muapi Logomuapi Logo
muapi Logomuapi Logo
Modèles/Abliterated LLM API/API LLM sans restriction
En direct20 models

API de LLMs sans restriction — Modèles de langage open source modifiés (Abliterated)

Accédez aux meilleurs modèles open source (Llama, Qwen, Mistral, DeepSeek) débarrassés de leurs couches de refus artificielles et de leurs biais systématiques.La réponse idéale pour la recherche en cybersécurité, l'audit de robustesse logicielle, l'analyse médico-légale et la rédaction de récits sans contraintes de filtrage.

Get API KeyTry Qwen 3.8 27B Abliterated in PlaygroundModel comparisons and API examplesCoding-agent benchmark and setupGeneral-purpose agent integrations

Watch: Best Abliterated LLMs 2026 — 6 Picks, No GPU

MiMo

MiMo models1 models
Text GenerationLive
MiMo

MiMo V2.6 Flash Abliterated

MiMo V2.6 Flash sans restriction : raisonnement véloce, fenêtre de contexte de 1M de tokens et entrée d'image optionnelle.

Text + Image in
$1.00/M in · $3.00/M out
Tester le modèle

Abliterated Model

Abliterated Model models3 models
Text GenerationLive
Abliterated Model

Abliterated Model

Un modèle de raisonnement sans restriction polyvalent avec fenêtre de contexte de 262 000 tokens et entrée d'image optionnelle.

Text + Image in
$2.00/M in · $6.00/M out
Tester le modèle
Text GenerationLive
Abliterated Model

Abliterated Model Large

Le grand modèle de raisonnement sans restriction avec fenêtre de contexte de 1M de tokens, entrée et sortie texte.

Text in
$6.00/M in · $10.00/M out
Tester le modèle
Text GenerationLive
Abliterated Model

Abliterated Model Large V2

La seconde révision du grand modèle de raisonnement sans restriction, avec fenêtre de contexte de 1M de tokens et entrée texte uniquement.

Text in
$6.00/M in · $10.00/M out
Tester le modèle

Qwen

Qwen models6 models
Text GenerationLiveFeatured
Qwen

Qwen 3.8 27B Abliterated

Qwen 3.8 27B sans restriction : entrée d'image, fenêtre de contexte de 524 000 tokens et mode de réflexion activable.

Text + Image in
$0.30/M in · $2.40/M out
Tester le modèle
Text GenerationLive
Qwen

Qwen 3.8 27B Obliterated

Qwen 3.8 27B sans refus via ablation chirurgicale : entrée d'image, fenêtre de contexte de 524 000 tokens et mode de réflexion activable.

Text + Image in
$0.50/M in · $3.00/M out
Tester le modèle
Text GenerationLive
Qwen

Qwen 2.5 32B Instruct Abliterated

Qwen 2.5 32B Instruct sans restriction : modèle compact de dialogue général et de programmation avec fenêtre de contexte de 32 000 tokens.

Text in
$1.40/M in · $1.40/M out
Tester le modèle
Text GenerationLive
Qwen

Qwen3.5 27B Queen Derestricted

Qwen3.5 27B Queen débridé sans filtres conservateurs : entrée d'image, contexte de 262 000 tokens et tarif fixe par token.

Text + Image in
$0.612/M in · $0.612/M out
Tester le modèle
Text GenerationLive
Qwen

Qwen3.5 27B Blossom Derestricted

Qwen3.5 27B Blossom (V6.4) débridé sans filtres conservateurs : entrée d'image, contexte de 262 000 tokens et tarif fixe par token.

Text + Image in
$0.612/M in · $0.612/M out
Tester le modèle
Text GenerationLive
Qwen

Qwen3.5 27B Opus-Distilled Derestricted

Qwen3.5 27B distillé à partir de traces de raisonnement Claude Opus 4.6 débridé sans filtres : entrée d'image et contexte de 262 000 tokens.

Text + Image in
$0.612/M in · $0.612/M out
Tester le modèle

Llama

Llama models2 models
Text GenerationLive
Llama

Llama 3.3 70B Instruct Abliterated

Llama 3.3 70B Instruct with refusal behavior reduced by abliteration: a large open-weights chat baseline with a 32K-token context window.

Text in
$1.40/M in · $1.40/M out
Tester le modèle
Text GenerationLive
Llama

NeuralDaredevil 8B Abliterated

NeuralDaredevil 8B, dérivé sans restriction de Llama 3 8B : l'option la plus légère et économique, avec contexte de 8 000 tokens.

Text in
$0.88/M in · $0.88/M out
Tester le modèle

DeepSeek R1

DeepSeek R1 models2 models
Text GenerationLive
DeepSeek R1

DeepSeek R1 Distill Llama 70B Abliterated

DeepSeek R1 distilled onto Llama 70B with refusal behavior reduced by abliteration: chain-of-thought reasoning with a 16K-token context window.

Text in
$1.40/M in · $1.40/M out
Tester le modèle
Text GenerationLive
DeepSeek R1

DeepSeek R1 Distill Qwen 32B Abliterated

DeepSeek R1 distilled onto Qwen 32B with refusal behavior reduced by abliteration: compact chain-of-thought reasoning with a 16K-token context window.

Text in
$2.80/M in · $2.80/M out
Tester le modèle

GLM

GLM models3 models
Text GenerationLive
GLM

GLM 5.3 Flash Abliterated

GLM 5.3 Flash sans restriction : raisonnement véloce, fenêtre de contexte de 1M de tokens et entrée d'image optionnelle.

Text + Image in
$0.40/M in · $1.60/M out
Tester le modèle
Text GenerationLive
GLM

GLM 5.3 Abliterated

GLM 5.3 complet sans restriction : fenêtre de contexte de 1M de tokens, entrée et sortie texte.

Text in
$2.50/M in · $4.50/M out
Tester le modèle
Text GenerationLive
GLM

GLM 4.6 Derestricted v5

GLM 4.6 (v5) débridé sans filtres conservateurs : fenêtre de contexte de 131 000 tokens, entrée et sortie texte.

Text in
$0.80/M in · $3.00/M out
Tester le modèle

Gemma

Gemma models3 models
Text GenerationLive
Gemma

Gemma 4 26B A4B Abliterated

Gemma 4 26B A4B sans restriction : modèle conversationnel à mélange d'experts performant avec fenêtre de contexte de 65 000 tokens, entrée et sortie texte.

Text in
$0.30/M in · $1.40/M out
Tester le modèle
Text GenerationLive
Gemma

Gemma 4 31B Gembrain Abliterated

Gemma 4 31B Gembrain sans restriction : entrée d'image, contexte de 262 000 tokens et tarif fixe par token pour le dialogue général et créatif.

Text + Image in
$0.612/M in · $0.612/M out
Tester le modèle
Text GenerationLive
Gemma

Gemma 4 31B SDFT Abliterated

Gemma 4 31B SDFT sans restriction, ajusté pour le chat de personnages et la fiction, avec entrée d'image et contexte de 262 000 tokens.

Text + Image in
$0.612/M in · $0.612/M out
Tester le modèle

Inférence textuelle libre et sans entraves

Le procédé d'« abliteration » cible et neutralise les directions vectorielles déclenchant des refus systématiques dans les modèles ouverts, tout en préservant le raisonnement, le code et l'analyse fine.

MuAPI distribue ces modèles via des points de terminaison normalisés et fiables, parfaits pour les entreprises et chercheurs désireux d'obtenir des analyses complètes à des questions techniques délicates.

Capacités clés des modèles sans restriction

Zéro refus arbitraire sur les sujets techniques

Répond avec minutie sur la cybersécurité, la rétro-ingénierie, le droit et la littérature mature.

Préservation intégrale du raisonnement

Conserve intacte la vivacité d'esprit, la capacité de synthèse et la rigueur logique du modèle d'origine.

Compatibilité avec l'API OpenAI

Intégration instantanée via l'en-tête Authorization Bearer et les schémas de chat habituels.

Pricing

EndpointInputOutputPriceBest For
mimo-v2-6-flash-abliteratedPrompt + system_prompt, max_tokens, optional image_urlComplete text response (poll for result)$1.00/M in · $3.00/M outRaisonnement rapide et accessible avec entrée d'image et contexte très étendu.
abliterated-modelPrompt + system_prompt, max_tokens, optional image_urlComplete text response (poll for result)$2.00/M in · $6.00/M outRaisonnement général et chat multimodal sans refus forcé.
abliterated-model-largePrompt + system_prompt, max_tokensComplete text response (poll for result)$6.00/M in · $10.00/M outRaisonnement à contexte large sur documents volumineux et bases de code complètes.
abliterated-model-large-v2Prompt + system_prompt, max_tokensComplete text response (poll for result)$6.00/M in · $10.00/M outThe newest large abliterated reasoning tier
qwen-3-8-27b-abliteratedPrompt + system_prompt, max_tokens, optional image_url, optional thinkingComplete text response (poll for result)$0.30/M in · $2.40/M outLe niveau Qwen 3.8 le plus abordable, avec entrée d'image et mode de réflexion commutable.
qwen-3-8-27b-obliteratedPrompt + system_prompt, max_tokens, optional image_url, optional thinkingComplete text response (poll for result)$0.50/M in · $3.00/M outRaisonnement intermédiaire avec entrée d'image et mode de réflexion activable.
qwen-2-5-32b-abliteratedPrompt + system_prompt, max_tokensComplete text response (poll for result)$1.40/M in · $1.40/M outCompact general chat and coding at a flat token rate
qwen-3-5-27b-queen-derestrictedPrompt + system_prompt, max_tokens, optional image_urlComplete text response (poll for result)$0.612/M in · $0.612/M outChat créatif et général avec entrée d'image à tarif fixe par token.
qwen-3-5-27b-blossom-derestrictedPrompt + system_prompt, max_tokens, optional image_urlComplete text response (poll for result)$0.612/M in · $0.612/M outÉcriture créative et dialogue avec entrée d'image à tarif fixe par token.
qwen-3-5-27b-opus-distilled-derestrictedPrompt + system_prompt, max_tokens, optional image_urlComplete text response (poll for result)$0.612/M in · $0.612/M outStep-by-step reasoning with image input at a flat rate
llama-3-3-70b-abliteratedPrompt + system_prompt, max_tokensComplete text response (poll for result)$1.40/M in · $1.40/M outLarge open-weights chat at a flat token rate
neuraldaredevil-8b-abliteratedPrompt + system_prompt, max_tokensComplete text response (poll for result)$0.88/M in · $0.88/M outLightweight, low-cost chat and prototyping
deepseek-r1-llama-70b-abliteratedPrompt + system_prompt, max_tokensComplete text response (poll for result)$1.40/M in · $1.40/M outStep-by-step reasoning on the Llama 70B base
deepseek-r1-qwen-32b-abliteratedPrompt + system_prompt, max_tokensComplete text response (poll for result)$2.80/M in · $2.80/M outCompact step-by-step reasoning on the Qwen 32B base
glm-5-3-flash-abliteratedPrompt + system_prompt, max_tokens, optional image_urlComplete text response (poll for result)$0.40/M in · $1.60/M outRaisonnement rapide et accessible avec entrée d'image et contexte très étendu.
glm-5-3-abliteratedPrompt + system_prompt, max_tokensComplete text response (poll for result)$2.50/M in · $4.50/M outFull-size reasoning over very long context
glm-4-6-derestricted-v5Prompt + system_prompt, max_tokensComplete text response (poll for result)$0.80/M in · $3.00/M outMid-size GLM reasoning with a 131K-token context
gemma-4-26b-a4b-abliteratedPrompt + system_prompt, max_tokensComplete text response (poll for result)$0.30/M in · $1.40/M outDialogue et raisonnement efficaces et économiques sur la gamme Gemma.
gemma-4-31b-gembrain-abliteratedPrompt + system_prompt, max_tokens, optional image_urlComplete text response (poll for result)$0.612/M in · $0.612/M outChat général et créatif avec entrée d'image à tarif fixe par token.
gemma-4-31b-sdft-abliteratedPrompt + system_prompt, max_tokens, optional image_urlComplete text response (poll for result)$0.612/M in · $0.612/M outChat de personnages et rédaction créative sur socle Gemma 4, avec entrée d'image.

Facturation par token selon l'utilisation renvoyée à chaque appel ; les tarifs sont exprimés par million de tokens d'entrée et de sortie.

How to Call the Abliterated LLM API

Envoyez une requête JSON avec votre clé d'API MuAPI, conservez le request_id et interrogez le point de terminaison partagé de résultats.

1. Envoyer une invite à MiMo V2.6 Flash Abliterated

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"}

Appelez mimo-v2-6-flash-abliterated avec une invite avec éventuellement un system_prompt et une image_url.

2. Envoyer une invite à Abliterated Model

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"}

Appelez abliterated-model avec une invite avec éventuellement un system_prompt et une image_url.

3. Envoyer une invite à Abliterated Model Large

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"}

Appelez abliterated-model-large avec une invite avec éventuellement un system_prompt.

4. Envoyer une invite à Abliterated Model Large V2

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"}

Appelez abliterated-model-large-v2 avec une invite avec éventuellement un system_prompt.

5. Envoyer une invite à Qwen 3.8 27B Abliterated

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"}

Appelez qwen-3-8-27b-abliterated avec une invite avec éventuellement un system_prompt, une image_url et un drapeau de réflexion.

6. Envoyer une invite à Qwen 3.8 27B Obliterated

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"}

Appelez qwen-3-8-27b-obliterated avec une invite avec éventuellement un system_prompt, une image_url et un drapeau de réflexion.

7. Envoyer une invite à Qwen 2.5 32B Instruct Abliterated

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"}

Appelez qwen-2-5-32b-abliterated avec une invite avec éventuellement un system_prompt.

8. Envoyer une invite à Qwen3.5 27B Queen Derestricted

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"}

Appelez qwen-3-5-27b-queen-derestricted avec une invite avec éventuellement un system_prompt et une image_url.

9. Envoyer une invite à Qwen3.5 27B Blossom Derestricted

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"}

Appelez qwen-3-5-27b-blossom-derestricted avec une invite avec éventuellement un system_prompt et une image_url.

10. Envoyer une invite à Qwen3.5 27B Opus-Distilled Derestricted

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"}

Appelez qwen-3-5-27b-opus-distilled-derestricted avec une invite avec éventuellement un system_prompt et une image_url.

11. Envoyer une invite à Llama 3.3 70B Instruct Abliterated

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"}

Appelez llama-3-3-70b-abliterated avec une invite avec éventuellement un system_prompt.

12. Envoyer une invite à NeuralDaredevil 8B Abliterated

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"}

Appelez neuraldaredevil-8b-abliterated avec une invite avec éventuellement un system_prompt.

13. Envoyer une invite à DeepSeek R1 Distill Llama 70B Abliterated

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"}

Appelez deepseek-r1-llama-70b-abliterated avec une invite avec éventuellement un system_prompt.

14. Envoyer une invite à DeepSeek R1 Distill Qwen 32B Abliterated

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"}

Appelez deepseek-r1-qwen-32b-abliterated avec une invite avec éventuellement un system_prompt.

15. Envoyer une invite à GLM 5.3 Flash Abliterated

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"}

Appelez glm-5-3-flash-abliterated avec une invite avec éventuellement un system_prompt et une image_url.

16. Envoyer une invite à GLM 5.3 Abliterated

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"}

Appelez glm-5-3-abliterated avec une invite avec éventuellement un system_prompt.

17. Envoyer une invite à GLM 4.6 Derestricted v5

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"}

Appelez glm-4-6-derestricted-v5 avec une invite avec éventuellement un system_prompt.

18. Envoyer une invite à Gemma 4 26B A4B Abliterated

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"}

Appelez gemma-4-26b-a4b-abliterated avec une invite avec éventuellement un system_prompt.

19. Envoyer une invite à Gemma 4 31B Gembrain Abliterated

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"}

Appelez gemma-4-31b-gembrain-abliterated avec une invite avec éventuellement un system_prompt et une image_url.

20. Envoyer une invite à Gemma 4 31B SDFT Abliterated

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"}

Appelez gemma-4-31b-sdft-abliterated avec une invite avec éventuellement un system_prompt et une image_url.

21. Consulter le résultat

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.

Interrogez le point de terminaison partagé jusqu'à la fin de la tâche, puis lisez le texte généré dans la sortie.

Foire aux questions sur les LLMs sans restriction

Que signifie le terme « Abliterated » ?

Il désigne des modèles dont les couches neuronales causant des refus conservateurs injustifiés ont été retirées avec précision.

L'usage est-il licite pour la recherche ?

Oui, ce sont des modèles open source sous licences ouvertes largement utilisés pour l'audit de sécurité et l'investigation numérique.

Puis-je utiliser ces modèles dans Claude Code ou Codex ?

Oui, pour les modèles qui prennent en charge l'appel d'outils : 14 des 20 modèles proposés ici, dont MiMo V2.6 Flash Abliterated, Qwen 3.8 27B Obliterated, GLM 5.3 Abliterated, Gemma 4 31B SDFT Abliterated et Abliterated Model Large V2. Les 6 autres sont uniquement textuels et ne peuvent pas être utilisés dans des agents de code. Dans Claude Code, définissez ANTHROPIC_BASE_URL sur https://api.muapi.ai/anthropic et ANTHROPIC_AUTH_TOKEN sur votre clé API Muapi, puis lancez-le avec claude --model qwen-3-8-27b-obliterated (définissez aussi ANTHROPIC_DEFAULT_HAIKU_MODEL et ANTHROPIC_SMALL_FAST_MODEL sur le même identifiant). Codex CLI fonctionne aussi : ajoutez un fournisseur de modèles avec base_url https://api.muapi.ai/openai/v1 et définissez model sur le même identifiant. La qualité varie selon le modèle et les petits modèles peuvent sauter des étapes sur les tâches impliquant plusieurs fichiers ; il n'y a pas de mise en cache des prompts, donc chaque tour est facturé pour l'ensemble de la conversation jusque-là, et chaque réponse est plafonnée à 16,384 tokens. Guide de configuration : /fr/docs/ai-agent-install-chat-agents.

Explorer l' Abliterated Model API →Abliterated Model, Abliterated Model Large and Abliterated Model Large V2Explorer l' MiMo Abliterated API →MiMo V2.6 Flash AbliteratedExplorer l' Qwen Abliterated API →6 models.Explorer l' Llama Abliterated API →Llama 3.3 70B Instruct Abliterated and NeuralDaredevil 8B AbliteratedExplorer l' GLM Abliterated API →GLM 5.3 Flash Abliterated, GLM 5.3 Abliterated and GLM 4.6 Derestricted v5Explorer l' Gemma Abliterated API →Gemma 4 26B A4B Abliterated, Gemma 4 31B Gembrain Abliterated and Gemma 4 31B SDFT AbliteratedExplorer l' DeepSeek R1 Abliterated API →DeepSeek R1 Distill Llama 70B Abliterated and DeepSeek R1 Distill Qwen 32B AbliteratedSee the Character Chat LLM API →12 models on the Character Chat LLM API.See the Low-Refusal LLM API →2 models on the Low-Refusal LLM API.Browse every LLM on Muapi →Comparez ces modèles à GPT, Claude, Gemini, DeepSeek et à tous les autres modèles de langage du catalogue.

Prêt à créer avec l'API Abliterated LLM API ?

Créez une clé d'API MuAPI unique et appelez tous les modèles de cette page avec une simple requête REST.

Get an API KeyTry Qwen 3.8 27B Abliterated in Playground