Modèles/Abliterated LLM API/GLM Abliterated/GLM sans restriction
En direct3 models

API GLM sans restriction — Modèles de langage bilingues haute performance

Modèles GLM affinés pour le raisonnement ouvert, l'expertise technique et le traitement multilingue riche sans verrous de refus.Idéal pour l'analyse comparative interculturelle et la compréhension textuelle en contexte varié.

GLM 5.3 Flash Abliterated

Raisonnement rapide et accessible avec entrée d'image et contexte très étendu.1 models
Text GenerationLiveFeatured
GLM 5.3 Flash Abliterated

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

GLM 5.3 Abliterated

Full-size reasoning over very long context1 models
Text GenerationLive
GLM 5.3 Abliterated

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

GLM 4.6 Derestricted v5

Mid-size GLM reasoning with a 131K-token context1 models
Text GenerationLive
GLM 4.6 Derestricted v5

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

Raisonnement multilingue de premier plan avec GLM

La série GLM dispose d'une conception pensée pour exceller aussi bien dans l'analyse de corpus écrits que dans l'écriture de programmes.

Cette variante libérée autorise les requêtes pointues sans rejets injustifiés.

Capacités de GLM

Maîtrise linguistique approfondie

Traduction et restitution de concepts subtils dans de nombreux idiomes.

Démarche logique méthodique

Articulation rigoureuse d'arguments déductifs et d'analyses qualitatives.

Pricing

EndpointInputOutputPriceBest For
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

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 GLM Abliterated 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 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.

2. 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.

3. 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.

4. 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

Supporte-t-il les retours sous format JSON ?

Oui, il assure l'émission de structures JSON valides et conformes au schéma demandé.

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

Oui. Les 3 modèles proposés ici prennent en charge l'appel d'outils : GLM 5.3 Flash Abliterated, GLM 5.3 Abliterated et GLM 4.6 Derestricted v5. 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 glm-5-3-flash-abliterated (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.

Prêt à créer avec l'API GLM Abliterated API ?

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