GLM Abliterated API zapewnia programowy dostęp do GLM 5.3 Flash Abliterated, GLM 5.3 Abliterated i GLM 4.6 Derestricted v5 za pośrednictwem jednego klucza Muapi API. Każdy punkt końcowy przyjmuje tę samą treść żądania: zachęta, opcjonalny system_prompt, max_tokens i image_url w modelach obsługujących wizję.Modele aliterowane to modele językowe zmodyfikowane w celu ograniczenia wbudowanego zachowania odmowy. Aliteracja i techniki pokrewne (zatarcie, pozbawienie ograniczeń) zmniejszają częstotliwość, z jaką model odrzuca prośbę; nie gwarantują nieograniczonej wydajności, nie usuwają wszystkich ograniczeń ani nie zmieniają zasad dopuszczalnego użytkowania Muapi. Ponosisz odpowiedzialność za sposób wykorzystania wyników.
GLM 5.3 Flash z redukcją zachowań odmownych poprzez abliterację: szybkie rozumowanie, okno kontekstowe z żetonem 1M i opcjonalne wprowadzanie obrazu.
Pełnowymiarowy GLM 5.3 z redukcją zachowań odmownych poprzez abliterację: okno kontekstowe z tokenem 1M, wprowadzanie i wysyłanie tekstu.
GLM 4.6 (v5) ze zredukowanym zachowaniem odmowy poprzez wyrejestrowanie: okno kontekstowe zawierające 131 tys. tokenów, wprowadzanie i wysyłanie tekstu.
Ta strona opisuje GLM 5.3 Flash Abliterated, GLM 5.3 Abliterated i GLM 4.6 Derestricted v5 na Muapi. GLM 5.3 Flash z redukcją zachowań odmownych poprzez abliterację: szybkie rozumowanie, okno kontekstowe z żetonem 1M i opcjonalne wprowadzanie obrazu. Pełnowymiarowy GLM 5.3 z redukcją zachowań odmownych poprzez abliterację: okno kontekstowe z tokenem 1M, wprowadzanie i wysyłanie tekstu. GLM 4.6 (v5) ze zredukowanym zachowaniem odmowy poprzez wyrejestrowanie: okno kontekstowe zawierające 131 tys. tokenów, wprowadzanie i wysyłanie tekstu.
Prześlij monit, opcjonalnie z poleceniem systemowym, aby ustawić osobowość i ton, oraz adresem image_url w modelach z funkcją wizyjną, a następnie odpytuj o wygenerowany tekst. Typowe zastosowania obejmują twórcze pisanie, badania zespołów czerwonych i bezpieczeństwa, ocenę w oparciu o niezmodyfikowany model podstawowy oraz aplikacje, w których odmowa modelu podstawowego utrudnia legalną pracę. Modele aliterowane to modele językowe zmodyfikowane w celu ograniczenia wbudowanego zachowania odmowy. Aliteracja i techniki pokrewne (zatarcie, pozbawienie ograniczeń) zmniejszają częstotliwość, z jaką model odrzuca prośbę; nie gwarantują nieograniczonej wydajności, nie usuwają wszystkich ograniczeń ani nie zmieniają zasad dopuszczalnego użytkowania Muapi. Ponosisz odpowiedzialność za sposób wykorzystania wyników.
Każdy punkt końcowy akceptuje tę samą treść żądania i zwraca tekst za pośrednictwem udostępnionego punktu końcowego wyniku, więc przełączanie modeli wymaga zmiany w jednym wierszu.
Aliteracja i powiązane techniki zmniejszają częstotliwość odrzucania żądań przez modelkę. Zachowanie różni się w zależności od modelu i podpowiedzi i nie stanowi gwarancji.
Ustaw system_prompt, aby sterować osobowością, tonem i formatem wyjściowym na potrzeby prac twórczych, analitycznych lub ewaluacyjnych.
Naliczanie opłat następuje po zliczeniu tokena po każdym powrocie połączenia. Nie ma subskrypcji ani hostingu modelowego do zarządzania.
Przekaż image_url do GLM 5.3 Flash Abliterated.
Mniejsza liczba odmów nie oznacza braku zasad. Zasady dopuszczalnego użytkowania i obowiązujące prawo Muapi nadal mają zastosowanie do tego, co generujesz.
| Punkt końcowy | Wejście | Wyjście | Cena | Najlepsze dla |
|---|---|---|---|---|
Rozliczane za token za każde zwrotne połączenie; ceny podane są za milion żetonów wejściowych i wyjściowych.
Prześlij żądanie JSON za pomocą klucza API Muapi, zapisz identyfikator żądania i odpytuj udostępniony punkt końcowy wyniku.
Wywołaj glm-5-3-flash-abliterated z zachętą i opcjonalnym system_prompt, image_url.
Wywołaj glm-5-3-abliterated z podpowiedzią i opcjonalnym poleceniem system_prompt.
Wywołaj glm-4-6-derestricted-v5 z podpowiedzią i opcjonalnym poleceniem system_prompt.
Sonduj udostępniony punkt końcowy wyniku do momentu zakończenia zadania, a następnie odczytaj wygenerowany tekst z wyników.
Zniesiony model języka to model, którego zachowanie odmowne zostało zredukowane poprzez edycję wewnętrznego kierunku kierującego odmową, zwykle bez ponownego szkolenia od zera. Powiązane terminy, takie jak zatarcie i ograniczenie ograniczeń, opisują podobne techniki. W rezultacie liczba żądań jest odrzucana w porównaniu z modelem oryginalnym, ale nie jest to gwarancją, a jakość może różnić się od modelu podstawowego.
GLM 5.3 Flash Abliterated, GLM 5.3 Abliterated i GLM 4.6 Derestricted v5. Każdy z nich jest oddzielnym punktem końcowym z własną nazwą modelu w adresie URL.
Rozliczenie naliczane jest za token, odejmowane po każdym wywołaniu od zliczeń zwracanych przez model. Stawki zaczynają się od 0,40 USD za milion tokenów wejściowych; zobacz tabelę cenową poszczególnych modeli.
Nie. Mniejsza liczba odmów nie oznacza nieograniczonej wydajności, a wiedza i jakość każdego modelu nadal stanowią odpowiedź. Jesteś odpowiedzialny za sposób, w jaki korzystasz z wyników, a żądania naruszające zasady dopuszczalnego użytkowania lub prawo Muapi nie są dozwolone.
Tak, w GLM 5.3 Flash Abliterated: dodaj image_url obok monitu. Pozostałe mają charakter wyłącznie tekstowy.
POST do /api/v1/<nazwa-modelu> zwraca identyfikator żądania. Odpytuj /api/v1/predictions/{request_id}/result do momentu zakończenia statusu, a następnie odczytaj tekst z wyników.
Tak. Wszystkie 3 modele obsługują wywoływanie narzędzi: GLM 5.3 Flash Abliterated, GLM 5.3 Abliterated i GLM 4.6 Derestricted v5. W kodzie Claude ustaw ANTHROPIC_BASE_URL na https://api.muapi.ai/anthropic i ANTHROPIC_AUTH_TOKEN na klucz Muapi API, a następnie uruchom go za pomocą claude --model glm-5-3-flash-abliterated (ustaw także ANTHROPIC_DEFAULT_HAIKU_MODEL i ANTHROPIC_SMALL_FAST_MODEL na ten sam identyfikator). Codex CLI też działa: dodaj dostawcę modelu z base_url https://api.muapi.ai/openai/v1 i ustaw model na ten sam identyfikator. Jakość różni się w zależności od modelu, a mniejsze modele mogą pomijać kroki w zadaniach obejmujących wiele plików, nie ma natychmiastowego buforowania, więc każda tura jest naliczana za całą dotychczasową konwersację, a każda odpowiedź jest ograniczona do 16 384 tokenów. Przewodnik instalacji: /docs/ai-agent-install-chat-agents.
Utwórz jeden klucz API Muapi i wywołaj każdy model na tej stronie za pomocą zwykłego żądania REST.