Venetië vernietigd
Venice Abliterated, een chatmodel voor algemeen gebruik met minder weigeringen en een contextvenster van 128K token.
De Low-Refusal LLM API geeft u programmatische toegang tot 2 modellen via één Muapi API-sleutel en één verzoekvorm: prompt, optionele system_prompt, max_tokens.Dit zijn chatmodellen voor algemene doeleinden met minder weigeringen of getraind op hoge stuurbaarheid. Dat verlaagt hoe vaak ze een verzoek afwijzen; het garandeert geen onbeperkte uitvoer en wijzigt het beleid voor acceptabel gebruik van Muapi niet. U blijft verantwoordelijk voor de manier waarop u de output gebruikt.
Venice Abliterated, een chatmodel voor algemeen gebruik met minder weigeringen en een contextvenster van 128K token.
Hermes 4 405B van Nous Research, een groot model met open gewichten, getraind op bestuurbaarheid en lage weigeringspercentages, met een contextvenster van 128K token.
De Low-Refusal LLM API is Muapi's catalogus van 2 chat-LLM's met lage weigering, van lichtgewicht 8B-chatmodellen tot 1M-token-context redeneermodellen, achter één consistente REST-interface, zodat u ze kunt vergelijken door één enkele modelnaam te wijzigen.
Dien een prompt in, optioneel met een system_prompt om persona en toon in te stellen, en peiling naar de gegenereerde tekst. Typische toepassingen zijn onder meer chatten met een open einde, schrijven en brainstormen, onderzoeksassistenten die een gedetailleerde systeemprompt volgen, en vergelijking met restrictievere modellen. Dit zijn chatmodellen voor algemene doeleinden met minder weigeringen of getraind op hoge stuurbaarheid. Dat verlaagt hoe vaak ze een verzoek afwijzen; het garandeert geen onbeperkte uitvoer en wijzigt het beleid voor acceptabel gebruik van Muapi niet. 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.
Deze modellen weigeren minder verzoeken dan typische assistent-modellen. 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.
Gebruik deze modellen voor chatten, opstellen en stapsgewijs redeneren.
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.
Bel venice-abliterated met een prompt en optionele system_prompt.
Bel hermes-4-405b met een prompt en optionele system_prompt.
Poll op het gedeelde resultaateindpunt totdat de taak is voltooid en lees vervolgens de gegenereerde tekst uit de uitvoer.
Een LLM met weinig weigering is een chatmodel met minder weigeringen of een chatmodel dat is getraind voor hoge stuurbaarheid, waardoor het minder verzoeken afwijst dan een typische assistent. Het is een beschrijving van typisch gedrag, geen garantie, en de resultaten variëren per model en prompt.
Venetië vernietigd en Hermes 4 405B. 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 $0,60 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.
Nee. Bij elk model op deze pagina is tekst in, tekst uit.
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.
Maak één Muapi API-sleutel en roep elk model op deze pagina aan met een eenvoudig REST-verzoek.