DeepSeek R1 Abliterated API ger dig programmatisk tillgång till DeepSeek R1 Distill Llama 70B Abliterated och DeepSeek R1 Distill Qwen 32B Abliterated genom en Muapi API-nyckel. Varje slutpunkt har samma förfrågningstext: prompt, optional system_prompt, max_tokens.Ablitererade modeller är språkmodeller som modifierats för att minska deras inbyggda vägransbeteende. Abliterering och relaterade tekniker (utplåning, utplåning) minskar hur ofta en modell avslår en begäran; de garanterar inte obegränsad produktion, tar inte bort varje gräns eller ändrar Muapis policy för acceptabel användning. Du förblir ansvarig för hur du använder utdata.
DeepSeek R1 destillerad på Llama 70B med vägransbeteende reducerat genom abliterering: tankekedja med ett 16K-token kontextfönster.
DeepSeek R1 destillerad på Qwen 32B med vägransbeteende reducerat genom abliterering: kompakt tankekedja med ett 16K-token kontextfönster.
Den här sidan täcker DeepSeek R1 Distill Llama 70B Abliterated och DeepSeek R1 Distill Qwen 32B Abliterated på Muapi. DeepSeek R1 destillerad på Llama 70B med vägransbeteende reducerat genom abliterering: tankekedja med ett 16K-token kontextfönster. DeepSeek R1 destillerad på Qwen 32B med vägransbeteende reducerat genom abliterering: kompakt tankekedja med ett 16K-token kontextfönster.
Skicka en prompt, eventuellt med en system_prompt för att ställa in persona och ton, och ompröva den genererade texten. Typiska användningsområden inkluderar kreativt skrivande, red-team och säkerhetsforskning, utvärdering mot den omodifierade basmodellen och applikationer där en basmodells avslag står i vägen för legitimt arbete. Ablitererade modeller är språkmodeller som modifierats för att minska deras inbyggda vägransbeteende. Abliterering och relaterade tekniker (utplåning, utplåning) minskar hur ofta en modell avslår en begäran; de garanterar inte obegränsad produktion, tar inte bort varje gräns eller ändrar Muapis policy för acceptabel användning. Du förblir ansvarig för hur du använder utdata.
Varje slutpunkt accepterar samma förfrågningstext och returnerar text genom den delade resultatslutpunkten, så att byta modell är en ändring på en rad.
Abliterering och relaterade tekniker minskar hur ofta modellen avslår en begäran. Beteendet varierar beroende på modell och uppmaning och är ingen garanti.
Ställ in en system_prompt för att styra persona, ton och utdataformat för kreativt, analytiskt eller utvärderingsarbete.
Fakturering följer tokenräkningen varje samtal returnerar. Det finns inget abonnemang och ingen modellvärd att hantera.
Använd dessa modeller för chatt, utkast och steg-för-steg-resonemang.
Minskade avslag innebär inte inga regler. Muapis policy för acceptabel användning och tillämplig lag gäller fortfarande för det du genererar.
| Slutpunkt | Ingång | Utgång | Pris | Bäst för |
|---|---|---|---|---|
Faktureras per token från användningen varje samtal returnerar; Priserna är per miljon in- och utmatningstoken.
Skicka en JSON-förfrågan med din Muapi API-nyckel, spara förfrågnings-ID och polla den delade resultatslutpunkten.
curl -X POST https://api.muapi.ai/api/v1/deepseek-r1-llama-70b-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Reason step by step through this logic puzzle and show your working.", "system_prompt": "You are a candid, detail-oriented assistant.", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Ring deepseek-r1-llama-70b-aliterat med en prompt och valfri system_prompt.
curl -X POST https://api.muapi.ai/api/v1/deepseek-r1-qwen-32b-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Work through this probability problem step by step.", "system_prompt": "You are a candid, detail-oriented assistant.", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Ring deepseek-r1-qwen-32b-aliterat med en prompt och valfri system_prompt.
Fråga den delade resultatslutpunkten tills uppgiften är klar och läs sedan den genererade texten från utdata.
En ablitererad språkmodell är en modell vars vägransbeteende har reducerats genom att redigera den interna riktningen som driver vägran, vanligtvis utan omskolning från grunden. Besläktade termer som utplånad och avgränsad beskriver liknande tekniker. Resultatet tenderar att avvisa färre förfrågningar än originalmodellen, men det är ingen garanti och kvaliteten kan skilja sig från basmodellen.
DeepSeek R1 Distill Llama 70B Abliterated och DeepSeek R1 Distill Qwen 32B Abliterated. Var och en är en separat slutpunkt med sitt eget modellnamn i URL:en.
Fakturering är per token, dras av efter varje samtal från de räkningar som modellen returnerar. Priserna börjar på $1,40 per miljon inmatade tokens; se pristabellen för varje modell.
Nej. Minskade avslag betyder inte obegränsad produktion, och varje modells kunskap och kvalitet är fortfarande bunden av svaret. Du är ansvarig för hur du använder utdata, och förfrågningar som bryter mot Muapis policy för acceptabel användning eller lagen är inte tillåtna.
Nej. Varje modell på den här sidan är text in, text out.
POST till /api/v1/<modellnamn> returnerar ett request_id. Omröstning /api/v1/predictions/{request_id}/result tills statusen är klar, läs sedan texten från utdata.
Skapa en Muapi API-nyckel och anrop varje modell på den här sidan med en vanlig REST-begäran.