Vernietigd model
Een geablitereerd redeneermodel voor algemene doeleinden met een contextvenster van 262K token en optionele beeldinvoer.
De Abliterated LLM API geeft u programmatische toegang tot 20 modellen via één Muapi API-sleutel en één verzoekvorm: prompt, optionele system_prompt, max_tokens en image_url op vision-compatibele modellen.Geablitereerde modellen zijn taalmodellen die zijn aangepast om het ingebouwde weigeringsgedrag te verminderen. Abliteratie en gerelateerde technieken (vernietiging, derestrictie) verlagen het aantal keren dat een model een verzoek afwijst; ze garanderen geen onbeperkte uitvoer, verwijderen niet elke limiet of wijzigen het beleid voor acceptabel gebruik van Muapi. U blijft verantwoordelijk voor de manier waarop u de output gebruikt.
Een geablitereerd redeneermodel voor algemene doeleinden met een contextvenster van 262K token en optionele beeldinvoer.
Het grotere, geablitereerde redeneermodel met een 1M-token contextvenster, tekst in en tekst uit.
De tweede herziening van het grote, geablitereerde redeneermodel, met een contextvenster met 1M-token en invoer met alleen tekst.
Gemma 4 26B A4B met weigeringsgedrag verminderd door abliteratie: een efficiënt chatmodel van een mix van experts met een contextvenster van 65K token, tekst in en tekst uit.
Gemma 4 31B Gembrain met verminderd weigeringsgedrag: beeldinvoer, een contextvenster van 262K token en een vast tokentarief voor algemene en creatieve chat.
Gemma 4 31B SDFT Abliterated, een geablitereerde Gemma 4 met minder weigeringen, afgestemd op karakterchat en creatief schrijven, met beeldinvoer en een contextvenster van 262K token.
MiMo V2.6 Flash met zijn weigeringsgedrag verminderd door abliteratie: snel redeneren, een contextvenster met 1M-token en optionele beeldinvoer.
Qwen 3.8 27B met weigeringsgedrag verminderd door abliteratie: beeldinvoer, een contextvenster van 524K-token en een optionele denkmodus.
Qwen 3.8 27B met weigeringen verwijderd via een ablatie in vernietigingsstijl, beeldinvoer, een contextvenster van 524K-token en een optionele denkmodus.
Qwen 2.5 32B Instrueer met weigeringsgedrag verminderd door abliteratie: een compact algemeen chat- en coderingsmodel met een contextvenster van 32K token.
Qwen3.5 27B Queen met zijn weigeringsgedrag verminderd door derestrictie: beeldinvoer, een contextvenster van 262K token en een vlakke tokensnelheid.
Qwen3.5 27B Blossom (V6.4) waarbij het weigeringsgedrag is verminderd door derestrictie: beeldinvoer, een contextvenster van 262K token en een vlakke tokensnelheid.
Qwen3.5 27B is afgeleid van de redeneersporen van Claude Opus 4.6, waarbij het weigeringsgedrag is verminderd door derestrictie: beeldinvoer en een contextvenster van 262K token.
Lama 3.3 70B Instrueer met weigeringsgedrag verminderd door abliteratie: een grote chatbasislijn met open gewichten en een contextvenster van 32K token.
NeuralDaredevil 8B, een vernietigde Llama 3 8B-derivaat: de lichtste en goedkoopste optie hier, met een 8K-token contextvenster.
DeepSeek R1 gedestilleerd op Llama 70B met weigeringsgedrag verminderd door abliteratie: redenering op basis van gedachten met een contextvenster van 16K token.
DeepSeek R1 is gedistilleerd op Qwen 32B met weigeringsgedrag verminderd door abliteratie: compacte gedachtegangsredenering met een contextvenster van 16K token.
GLM 5.3 Flash met weigeringsgedrag verminderd door abliteratie: snel redeneren, een 1M-token contextvenster en optionele beeldinvoer.
De volledige GLM 5.3 met weigeringsgedrag verminderd door abliteratie: een contextvenster van 1M-token, tekst in en tekst uit.
GLM 4.6 (v5) waarbij het weigeringsgedrag is verminderd door derestrictie: een contextvenster van 131K token, tekst in en tekst uit.
De Abliterated LLM API is Muapi's catalogus van 20 geablitereerde en beperkte LLM's, van lichtgewicht 8B-chatmodellen tot 1M-token-context redeneermodellen, achter één consistente REST-interface, zodat u ze kunt vergelijken door een enkele modelnaam te wijzigen.
Dien een prompt in, optioneel met een system_prompt om persona en toon in te stellen en een image_url op modellen met visuele capaciteit, en peiling naar de gegenereerde tekst. Typische toepassingen zijn onder meer creatief schrijven, red-team- en veiligheidsonderzoek, evaluatie aan de hand van het ongewijzigde basismodel en toepassingen waarbij de weigeringen van een basismodel legitiem werk in de weg staan. Geablitereerde modellen zijn taalmodellen die zijn aangepast om het ingebouwde weigeringsgedrag te verminderen. Abliteratie en gerelateerde technieken (vernietiging, derestrictie) verlagen het aantal keren dat een model een verzoek afwijst; ze garanderen geen onbeperkte uitvoer, verwijderen niet elke limiet of wijzigen het beleid voor acceptabel gebruik van Muapi. U blijft verantwoordelijk voor de manier waarop u de output gebruikt.
Elk eindpunt accepteert dezelfde verzoektekst en retourneert tekst via het gedeelde resultaateindpunt, dus het wisselen van model is slechts één regelwijziging.
Abliteratie en gerelateerde technieken verlagen hoe vaak het model een verzoek afwijst. Gedrag varieert per model en prompt en is geen garantie.
Stel een system_prompt in om persona, toon en uitvoerformaat te sturen voor creatief, analytisch of evaluatiewerk.
Facturering volgt de tokentellingen voor elke oproep die terugkeert. Er is geen abonnement en geen modelhosting om te beheren.
Geef een image_url door aan MiMo V2.6 Flash Abliterated, Abliterated Model, Qwen 3.8 27B Abliterated, Qwen 3.8 27B Obliterated, Qwen3.5 27B Queen Derestricted, Qwen3.5 27B Blossom Derestricted, Qwen3.5 27B Opus-Distilled Derestricted, GLM 5.3 Flash Abliterated, Gemma 4 31B Gembrain weggevaagd, Gemma 4 31B SDFT weggevaagd.
Minder weigeringen betekenen niet dat er geen regels meer zijn. Het beleid voor acceptabel gebruik van Muapi en de toepasselijke wetgeving zijn nog steeds van toepassing op wat u genereert.
| Eindpunt | Invoer | Uitvoer | Prijs | Beste voor |
|---|---|---|---|---|
Gefactureerd per token op basis van het gebruik dat elke oproep retourneert; prijzen zijn per miljoen input- en outputtokens.
Dien een JSON-verzoek in met uw Muapi API-sleutel, sla de verzoek-ID op en peil het gedeelde resultaateindpunt.
Roep mimo-v2-6-flash-abliterated aan met een prompt en optioneel system_prompt, image_url.
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"}Roep abliterated-model aan met een prompt en optioneel system_prompt, 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"}Roep abliterated-model-large aan met een prompt en optionele system_prompt.
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"}Roep abliterated-model-large-v2 aan met een prompt en optionele system_prompt.
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"}Roep qwen-3-8-27b-abliterated op met een prompt en optionele system_prompt, image_url en thinking flag.
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"}Roep qwen-3-8-27b-obliterated aan met een prompt en optionele system_prompt, image_url en thinking flag.
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"}Roep qwen-2-5-32b-abliterated aan met een prompt en optionele system_prompt.
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"}Roep qwen-3-5-27b-queen-derestricted aan met een prompt en optionele 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"}Roep qwen-3-5-27b-blossom-derestricted aan met een prompt en optionele 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"}Roep qwen-3-5-27b-opus-distilled-derestricted aan met een prompt en optionele system_prompt, image_url.
Roep lama-3-3-70b-abliterated aan met een prompt en optionele system_prompt.
Roep neuraldaredevil-8b-abliterated aan met een prompt en optionele system_prompt.
Roep deepseek-r1-llama-70b-abliterated aan met een prompt en optionele system_prompt.
Roep deepseek-r1-qwen-32b-abliterated aan met een prompt en optionele system_prompt.
Roep glm-5-3-flash-abliterated aan met een prompt en optionele system_prompt, image_url.
Roep glm-5-3-abliterated aan met een prompt en optionele system_prompt.
Roep glm-4-6-derestricted-v5 aan met een prompt en optionele system_prompt.
Roep gemma-4-26b-a4b-abliterated aan met een prompt en optionele system_prompt.
Roep gemma-4-31b-gembrain-abliterated aan met een prompt en optionele system_prompt, image_url.
Roep gemma-4-31b-sdft-abliterated aan met een prompt en optionele system_prompt, image_url.
Poll op het gedeelde resultaateindpunt totdat de taak is voltooid en lees vervolgens de gegenereerde tekst uit de uitvoer.
Een geablitereerd taalmodel is een model waarvan het weigeringsgedrag is verminderd door het bewerken van de interne richting die de weigeringen aandrijft, meestal zonder opnieuw te hoeven trainen. Gerelateerde termen zoals uitgewist en beperkt beschrijven soortgelijke technieken. Het resultaat leidt ertoe dat er minder aanvragen worden afgewezen dan bij het oorspronkelijke model, maar dit is geen garantie en de kwaliteit kan afwijken van het basismodel.
MiMo V2.6 Flash Weggevaagd, Weggevaagd Model, Weggevaagd Model Groot, Weggevaagd Model Groot V2, Qwen 3.8 27B Weggevaagd, Qwen 3.8 27B Weggevaagd, Qwen 2.5 32B Instrueren Weggevaagd, Qwen3.5 27B Queen Derestricted, Qwen3.5 27B Blossom Derestricted, Qwen3.5 27B Opus-gedistilleerd Niet beperkt, Llama 3.3 70B Instrueren Geablitereerd, NeuralDaredevil 8B Geablitereerd, DeepSeek R1 Distilleer Llama 70B Geablitereerd, DeepSeek R1 Distilleer Qwen 32B Geablitereerd, GLM 5.3 Flash Geablitereerd, GLM 5.3 Geablitereerd, GLM 4.6 Beperkt v5, Gemma 4 26B A4B weggevaagd, Gemma 4 31B Gembrain weggevaagd en Gemma 4 31B SDFT weggevaagd. Elk is een afzonderlijk eindpunt met een eigen modelnaam in de URL.
Facturering vindt plaats per token en wordt na elke oproep afgetrokken van de tellingen die het model retourneert. Tarieven beginnen bij $ 0,30 per miljoen invoertokens; zie de prijstabel voor elk model.
Nee. Minder weigeringen betekenen niet een onbeperkte output, en de kennis en kwaliteit van elk model bepalen nog steeds het antwoord. U bent verantwoordelijk voor de manier waarop u de uitvoer gebruikt, en verzoeken die het beleid voor acceptabel gebruik van Muapi of de wet schenden, zijn niet toegestaan.
Ja op MiMo V2.6 Flash Abliterated, Abliterated Model, Qwen 3.8 27B Abliterated, Qwen 3.8 27B Obliterated, Qwen3.5 27B Queen Derestricted, Qwen3.5 27B Blossom Derestricted, Qwen3.5 27B Opus-Distilled Derestricted, GLM 5.3 Flash Abliterated, Gemma 4 31B Gembrain Abliterated, Gemma 4 31B SDFT Abliterated: voeg een image_url toe naast uw prompt. De andere zijn alleen tekst.
POST naar /api/v1/<modelnaam> retourneert een request_id. Poll /api/v1/predictions/{request_id}/result totdat de status is voltooid en lees vervolgens de tekst uit de uitvoer.
Stel het denken in op true om het model te laten redeneren voordat het antwoordt, wat kan helpen bij moeilijkere problemen ten koste van meer uitvoertokens. Laat het uit voor snellere, goedkopere antwoorden.
Maak één Muapi API-sleutel en roep elk model op deze pagina aan met een eenvoudig REST-verzoek.