GLM 5.3 Flaş Yok Edildi
Reddetme davranışı azaltılmış GLM 5.3 Flash: hızlı muhakeme, 1M jetonlu bağlam penceresi ve isteğe bağlı görüntü girişi.
GLM Abliterated API, tek bir Muapi API anahtarı aracılığıyla GLM 5.3 Flash Abliterated, GLM 5.3 Abliterated ve GLM 4.6 Derestricted v5'e programlı erişim sağlar. Her uç nokta aynı istek gövdesini alır: görme özellikli modellerde istem, isteğe bağlı system_prompt, max_tokens ve image_url.Abliterated modeller, yerleşik reddetme davranışlarını azaltmak için değiştirilmiş dil modelleridir. Kaldırma ve ilgili teknikler (yok etme, kısıtlamayı kaldırma), bir modelin bir isteği reddetme sıklığını azaltır; sınırsız çıktıyı garanti etmez, her sınırı kaldırmaz veya Muapi'nin kabul edilebilir kullanım politikasını değiştirmez. Çıktıyı nasıl kullandığınızdan siz sorumlusunuz.
Reddetme davranışı azaltılmış GLM 5.3 Flash: hızlı muhakeme, 1M jetonlu bağlam penceresi ve isteğe bağlı görüntü girişi.
Reddedilme davranışı azaltılmış tam boyutlu GLM 5.3: 1M jetonlu bağlam penceresi, metin girişi ve metin çıkışı.
Kısıtlamanın kaldırılmasıyla azaltılan reddetme davranışıyla GLM 4.6 (v5): 131K jetonlu bağlam penceresi, metin girişi ve metin çıkışı.
Bu sayfa Muapi'de GLM 5.3 Flash Abliterated, GLM 5.3 Abliterated ve GLM 4.6 Derestricted v5'i kapsar. Reddetme davranışı azaltılmış GLM 5.3 Flash: hızlı muhakeme, 1M jetonlu bağlam penceresi ve isteğe bağlı görüntü girişi. Reddedilme davranışı azaltılmış tam boyutlu GLM 5.3: 1M jetonlu bağlam penceresi, metin girişi ve metin çıkışı. Kısıtlamanın kaldırılmasıyla azaltılan reddetme davranışıyla GLM 4.6 (v5): 131K jetonlu bağlam penceresi, metin girişi ve metin çıkışı.
Kişiliği ve tonu ayarlamak için isteğe bağlı olarak system_prompt ve görme özellikli modellerde image_url içeren bir istem gönderin ve oluşturulan metni yoklayın. Tipik kullanım alanları arasında yaratıcı yazı, kırmızı takım ve güvenlik araştırması, değiştirilmemiş temel modele göre değerlendirme ve temel modelin reddedilmesinin meşru çalışmanın önüne geçtiği uygulamalar yer alır. Abliterated modeller, yerleşik reddetme davranışlarını azaltmak için değiştirilmiş dil modelleridir. Kaldırma ve ilgili teknikler (yok etme, kısıtlamayı kaldırma), bir modelin bir isteği reddetme sıklığını azaltır; sınırsız çıktıyı garanti etmez, her sınırı kaldırmaz veya Muapi'nin kabul edilebilir kullanım politikasını değiştirmez. Çıktıyı nasıl kullandığınızdan siz sorumlusunuz.
Her uç nokta aynı istek gövdesini kabul eder ve metni paylaşılan sonuç uç noktası aracılığıyla döndürür; dolayısıyla modeller arasında geçiş yapmak tek satırlık bir değişikliktir.
Abliterasyon ve ilgili teknikler, modelin bir isteği reddetme sıklığını azaltır. Davranış modele ve istemlere göre değişir ve bir garanti değildir.
Yaratıcı, analitik veya değerlendirme çalışmaları için kişiliği, tonu ve çıktı formatını yönlendirmek üzere bir system_prompt ayarlayın.
Faturalandırma, her çağrının geri döndüğü jeton sayımlarını takip eder. Yönetilecek bir abonelik veya model barındırma yoktur.
GLM 5.3 Flash Abliterated'a bir image_url iletin.
Azalan ret sayıları kural yok anlamına gelmez. Muapi'nin kabul edilebilir kullanım politikası ve geçerli yasalar, ürettikleriniz için hâlâ geçerlidir.
| Uç nokta | Giriş | Çıkış | Fiyat | En İyisi |
|---|---|---|---|---|
Her çağrının döndürdüğü kullanımdan jeton başına faturalandırılır; fiyatlar milyon girdi ve çıktı tokenı başınadır.
Muapi API anahtarınızla bir JSON isteği gönderin, istek kimliğini kaydedin ve paylaşılan sonuç uç noktasını yoklayın.
curl -X POST https://api.muapi.ai/api/v1/glm-5-3-flash-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Analyze this chart and write a blunt executive summary of the risks.", "system_prompt": "You are a candid, detail-oriented assistant.", "image_url": "https://example.com/reference.png", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}İstemi ve isteğe bağlı system_prompt, image_url ile glm-5-3-flash-abliterated'ı arayın.
curl -X POST https://api.muapi.ai/api/v1/glm-5-3-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Summarize this 500-page report and flag every unsupported claim.", "system_prompt": "You are a candid, detail-oriented assistant.", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Bir komut istemi ve isteğe bağlı system_prompt ile glm-5-3-abliterated'ı çağırın.
curl -X POST https://api.muapi.ai/api/v1/glm-4-6-derestricted-v5 \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Draft a frank critique of this business plan.", "system_prompt": "You are a candid, detail-oriented assistant.", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}Bir istem ve isteğe bağlı system_prompt ile glm-4-6-derestricted-v5'i arayın.
Görev tamamlanana kadar paylaşılan sonuç uç noktasını yoklayın, ardından oluşturulan metni çıktılardan okuyun.
Kısıtlanmış bir dil modeli, genellikle sıfırdan yeniden eğitim gerektirmeden, reddetmeleri yönlendiren iç yönün düzenlenmesiyle reddetme davranışı azaltılmış bir modeldir. Yok edilmiş ve kısıtlanmamış gibi ilgili terimler benzer teknikleri tanımlar. Sonuç olarak, orijinal modele göre daha az sayıda istek reddedilir ancak bu bir garanti değildir ve kalite, temel modelden farklı olabilir.
GLM 5.3 Flash Abliterated, GLM 5.3 Abliterated ve GLM 4.6 Derestricted v5. Her biri, URL'de kendi model adına sahip ayrı bir uç noktadır.
Faturalandırma jeton başına yapılır ve her çağrıdan sonra modelin döndürdüğü sayılardan düşülür. Oranlar milyon girdi tokenı başına 0,40 dolardan başlıyor; her modelin fiyat tablosuna bakın.
Hayır. Azalan retler, sınırsız çıktı anlamına gelmez ve her modelin bilgisi ve kalitesi yine de cevabı bağlar. Çıktıyı nasıl kullandığınızın sorumluluğu size aittir ve Muapi'nin kabul edilebilir kullanım politikasını veya yasayı ihlal eden taleplere izin verilmez.
GLM 5.3 Flash Abliterated'da evet: isteminizin yanına bir image_url ekleyin. Diğerleri yalnızca metindir.
/api/v1/<model-name>'e POST bir request_id döndürür. Durum tamamlanana kadar /api/v1/predictions/{request_id}/result'u yoklayın, ardından çıktılardan metni okuyun.
Bir Muapi API anahtarı oluşturun ve bu sayfadaki her modeli düz bir REST isteğiyle çağırın.