Qwen Abliterated API zapewnia programowy dostęp do 6 modeli za pomocą 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.
Qwen 3.8 27B z redukcją odmowy poprzez abliterację: wprowadzanie obrazu, okno kontekstowe z żetonem 524 tys. i opcjonalny tryb myślenia.
Qwen 3.8 27B z odmową usuniętą poprzez ablację w stylu zatarcia, wprowadzanie obrazu, okno kontekstowe z żetonem 524 tys. i opcjonalny tryb myślenia.
Qwen 2.5 32B Instruuj z odmową zredukowaną przez abliterację: kompaktowy ogólny model czatu i kodowania z oknem kontekstowym zawierającym 32 tys. tokenów.
Qwen3.5 27B Queen z zachowaniem odmowy zredukowanym w wyniku ograniczenia ograniczeń: wprowadzanie obrazu, okno kontekstowe zawierające 262 tys. tokenów i stała stawka za tokeny.
Qwen3.5 27B Blossom (V6.4) ze zredukowanym zachowaniem odmowy poprzez pozbawienie ograniczeń: wprowadzanie obrazu, okno kontekstowe zawierające 262 tys. tokenów i stałą stawkę tokenu.
Qwen3.5 27B wydestylowany ze śladów rozumowania Claude Opus 4.6, z zachowaniem odmowy zredukowanym poprzez ograniczenie: wprowadzanie obrazu i okno kontekstowe zawierające 262 tys. tokenów.
Ta strona obejmuje 6 modeli w Muapi. Każdy z nich jest wymieniony poniżej wraz z oknem kontekstowym, sposobem wprowadzania danych i ceną.
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 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.
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.
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"}Wywołaj qwen-3-8-27b-abliterated z podpowiedzią i opcjonalną flagą systemową, image_url i flagą myślenia.
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"}Wywołaj qwen-3-8-27b-obliterated z zachętą i opcjonalnym komunikatem systemowym, image_url i flagą myślenia.
Wywołaj qwen-2-5-32b-abliterated z zachętą i opcjonalnym poleceniem 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"}Wywołaj qwen-3-5-27b-queen-derestricted z zachętą i opcjonalnym komunikatem systemowym, image_url.
Wywołaj qwen-3-5-27b-blossom-derestricted z zachętą i opcjonalnym poleceniem systemowym, 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"}Wywołaj qwen-3-5-27b-opus-distilled-derestricted z zachętą i opcjonalnym komunikatem systemowym, image_url.
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.
Qwen 3.8 27B Abliterated, Qwen 3.8 27B Obliterated, Qwen 2.5 32B Instruct Abliterated, Qwen3.5 27B Queen Derestricted, Qwen3.5 27B Blossom Derestricted i Qwen3.5 27B Opus-Distilled Derestricted. 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 0,30 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 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: 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.
Ustaw myślenie na true, aby model mógł rozumować, zanim odpowie, co może pomóc w przypadku trudniejszych problemów kosztem większej liczby tokenów wyjściowych. Zostaw to, aby uzyskać szybsze i tańsze odpowiedzi.
Tak, dla modeli obsługujących wywoływanie narzędzi: Qwen 3.8 27B Abliterated, Qwen 3.8 27B Obliterated, Qwen3.5 27B Queen Derestricted, Qwen3.5 27B Blossom Derestricted i Qwen3.5 27B Opus-Distilled Derestricted. Qwen 2.5 32B Instruct Abliterated nie obsługuje wywoływania narzędzi i nie może być używany w agentach kodujących. 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 qwen-3-8-27b-obliterated (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.