muapi Logomuapi Logo
muapi Logomuapi Logo

GLM 5.3 Flash Abliterated: AI 대형 언어 모델

GLM 5.3 Flash Abliterated을 하나의 API로 호출하세요. 1M 토큰 컨텍스트, 스트리밍, 토큰당 과금 방식이 제공됩니다. Muapi 플레이그라운드에서 무료로 사용해 보세요. GLM 5.3 Flash Abliterated은(는) 빠른 GLM 5.3 Flash 추론 모델로 1M 토큰 컨텍스트, 이미지 입력, 도구 호출을 지원하며 거부 응답을 줄이도록 조정했습니다. Muapi는 GPU를 직접 호스팅하지 않아도 채팅 앱, 에이전트, 워크플로에 연결할 수 있도록 비동기 폴링과 Server-Sent Events 스트리밍을 지원하는 단일 REST 엔드포인트를 제공합니다. 긴 컨텍스트 추론, 도구 사용 및 멀티모달 프롬프트에 적합합니다. 구독 없이 입력 토큰 $0.4/M, 출력 토큰 $1.6/M 기준으로 사용량만큼 과금됩니다. 관련 모델: GLM 5.3 Abliterated GLM 4.6 Derestricted v5 GLM Abliterated API abliterated LLM API Gemma Abliterated API. 전체 모델은 관련 API 페이지와 허브에서 확인할 수 있습니다. 'Abliterated'와 'derestricted'는 모델의 거부 응답을 줄이기 위한 조정을 뜻합니다. 출력이 제한 없이 생성된다는 보장은 없으며, 관련 법률과 Muapi 이용 약관을 준수할 책임은 사용자에게 있습니다.

대화형 모델 제어

GLM 5.3 Flash Abliterated을 하나의 API로 호출하세요. 1M 토큰 컨텍스트, 스트리밍, 토큰당 과금 방식이 제공됩니다. Muapi 플레이그라운드에서 무료로 사용해 보세요.

📝

개요

이 모델 정보

GLM 5.3 Flash Abliterated은(는) 빠른 GLM 5.3 Flash 추론 모델로 1M 토큰 컨텍스트, 이미지 입력, 도구 호출을 지원하며 거부 응답을 줄이도록 조정했습니다. Muapi는 GPU를 직접 호스팅하지 않아도 채팅 앱, 에이전트, 워크플로에 연결할 수 있도록 비동기 폴링과 Server-Sent Events 스트리밍을 지원하는 단일 REST 엔드포인트를 제공합니다. 긴 컨텍스트 추론, 도구 사용 및 멀티모달 프롬프트에 적합합니다. 구독 없이 입력 토큰 $0.4/M, 출력 토큰 $1.6/M 기준으로 사용량만큼 과금됩니다. 관련 모델: GLM 5.3 Abliterated GLM 4.6 Derestricted v5 GLM Abliterated API abliterated LLM API Gemma Abliterated API. 전체 모델은 관련 API 페이지와 허브에서 확인할 수 있습니다. 'Abliterated'와 'derestricted'는 모델의 거부 응답을 줄이기 위한 조정을 뜻합니다. 출력이 제한 없이 생성된다는 보장은 없으며, 관련 법률과 Muapi 이용 약관을 준수할 책임은 사용자에게 있습니다.

1채팅 및 어시스턴트: GLM 5.3 Flash Abliterated으로 긴 컨텍스트 추론, 도구 사용 및 멀티모달 프롬프트을 위한 대화형 앱을 구축하세요.
2낮은 거부율 실험: Muapi 사용 정책을 준수하면서 자체 평가에서 기본 모델과 거부 응답을 비교하세요.
3에이전트 및 워크플로: Muapi 워크플로 노드와 [abliterated LLM API](/abliterated-llm-api) 허브 예제에서 모델을 호출하세요.
💰

가격 및 가치

비용 분석

muapiapp$0.4/M input tokens and $1.6/M output tokens

토큰별 과금이며 실제 사용량을 기준으로 청구합니다 소액의 최소 금액을 사전 예약합니다

Fal.ai제공되지 않음

GLM 5.3 Flash Abliterated은(는) 호스팅 엔드포인트로 제공되지 않습니다.

Replicate제공되지 않음

GLM 5.3 Flash Abliterated은(는) 호스팅 엔드포인트로 제공되지 않습니다.

** 경쟁업체 가격은 유사한 모델 아키텍처 및 사용 계층을 기준으로 추정됩니다.

⚙️

기술적인 세부사항

구성 스키마

프롬프트string

.

기본값Summarize the trade-offs between a monolith and microservices in five bullet points.
이미지 URLstring

Optional public image URL for multimodal analysis.

기본값undefined
시스템 프롬프트string

, .

기본값You are a concise, direct assistant.
최대 토큰integer

Optional maximum number of tokens to generate.

기본값8192
📖

구현 가이드

개발자 문서

GLM 5.3 Flash Abliterated API 사용 방법

  1. API 키 발급: Muapi 대시보드에서 키를 만드세요.

  2. 프롬프트 전송: prompt를 POST로 /api/v1/glm-5-3-flash-abliterated에 보내세요. system_prompt와 max_tokens(최대 32768)는 선택 사항입니다. 선택적으로 공개 image_url을 지정해 프롬프트에 이미지를 포함할 수 있습니다.

curl -X POST https://api.muapi.ai/api/v1/glm-5-3-flash-abliterated \
  -H "x-api-key: $MUAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt": "Explain how attention works in transformers.", "image_url": "https://example.com/photo.jpg"}'
  1. 폴링 또는 스트리밍: status가 completed가 될 때까지 GET /api/v1/predictions/{request_id}/result를 폴링하거나 /api/v1/glm-5-3-flash-abliterated/stream에서 토큰을 실시간 스트리밍하세요.
curl -X POST https://api.muapi.ai/api/v1/glm-5-3-flash-abliterated/stream \
  -H "x-api-key: $MUAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt": "Explain how attention works in transformers.", "image_url": "https://example.com/photo.jpg"}'
  1. 결과 확인: 생성된 텍스트는 outputs로 반환됩니다. 실제 토큰 사용량을 기준으로 과금됩니다.
❓

일반적인 질문

자주 묻는 질문

GLM 5.3 Flash Abliterated은(는) 어떤 모델인가요?

GLM 5.3 Flash Abliterated은(는) 빠른 GLM 5.3 Flash 추론 모델로 1M 토큰 컨텍스트, 이미지 입력, 도구 호출을 지원하며 거부 응답을 줄이도록 조정했습니다.

abliterated는 무슨 뜻인가요?

Abliterated 또는 derestricted 모델은 거부 응답을 줄이도록 조정된 모델입니다. 거부 가능성을 낮추지만 완전히 없애지는 않으며, 제한 없는 출력을 보장하지 않습니다.

GLM 5.3 Flash Abliterated의 요금은 어떻게 책정되나요?

입력 토큰 $0.4/M, 출력 토큰 $1.6/M 기준으로 토큰당 과금됩니다. 요청이 시작될 때 소액의 최소 금액을 먼저 예약하고 실제 사용량에 맞춰 정산합니다.

GLM 5.3 Flash Abliterated은(는) 스트리밍을 지원하나요?

네. Server-Sent Events를 사용해 `/api/v1/glm-5-3-flash-abliterated/stream`에서 토큰을 실시간으로 스트리밍하거나 비동기 엔드포인트를 폴링할 수 있습니다.

컨텍스트 윈도우는 얼마인가요?

컨텍스트 윈도우는 약 1M 토큰입니다. 프롬프트와 출력의 합이 이 범위 안에 들어야 하며 `max_tokens`는 최대 32768입니다. `image_url`을 통한 이미지 입력도 지원합니다.

출력이 제한 없이 생성된다는 보장이 있나요?

아니요. Abliterated 모델은 거부 가능성이 낮지만 프롬프트에 따라 동작이 달라지고 기본 모델과 출력 품질이 다를 수 있습니다. 사용 사례에 맞게 평가하고 관련 법률을 준수하세요.