L'API Abliterated LLM ti offre accesso programmatico a 20 modelli tramite una chiave API Muapi e una forma di richiesta: prompt, system_prompt facoltativo, max_tokens e image_url su modelli con funzionalità di visione.I modelli aboliti sono modelli linguistici modificati per ridurre il loro comportamento di rifiuto intrinseco. L'abliterazione e le tecniche correlate (obliterazione, derestrizione) riducono la frequenza con cui un modello rifiuta una richiesta; non garantiscono un output illimitato, non rimuovono ogni limite o modificano la politica di utilizzo accettabile di Muapi. Rimani responsabile del modo in cui utilizzi l'output.
MiMo V2.6 Flash con il suo comportamento di rifiuto ridotto attraverso l'abliterazione: ragionamento veloce, una finestra di contesto del token da 1 milione e input di immagine opzionale.
Un modello di ragionamento abolito per scopi generici con una finestra di contesto di token da 262 KB e input di immagine opzionale.
Il modello di ragionamento più ampio con una finestra di contesto con token da 1 milione di testo in entrata e in uscita.
La seconda revisione del modello di ragionamento ampio e abolito, con una finestra di contesto di token da 1 milione e input di solo testo.
Qwen 3.8 27B con comportamento di rifiuto ridotto tramite l'abliterazione: input di immagine, una finestra di contesto del token da 524K e una modalità di pensiero opzionale.
Qwen 3.8 27B con rifiuti rimossi tramite un'ablazione in stile obliterazione, input di immagini, una finestra di contesto token da 524K e una modalità di pensiero opzionale.
Qwen 2.5 32B Istruire con comportamento di rifiuto ridotto dall'abliterazione: un modello generale compatto di chat e codifica con una finestra di contesto di token da 32K.
Qwen3.5 27B Queen con il suo comportamento di rifiuto ridotto attraverso la derestrizione: input di immagine, una finestra di contesto di token da 262K e una velocità di token fissa.
Qwen3.5 27B Blossom (V6.4) con il suo comportamento di rifiuto ridotto attraverso la derestrizione: input di immagine, una finestra di contesto di token da 262K e una tariffa di token fissa.
Qwen3.5 27B distillato dalle tracce di ragionamento di Claude Opus 4.6, con il suo comportamento di rifiuto ridotto attraverso la derestrizione: input di immagine e una finestra di contesto con token da 262K.
Lama 3.3 70B Istruire con comportamento di rifiuto ridotto dall'abliterazione: una linea di base di chat di grandi dimensioni a pesi aperti con una finestra di contesto di token da 32K.
NeuralDaredevil 8B, un derivato abolito di Llama 3 8B: l'opzione più leggera ed economica qui, con una finestra di contesto con token 8K.
DeepSeek R1 distillato su Llama 70B con comportamento di rifiuto ridotto dall'abliterazione: ragionamento basato sulla catena di pensiero con una finestra di contesto di token 16K.
DeepSeek R1 distillato su Qwen 32B con comportamento di rifiuto ridotto dall'abliterazione: ragionamento compatto con catena di pensiero con una finestra di contesto di token 16K.
GLM 5.3 Flash con comportamento di rifiuto ridotto tramite l'abliterazione: ragionamento rapido, finestra di contesto del token da 1 milione e input di immagine opzionale.
GLM 5.3 a grandezza naturale con comportamento di rifiuto ridotto tramite l'abliterazione: una finestra di contesto di token da 1 milione, testo in entrata e in uscita.
GLM 4.6 (v5) con il suo comportamento di rifiuto ridotto tramite la derestrizione: una finestra di contesto di token da 131.000, testo in entrata e in uscita.
Gemma 4 26B A4B con comportamento di rifiuto ridotto tramite abolizione: un efficiente modello di chat misto di esperti con una finestra di contesto di token 65K, testo in entrata e in uscita.
Gemma 4 31B Gembrain con comportamento di rifiuto ridotto: input di immagini, una finestra di contesto di token da 262K e una tariffa di token fissa per chat generale e creativa.
Gemma 4 31B SDFT Abliterated, un Gemma 4 abliterato con rifiuti ridotti, ottimizzato per la chat dei personaggi e la scrittura creativa, con input di immagini e una finestra di contesto di token da 262K.
L'API Abliterated LLM è il catalogo di Muapi di 20 LLM aboliti e senza restrizioni, dai modelli di chat leggeri 8B ai modelli di ragionamento con contesto token 1M, dietro un'interfaccia REST coerente in modo da poterli confrontare modificando un singolo nome di modello.
Invia un prompt, facoltativamente con un system_prompt per impostare persona e tono e un image_url sui modelli con capacità di visione, e sondaggi per il testo generato. Gli usi tipici includono la scrittura creativa, la ricerca sul team rosso e sulla sicurezza, la valutazione rispetto al modello base non modificato e le applicazioni in cui i rifiuti di un modello base ostacolano il lavoro legittimo. I modelli aboliti sono modelli linguistici modificati per ridurre il loro comportamento di rifiuto intrinseco. L'abliterazione e le tecniche correlate (obliterazione, derestrizione) riducono la frequenza con cui un modello rifiuta una richiesta; non garantiscono un output illimitato, non rimuovono ogni limite o modificano la politica di utilizzo accettabile di Muapi. Rimani responsabile del modo in cui utilizzi l'output.
Ogni endpoint accetta lo stesso corpo della richiesta e restituisce il testo tramite l'endpoint del risultato condiviso, quindi cambiare modello è una modifica di una sola riga.
L'abliterazione e le tecniche correlate riducono la frequenza con cui il modello rifiuta una richiesta. Il comportamento varia in base al modello e al prompt e non è una garanzia.
Imposta un system_prompt per gestire la persona, il tono e il formato di output per il lavoro creativo, analitico o di valutazione.
La fatturazione segue il conteggio dei token per ogni chiamata restituita. Non è previsto alcun abbonamento né modello di hosting da gestire.
Passa un image_url a MiMo V2.6 Flash cancellato, Modello cancellato, Qwen 3.8 27B cancellato, Qwen 3.8 27B cancellato, Qwen3.5 27B Queen cancellato, Qwen3.5 27B Blossom cancellato, Qwen3.5 27B Opus-Distilled cancellato, GLM 5.3 Flash cancellato, Gemma 4 31B Gembrain cancellato, Gemma 4 31B SDFT cancellato.
Riduzione dei rifiuti non significa assenza di regole. La politica di utilizzo accettabile di Muapi e la legge applicabile si applicano ancora a ciò che generi.
| Punto finale | Ingresso | Uscita | Prezzo | Ideale per |
|---|---|---|---|---|
| mimo-v2-6-flash-abliterated | Prompt + system_prompt, max_tokens, image_url opzionale | Risposta testuale completa (sondaggio per risultato) | $ 1,00/milione in entrata · $ 3,00/milione in uscita | Ragionamento veloce ed economico con input di immagini e contesto molto lungo |
| abliterated-model | Prompt + system_prompt, max_tokens, image_url opzionale | Risposta testuale completa (sondaggio per risultato) | $ 2,00/milione in entrata · $ 6,00/milione in uscita | Ragionamento generale e chat multimodale con rifiuti ridotti |
| abliterated-model-large | Prompt + system_prompt, max_tokens | Risposta testuale completa (sondaggio per risultato) | $ 6,00/milione in entrata · $ 10,00/milione in uscita | Ragionamento di ampio contesto su documenti e basi di codice lunghi |
| abliterated-model-large-v2 | Prompt + system_prompt, max_tokens | Risposta testuale completa (sondaggio per risultato) | $ 6,00/milione in entrata · $ 10,00/milione in uscita | Il più recente livello di ragionamento abolito di grandi dimensioni |
| qwen-3-8-27b-abliterated | Prompt + system_prompt, max_tokens, image_url opzionale, pensiero opzionale | Risposta testuale completa (sondaggio per risultato) | $ 0,30/milione in entrata · $ 2,40/milione in uscita | Il livello Qwen 3.8 più economico, con input di immagini e modalità di pensiero commutabile |
| qwen-3-8-27b-obliterated | Prompt + system_prompt, max_tokens, image_url opzionale, pensiero opzionale | Risposta testuale completa (sondaggio per risultato) | $ 0,50/milione in entrata · $ 3,00/milione in uscita | Ragionamento di medie dimensioni con input di immagini e modalità di pensiero commutabile |
| qwen-2-5-32b-abliterated | Prompt + system_prompt, max_tokens | Risposta testuale completa (sondaggio per risultato) | $ 1,40/milione in entrata · $ 1,40/milione in uscita | Chat generale compatta e codifica a una tariffa token fissa |
| qwen-3-5-27b-queen-derestricted | Prompt + system_prompt, max_tokens, image_url opzionale | Risposta testuale completa (sondaggio per risultato) | 0,612 $/milione in entrata · 0,612 $/milione in uscita | Chat creativa e generale con input di immagini a tariffa fissa |
| qwen-3-5-27b-blossom-derestricted | Prompt + system_prompt, max_tokens, image_url opzionale | Risposta testuale completa (sondaggio per risultato) | 0,612 $/milione in entrata · 0,612 $/milione in uscita | Scrittura creativa e chat con input di immagini a tariffa forfettaria |
| qwen-3-5-27b-opus-distilled-derestricted | Prompt + system_prompt, max_tokens, image_url opzionale | Risposta testuale completa (sondaggio per risultato) | 0,612 $/milione in entrata · 0,612 $/milione in uscita | Ragionamento passo passo con input di immagini a tariffa fissa |
| llama-3-3-70b-abliterated | Prompt + system_prompt, max_tokens | Risposta testuale completa (sondaggio per risultato) | $ 1,40/milione in entrata · $ 1,40/milione in uscita | Chat di grandi dimensioni a pesi aperti a una tariffa simbolica fissa |
| neuraldaredevil-8b-abliterated | Prompt + system_prompt, max_tokens | Risposta testuale completa (sondaggio per risultato) | 0,88 $/milione in entrata · 0,88 $/milione in uscita | Chat e prototipazione leggeri e a basso costo |
| deepseek-r1-llama-70b-abliterated | Prompt + system_prompt, max_tokens | Risposta testuale completa (sondaggio per risultato) | $ 1,40/milione in entrata · $ 1,40/milione in uscita | Ragionamento passo passo sulla base Llama 70B |
| deepseek-r1-qwen-32b-abliterated | Prompt + system_prompt, max_tokens | Risposta testuale completa (sondaggio per risultato) | $ 2,80/milione in entrata · $ 2,80/milione in uscita | Ragionamento passo passo compatto sulla base Qwen 32B |
| glm-5-3-flash-abliterated | Prompt + system_prompt, max_tokens, image_url opzionale | Risposta testuale completa (sondaggio per risultato) | $ 0,40/milione in entrata · $ 1,60/milione in uscita | Ragionamento veloce ed economico con input di immagini e contesto molto lungo |
| glm-5-3-abliterated | Prompt + system_prompt, max_tokens | Risposta testuale completa (sondaggio per risultato) | $ 2,50/milione in entrata · $ 4,50/milione in uscita | Ragionamento a grandezza naturale su un contesto molto lungo |
| glm-4-6-derestricted-v5 | Prompt + system_prompt, max_tokens | Risposta testuale completa (sondaggio per risultato) | $ 0,80/milione in entrata · $ 3,00/milione in uscita | Ragionamento GLM di medie dimensioni con un contesto di token da 131.000 |
| gemma-4-26b-a4b-abliterated | Prompt + system_prompt, max_tokens | Risposta testuale completa (sondaggio per risultato) | $ 0,30/milione in entrata · $ 1,40/milione in uscita | Chiacchiere e ragionamenti efficienti e low cost sulla famiglia Gemma |
| gemma-4-31b-gembrain-abliterated | Prompt + system_prompt, max_tokens, image_url opzionale | Risposta testuale completa (sondaggio per risultato) | 0,612 $/milione in entrata · 0,612 $/milione in uscita | Chat generale e creativa con input di immagini a una tariffa token fissa |
| gemma-4-31b-sdft-abliterated | Prompt + system_prompt, max_tokens, image_url opzionale | Risposta testuale completa (sondaggio per risultato) | 0,612 $/milione in entrata · 0,612 $/milione in uscita | Chat con personaggi e scrittura creativa su base Gemma 4, con input di immagini |
Fatturato per token in base all'utilizzo restituito da ciascuna chiamata; i prezzi sono per milione di token di input e output.
Invia una richiesta JSON con la chiave API Muapi, salva l'ID della richiesta ed esegui il polling dell'endpoint dei risultati condivisi.
Chiama mimo-v2-6-flash-abliterated con un prompt e system_prompt facoltativo, image_url.
Chiama modello-abliterato con un prompt e system_prompt facoltativo, 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"}Chiama abliterated-model-large con un prompt e system_prompt facoltativo.
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"}Chiama abliterated-model-large-v2 con un prompt e system_prompt facoltativo.
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"}Chiama qwen-3-8-27b-abliterated con un prompt e facoltativo system_prompt, image_url e flag di pensiero.
Chiama qwen-3-8-27b-obliterated con un prompt e facoltativo system_prompt, image_url e flag di pensiero.
Chiama qwen-2-5-32b-abliterated con un prompt e un system_prompt facoltativo.
Chiama qwen-3-5-27b-queen-derestricted con un prompt e facoltativo system_prompt, 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"}Chiama qwen-3-5-27b-blossom-derestricted con un prompt e facoltativo system_prompt, 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"}Chiama qwen-3-5-27b-opus-distilled-derestricted con un prompt e facoltativo system_prompt, image_url.
Chiama llama-3-3-70b-abliterated con un prompt e un system_prompt facoltativo.
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"}Chiama neuraldaredevil-8b-abliterated con un prompt e un system_prompt facoltativo.
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"}Chiama deepseek-r1-llama-70b-abliterated con un prompt e un system_prompt facoltativo.
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"}Chiama deepseek-r1-qwen-32b-abliterated con un prompt e un system_prompt facoltativo.
Chiama glm-5-3-flash-abliterated con un prompt e system_prompt facoltativo, image_url.
Chiama glm-5-3-abliterated con un prompt e system_prompt facoltativo.
Chiama glm-4-6-derestricted-v5 con un prompt e un system_prompt facoltativo.
Chiama gemma-4-26b-a4b-abliterated con un prompt e un system_prompt facoltativo.
Chiama gemma-4-31b-gembrain-abliterated con un prompt e un system_prompt facoltativo, image_url.
Chiama gemma-4-31b-sdft-abliterated con un prompt e system_prompt facoltativo, image_url.
Esegui il polling dell'endpoint dei risultati condivisi fino al completamento dell'attività, quindi leggi il testo generato dagli output.
Un modello linguistico abolito è un modello il cui comportamento di rifiuto è stato ridotto modificando la direzione interna che guida i rifiuti, solitamente senza riqualificazione da zero. Termini correlati come obliterato e derestricted descrivono tecniche simili. Il risultato tende a declinare meno richieste rispetto al modello originale, ma non è una garanzia e la qualità può differire dal modello base.
MiMo V2.6 Flash cancellato, modello cancellato, modello cancellato grande, modello cancellato grande V2, Qwen 3.8 27B cancellato, Qwen 3.8 27B cancellato, Qwen 2.5 32B Istruire cancellato, Qwen3.5 27B Queen delimitato, Qwen3.5 27B Blossom delimitato, Qwen3.5 27B Opus-Distilled Derestricted, Llama 3.3 70B Istruire cancellato, NeuralDaredevil 8B Cancellato, DeepSeek R1 Distill Llama 70B cancellato, DeepSeek R1 Distill Qwen 32B Cancellato, GLM 5.3 Flash cancellato, GLM 5.3 Cancellato, GLM 4.6 Derestricted v5, Gemma 4 26B A4B abliterato, Gemma 4 31B Gembrain abliterato e Gemma 4 31B SDFT abliterato. Ciascuno è un endpoint separato con il proprio nome di modello nell'URL.
La fatturazione è per token, detratta dopo ogni chiamata dai conteggi restituiti dal modello. Le tariffe partono da $ 0,30 per milione di token di input; vedere la tabella dei prezzi per ogni modello.
No. Rifiuti ridotti non significano risultati illimitati, e la conoscenza e la qualità di ciascun modello vincolano comunque la risposta. Sei responsabile del modo in cui utilizzi l'output e le richieste che violano la politica di utilizzo accettabile di Muapi o la legge non sono consentite.
Sì su MiMo V2.6 Flash cancellato, modello cancellato, Qwen 3.8 27B cancellato, Qwen 3.8 27B cancellato, Qwen3.5 27B Queen cancellato, Qwen3.5 27B Blossom cancellato, Qwen3.5 27B Opus-Distilled cancellato, GLM 5.3 Flash cancellato, Gemma 4 31B Gembrain Abliterated, Gemma 4 31B SDFT Abliterated: aggiungi un image_url accanto al tuo prompt. Gli altri sono solo testo.
POST su /api/v1/<nome-modello> restituisce un request_id. Esegui il polling /api/v1/predictions/{request_id}/result fino al completamento dello stato, quindi leggi il testo dagli output.
Imposta il pensiero su true per consentire al modello di ragionare prima di rispondere, il che può aiutare su problemi più difficili al costo di più token di output. Lascialo fuori per risposte più rapide ed economiche.
Crea una chiave API Muapi e chiama ogni modello in questa pagina con una semplice richiesta REST.