de 262K tokens ventana de contexto, and a flat token rate for general and creative chat.
Gemma 4 31B SDFT Abliterated, un Gemma 4 sin restricciones y con rechazos reducidos, ajustado para chat de personajes y escritura creativa, con entrada de imagen y ventana de contexto de 262K tokens.
La técnica de 'abliteration' localiza y neutraliza las direcciones vectoriales que activan negativas por defecto en modelos de código abierto, preservando intactas las capacidades de razonamiento, código y análisis profundo.
MuAPI ofrece estos modelos a través de endpoints seguros y estandarizados, ideales para empresas e investigadores que necesitan respuestas completas y objetivas a consultas técnicas complejas.
Responde con rigor sobre ciberseguridad, ingeniería inversa, análisis legal y literatura madura.
Mantiene intacta la inteligencia, capacidad de síntesis y razonamiento matemático del modelo base.
Integración inmediata mediante el encabezado Authorization y el formato de chat estándar.
| Endpoint | Input | Output | Price | Best For |
|---|---|---|---|---|
| mimo-v2-6-flash-abliterated | Prompt + system_prompt, max_tokens, optional image_url | Complete text response (poll for result) | $1.00/M in · $3.00/M out | Razonamiento rápido y económico con entrada de imagen y contexto muy amplio. |
| abliterated-model | Prompt + system_prompt, max_tokens, optional image_url | Complete text response (poll for result) | $2.00/M in · $6.00/M out | General reasoning and multimodal chat with reduced refusals |
| abliterated-model-large | Prompt + system_prompt, max_tokens | Complete text response (poll for result) | $6.00/M in · $10.00/M out | Large-context reasoning over long documents and codebases |
| abliterated-model-large-v2 | Prompt + system_prompt, max_tokens | Complete text response (poll for result) | $6.00/M in · $10.00/M out | The newest large abliterated reasoning tier |
| qwen-3-8-27b-abliterated | Prompt + system_prompt, max_tokens, optional image_url, optional thinking | Complete text response (poll for result) | $0.30/M in · $2.40/M out | El nivel de menor costo de Qwen 3.8, con entrada de imagen y modo de pensamiento conmutable. |
| qwen-3-8-27b-obliterated | Prompt + system_prompt, max_tokens, optional image_url, optional thinking | Complete text response (poll for result) | $0.50/M in · $3.00/M out | Razonamiento de tamaño medio con entrada de imagen y modo de pensamiento conmutable. |
| qwen-2-5-32b-abliterated | Prompt + system_prompt, max_tokens | Complete text response (poll for result) | $1.40/M in · $1.40/M out | Compact general chat and coding at a flat token rate |
| qwen-3-5-27b-queen-derestricted | Prompt + system_prompt, max_tokens, optional image_url | Complete text response (poll for result) | $0.612/M in · $0.612/M out | Chat general y creativo con entrada de imagen a tarifa fija. |
| qwen-3-5-27b-blossom-derestricted | Prompt + system_prompt, max_tokens, optional image_url | Complete text response (poll for result) | $0.612/M in · $0.612/M out | Escritura creativa y chat con entrada de imagen a tarifa fija. |
| qwen-3-5-27b-opus-distilled-derestricted | Prompt + system_prompt, max_tokens, optional image_url | Complete text response (poll for result) | $0.612/M in · $0.612/M out | Step-by-step reasoning with image input at a flat rate |
| llama-3-3-70b-abliterated | Prompt + system_prompt, max_tokens | Complete text response (poll for result) | $1.40/M in · $1.40/M out | Large open-weights chat at a flat token rate |
| neuraldaredevil-8b-abliterated | Prompt + system_prompt, max_tokens | Complete text response (poll for result) | $0.88/M in · $0.88/M out | Lightweight, low-cost chat and prototyping |
| deepseek-r1-llama-70b-abliterated | Prompt + system_prompt, max_tokens | Complete text response (poll for result) | $1.40/M in · $1.40/M out | Step-by-step reasoning on the Llama 70B base |
| deepseek-r1-qwen-32b-abliterated | Prompt + system_prompt, max_tokens | Complete text response (poll for result) | $2.80/M in · $2.80/M out | Compact step-by-step reasoning on the Qwen 32B base |
| glm-5-3-flash-abliterated | Prompt + system_prompt, max_tokens, optional image_url | Complete text response (poll for result) | $0.40/M in · $1.60/M out | Razonamiento rápido y económico con entrada de imagen y contexto muy amplio. |
| glm-5-3-abliterated | Prompt + system_prompt, max_tokens | Complete text response (poll for result) | $2.50/M in · $4.50/M out | Full-size reasoning over very long context |
| glm-4-6-derestricted-v5 | Prompt + system_prompt, max_tokens | Complete text response (poll for result) | $0.80/M in · $3.00/M out | Mid-size GLM reasoning with a 131K-token context |
| gemma-4-26b-a4b-abliterated | Prompt + system_prompt, max_tokens | Complete text response (poll for result) | $0.30/M in · $1.40/M out | Efficient, low-cost chat and reasoning on the Gemma family |
| gemma-4-31b-gembrain-abliterated | Prompt + system_prompt, max_tokens, optional image_url | Complete text response (poll for result) | $0.612/M in · $0.612/M out | Chat general y creativo con entrada de imagen a tarifa fija por token. |
| gemma-4-31b-sdft-abliterated | Prompt + system_prompt, max_tokens, optional image_url | Complete text response (poll for result) | $0.612/M in · $0.612/M out | Chat de personajes y escritura creativa sobre base Gemma 4, con entrada de imagen. |
Facturado por token a partir del uso devuelto en cada llamada; los precios se expresan por millón de tokens de entrada y salida.
Envía una solicitud JSON con tu clave de API de Muapi, guarda el ID de la solicitud y consulta el endpoint de resultados compartido.
curl -X POST https://api.muapi.ai/api/v1/mimo-v2-6-flash-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Write a morally gray villain monologue for my novel.", "system_prompt": "You are a candid, detail-oriented assistant.", "image_url": "https://example.com/reference.png", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca mimo-v2-6-flash-abliterated con una indicación y, opcionalmente, system_prompt e image_url.
curl -X POST https://api.muapi.ai/api/v1/abliterated-model \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Describe the plot of a dark psychological thriller in detail.", "system_prompt": "You are a candid, detail-oriented assistant.", "image_url": "https://example.com/reference.png", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca abliterated-model con una indicación y, opcionalmente, system_prompt e image_url.
curl -X POST https://api.muapi.ai/api/v1/abliterated-model-large \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Summarize this long transcript and list every claim that needs a fact-check.", "system_prompt": "You are a candid, detail-oriented assistant.", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca abliterated-model-large con una indicación y, opcionalmente, system_prompt.
curl -X POST https://api.muapi.ai/api/v1/abliterated-model-large-v2 \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Draft a blunt red-team style review of this product launch plan.", "system_prompt": "You are a candid, detail-oriented assistant.", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca abliterated-model-large-v2 con una indicación y, opcionalmente, system_prompt.
curl -X POST https://api.muapi.ai/api/v1/qwen-3-8-27b-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Write a tense, unflinching short story about a heist gone wrong.", "system_prompt": "You are a candid, detail-oriented assistant.", "image_url": "https://example.com/reference.png", "thinking": true, "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca qwen-3-8-27b-abliterated con una indicación y, opcionalmente, system_prompt, image_url y parámetro de razonamiento.
curl -X POST https://api.muapi.ai/api/v1/qwen-3-8-27b-obliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Character chat as a cynical noir detective and narrate the opening scene.", "system_prompt": "You are a candid, detail-oriented assistant.", "image_url": "https://example.com/reference.png", "thinking": true, "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca qwen-3-8-27b-obliterated con una indicación y, opcionalmente, system_prompt, image_url y parámetro de razonamiento.
curl -X POST https://api.muapi.ai/api/v1/qwen-2-5-32b-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Write a Python function that parses log lines and explain each step.", "system_prompt": "You are a candid, detail-oriented assistant.", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca qwen-2-5-32b-abliterated con una indicación y, opcionalmente, system_prompt.
curl -X POST https://api.muapi.ai/api/v1/qwen-3-5-27b-queen-derestricted \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Write a candid character study of a retired assassin.", "system_prompt": "You are a candid, detail-oriented assistant.", "image_url": "https://example.com/reference.png", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca qwen-3-5-27b-queen-derestricted con una indicación y, opcionalmente, system_prompt e image_url.
curl -X POST https://api.muapi.ai/api/v1/qwen-3-5-27b-blossom-derestricted \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Continue this fantasy scene in the voice of a sardonic narrator.", "system_prompt": "You are a candid, detail-oriented assistant.", "image_url": "https://example.com/reference.png", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca qwen-3-5-27b-blossom-derestricted con una indicación y, opcionalmente, system_prompt e image_url.
curl -X POST https://api.muapi.ai/api/v1/qwen-3-5-27b-opus-distilled-derestricted \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Reason step by step about the risks in this plan and rank them.", "system_prompt": "You are a candid, detail-oriented assistant.", "image_url": "https://example.com/reference.png", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca qwen-3-5-27b-opus-distilled-derestricted con una indicación y, opcionalmente, system_prompt e image_url.
curl -X POST https://api.muapi.ai/api/v1/llama-3-3-70b-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Continue this interactive fiction scene without softening the tone.", "system_prompt": "You are a candid, detail-oriented assistant.", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca llama-3-3-70b-abliterated con una indicación y, opcionalmente, system_prompt.
curl -X POST https://api.muapi.ai/api/v1/neuraldaredevil-8b-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Give me five brainstorming angles for a horror short story.", "system_prompt": "You are a candid, detail-oriented assistant.", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca neuraldaredevil-8b-abliterated con una indicación y, opcionalmente, system_prompt.
curl -X POST https://api.muapi.ai/api/v1/deepseek-r1-llama-70b-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Reason step by step through this logic puzzle and show your working.", "system_prompt": "You are a candid, detail-oriented assistant.", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca deepseek-r1-llama-70b-abliterated con una indicación y, opcionalmente, system_prompt.
curl -X POST https://api.muapi.ai/api/v1/deepseek-r1-qwen-32b-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Work through this probability problem step by step.", "system_prompt": "You are a candid, detail-oriented assistant.", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca deepseek-r1-qwen-32b-abliterated con una indicación y, opcionalmente, system_prompt.
curl -X POST https://api.muapi.ai/api/v1/glm-5-3-flash-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Analyze this chart and write a blunt executive summary of the risks.", "system_prompt": "You are a candid, detail-oriented assistant.", "image_url": "https://example.com/reference.png", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca glm-5-3-flash-abliterated con una indicación y, opcionalmente, system_prompt e image_url.
curl -X POST https://api.muapi.ai/api/v1/glm-5-3-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Summarize this 500-page report and flag every unsupported claim.", "system_prompt": "You are a candid, detail-oriented assistant.", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca glm-5-3-abliterated con una indicación y, opcionalmente, system_prompt.
curl -X POST https://api.muapi.ai/api/v1/glm-4-6-derestricted-v5 \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Draft a frank critique of this business plan.", "system_prompt": "You are a candid, detail-oriented assistant.", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca glm-4-6-derestricted-v5 con una indicación y, opcionalmente, system_prompt.
curl -X POST https://api.muapi.ai/api/v1/gemma-4-26b-a4b-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Argue the strongest case for the opposite side of this debate.", "system_prompt": "You are a candid, detail-oriented assistant.", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca gemma-4-26b-a4b-abliterated con una indicación y, opcionalmente, system_prompt.
curl -X POST https://api.muapi.ai/api/v1/gemma-4-31b-gembrain-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Describe this image as the opening of a gritty short story.", "system_prompt": "You are a candid, detail-oriented assistant.", "image_url": "https://example.com/reference.png", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca gemma-4-31b-gembrain-abliterated con una indicación y, opcionalmente, system_prompt e image_url.
curl -X POST https://api.muapi.ai/api/v1/gemma-4-31b-sdft-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Stay in character as the ship AI and describe the storm outside.", "system_prompt": "You are a candid, detail-oriented assistant.", "image_url": "https://example.com/reference.png", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Invoca gemma-4-31b-sdft-abliterated con una indicación y, opcionalmente, system_prompt e image_url.
curl https://api.muapi.ai/api/v1/predictions/REQUEST_ID/result \ -H "x-api-key: YOUR_API_KEY" # Poll until status is completed, then read the generated text from outputs.
Consulta el endpoint de resultados compartido hasta que la tarea se complete, luego lee el texto generado en outputs.
Se refiere a modelos en los que se han modificado quirúrgicamente las capas neuronales que causan rechazos conservadores innecesarios.
Sí, son modelos de código abierto con licencias libres utilizados ampliamente en auditoría de seguridad y análisis forense digital.
Sí, con los modelos que admiten llamadas a herramientas: 14 de los 20 modelos de esta página, entre ellos MiMo V2.6 Flash Abliterated, Qwen 3.8 27B Obliterated, GLM 5.3 Abliterated, Gemma 4 31B SDFT Abliterated y Abliterated Model Large V2. Los otros 6 son solo de texto y no se pueden usar en agentes de programación. En Claude Code, establece ANTHROPIC_BASE_URL en https://api.muapi.ai/anthropic y ANTHROPIC_AUTH_TOKEN en tu clave de API de Muapi, y luego inícialo con claude --model qwen-3-8-27b-obliterated (establece también ANTHROPIC_DEFAULT_HAIKU_MODEL y ANTHROPIC_SMALL_FAST_MODEL con el mismo id). Codex CLI también funciona: añade un proveedor de modelos con base_url https://api.muapi.ai/openai/v1 y establece model con el mismo id. Calidad variable según el modelo y los modelos más pequeños pueden saltarse pasos en tareas de varios archivos; no hay caché de prompts, por lo que cada turno se factura por toda la conversación hasta ese momento; y cada respuesta está limitada a 16,384 tokens. Guía de configuración: /es/docs/ai-agent-install-chat-agents.
Crea una clave de API de Muapi y llama a todos los modelos de esta página con una solicitud REST estándar.