MiMo V2.6 Flash Abliterated
فلش MiMo V2.6 با رفتار امتناع خود از طریق حذف کاهش می یابد: استدلال سریع، پنجره زمینه 1M-token و ورودی تصویر اختیاری.
MiMo Abliterated API به شما امکان دسترسی برنامهریزی شده به MiMo V2.6 Flash Abliterated را از طریق یک کلید Muapi API میدهد. هر نقطه پایانی بدنه درخواست یکسانی را دریافت می کند: prompt، system_prompt اختیاری، max_tokens و image_url در مدل های دارای قابلیت دید.مدلهای حذفشده، مدلهای زبانی هستند که برای کاهش رفتار امتناع داخلی خود اصلاح شدهاند. حذف و تکنیکهای مرتبط (محو، حذف) تعداد دفعات رد درخواست یک مدل را کاهش میدهند. آنها خروجی نامحدود را تضمین نمی کنند، هر محدودیتی را حذف نمی کنند، یا خط مشی استفاده قابل قبول Muapi را تغییر نمی دهند. شما مسئول نحوه استفاده از خروجی هستید.
فلش MiMo V2.6 با رفتار امتناع خود از طریق حذف کاهش می یابد: استدلال سریع، پنجره زمینه 1M-token و ورودی تصویر اختیاری.
این صفحه MiMo V2.6 Flash Abliterated در Muapi را پوشش می دهد. فلش MiMo V2.6 با رفتار امتناع خود از طریق حذف کاهش می یابد: استدلال سریع، پنجره زمینه 1M-token و ورودی تصویر اختیاری.
یک درخواست، به صورت اختیاری با system_prompt برای تنظیم پرسونا و لحن و image_url در مدلهای دارای قابلیت بینایی و نظرسنجی برای متن تولید شده ارسال کنید. کاربردهای معمولی عبارتند از نوشتن خلاقانه، تحقیقات تیم قرمز و ایمنی، ارزیابی در برابر مدل پایه اصلاح نشده، و کاربردهایی که در آن امتناع یک مدل پایه مانع کار قانونی می شود. مدلهای حذفشده، مدلهای زبانی هستند که برای کاهش رفتار امتناع داخلی خود اصلاح شدهاند. حذف و تکنیکهای مرتبط (محو، حذف) تعداد دفعات رد درخواست یک مدل را کاهش میدهند. آنها خروجی نامحدود را تضمین نمی کنند، هر محدودیتی را حذف نمی کنند، یا خط مشی استفاده قابل قبول Muapi را تغییر نمی دهند. شما مسئول نحوه استفاده از خروجی هستید.
هر نقطه پایانی همان بدنه درخواست را میپذیرد و متن را از طریق نقطه پایانی نتیجه مشترک برمیگرداند، بنابراین تغییر مدلها یک تغییر یک خطی است.
حذف و تکنیکهای مرتبط، تعداد دفعاتی که مدل درخواستی را رد میکند، کاهش میدهد. رفتار بر اساس مدل و درخواست متفاوت است و تضمینی نیست.
یک system_prompt را برای هدایت شخصیت، لحن و قالب خروجی برای کارهای خلاقانه، تحلیلی یا ارزیابی تنظیم کنید.
صورتحساب به دنبال تعداد توکنهایی است که هر تماس برمیگردد. هیچ اشتراک و مدل میزبانی برای مدیریت وجود ندارد.
یک image_url را به MiMo V2.6 Flash Abliterated ارسال کنید.
کاهش امتناع به معنای عدم وجود قوانین نیست. خط مشی استفاده قابل قبول Muapi و قانون قابل اجرا همچنان در مورد آنچه تولید می کنید اعمال می شود.
| نقطه پایانی | ورودی | خروجی | قیمت | بهترین برای |
|---|---|---|---|---|
صورتحساب به ازای هر توکن از مصرفی که هر تماس برمیگرداند. قیمت ها به ازای هر میلیون توکن ورودی و خروجی است.
درخواست JSON را با کلید Muapi API خود ارسال کنید، شناسه درخواست را ذخیره کنید و نقطه پایانی نتیجه مشترک را نظرسنجی کنید.
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"}mimo-v2-6-flash-abliterated را با یک فرمان سیستم_پرومپت و اختیاری، image_url، فراخوانی کنید.
نقطه پایانی نتیجه مشترک را نظرسنجی کنید تا کار تکمیل شود، سپس متن تولید شده را از خروجی ها بخوانید.
یک مدل زبان حذفشده مدلی است که رفتار امتناع آن با ویرایش جهت داخلی که باعث امتناع میشود، معمولاً بدون آموزش مجدد از ابتدا کاهش یافته است. اصطلاحات مرتبط مانند حذف شده و محدود شده، تکنیک های مشابهی را توصیف می کنند. نتیجه تمایل به رد درخواستهای کمتری نسبت به مدل اصلی دارد، اما تضمینی نیست و کیفیت میتواند با مدل پایه متفاوت باشد.
MiMo V2.6 Flash Abliterated. هر کدام یک نقطه پایان جداگانه با نام مدل خاص خود در URL است.
صورتحساب به ازای هر توکن است، که پس از هر تماس از شمارشهایی که مدل برمیگرداند کسر میشود. MiMo V2.6 Flash Abliterated 1.00 دلار در هر میلیون دلار و 3.00 دلار در میلیون توکن است.
خیر. امتناع های کاهش یافته به معنای خروجی نامحدود نیست، و دانش و کیفیت هر مدل همچنان پاسخگو است. شما مسئول نحوه استفاده از خروجی هستید و درخواست هایی که خط مشی استفاده قابل قبول Muapi یا قانون را نقض می کنند مجاز نیستند.
بله در MiMo V2.6 Flash Abliterated: یک image_url در کنار درخواست خود اضافه کنید.
POST به /api/v1/<model-name> یک request_id برمی گرداند. نظرسنجی /api/v1/predictions/{request_id}/result تا تکمیل وضعیت، سپس متن را از خروجی ها بخوانید.
یک کلید Muapi API ایجاد کنید و هر مدل موجود در این صفحه را با یک درخواست REST ساده فراخوانی کنید.