MiMo V2.6 闪存被取消
MiMo V2.6 Flash 通过消除减少了拒绝行为:快速推理、1M 令牌上下文窗口和可选的图像输入。
Abliterated LLM API 使您可以通过一个 Muapi API 密钥和一种请求形式以编程方式访问 20 个模型:prompt、可选的 system_prompt、max_tokens 和具有视觉功能的模型上的 image_url。删减模型是经过修改以减少其内置拒绝行为的语言模型。消除和相关技术(消除、解除限制)降低了模型拒绝请求的频率;它们不保证不受限制的输出、删除所有限制或更改 Muapi 的可接受使用政策。您仍然对如何使用输出负责。
MiMo V2.6 Flash 通过消除减少了拒绝行为:快速推理、1M 令牌上下文窗口和可选的图像输入。
Qwen 3.8 27B 通过删节减少拒绝行为:图像输入、524K 令牌上下文窗口和可选的思维模式。
Qwen 3.8 27B 通过消除式消融、图像输入、524K 令牌上下文窗口和可选的思维模式消除了拒绝。
Qwen 2.5 32B 通过消除减少拒绝行为的指导:具有 32K 令牌上下文窗口的紧凑型通用聊天和编码模型。
Qwen3.5 27B Queen 通过解除限制减少了拒绝行为:图像输入、262K 令牌上下文窗口和平坦令牌率。
Qwen3.5 27B Blossom (V6.4) 通过解除限制减少了拒绝行为:图像输入、262K 令牌上下文窗口和平坦令牌率。
Qwen3.5 27B 从 Claude Opus 4.6 推理痕迹中提炼出来,通过解除限制减少了拒绝行为:图像输入和 262K 令牌上下文窗口。
GLM 5.3 Flash 通过消除减少拒绝行为:快速推理、1M 令牌上下文窗口和可选图像输入。
全尺寸的 GLM 5.3 通过删节减少了拒绝行为:1M 令牌上下文窗口、文本输入和文本输出。
GLM 4.6 (v5) 通过解除限制减少了拒绝行为:131K 令牌上下文窗口、文本输入和文本输出。
Gemma 4 26B A4B 通过消除减少了拒绝行为:一种高效的专家混合聊天模型,具有 65K 令牌上下文窗口、文本输入和文本输出。
Gemma 4 31B Gembrain 减少了拒绝行为:图像输入、262K 令牌上下文窗口以及用于一般和创意聊天的固定令牌率。
Gemma 4 31B SDFT Abliterated,一个减少拒绝的 Gemma 4,针对角色聊天和创意写作进行了调整,具有图像输入和 262K 令牌上下文窗口。
Abliterated LLM API 是 Muapi 的 20 个被废除和解除限制的 LLM 目录,从轻量级 8B 聊天模型到 1M 令牌上下文推理模型,背后有一个一致的 REST 接口,因此您可以通过更改单个模型名称来比较它们。
提交提示,可选地使用 system_prompt 设置角色和语气以及具有视觉功能的模型上的 image_url,并轮询生成的文本。典型用途包括创意写作、红队和安全研究、针对未修改的基本模型进行评估,以及基本模型的拒绝妨碍合法工作的应用。删减模型是经过修改以减少其内置拒绝行为的语言模型。消除和相关技术(消除、解除限制)降低了模型拒绝请求的频率;它们不保证不受限制的输出、删除所有限制或更改 Muapi 的可接受使用政策。您仍然对如何使用输出负责。
每个端点接受相同的请求正文并通过共享结果端点返回文本,因此切换模型是一行更改。
消除和相关技术降低了模型拒绝请求的频率。行为因型号和提示而异,并且不能保证。
设置系统提示来引导创意、分析或评估工作的角色、语气和输出格式。
计费遵循每次调用返回的令牌计数。无需订阅,也无需管理模型托管。
Pass an image_url to MiMo V2.6 Flash Abliterated, Abliterated Model, 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, GLM 5.3 Flash Abliterated, Gemma 4 31B Gembrain Abliterated, Gemma 4 31B SDFT Abliterated.
减少拒绝并不意味着没有规则。 Muapi 的可接受使用政策和适用法律仍然适用于您生成的内容。
| 端点 | 输入 | 输出 | 价格 | 适合场景 |
|---|---|---|---|---|
| mimo-v2-6-flash-取消 | 提示 + system_prompt、max_tokens、可选 image_url | 完整的文本回复(投票结果) | $1.00/M in · $3.00/M out | 通过图像输入和很长的上下文进行快速、低成本的推理 |
| abliterated-model | 提示 + system_prompt、max_tokens、可选 image_url | 完整的文本回复(投票结果) | $2.00/M in · $6.00/M out | 一般推理和多模式聊天,减少拒绝 |
| abliterated-model-large | 提示+系统提示、最大令牌 | 完整的文本回复(投票结果) | $6.00/M in · $10.00/M out | Large-context reasoning over long documents and codebases |
| 删节模型大-v2 | 提示+系统提示、最大令牌 | 完整的文本回复(投票结果) | $6.00/M in · $10.00/M out | 最新的大型消除推理层 |
| qwen-3-8-27b-abliterated | 提示+system_prompt、max_tokens、可选image_url、可选思考 | 完整的文本回复(投票结果) | $0.30/M in · $2.40/M out | 成本最低的Qwen 3.8层,具有图像输入和可切换的思维模式 |
| qwen-3-8-27b-obliterated | 提示+system_prompt、max_tokens、可选image_url、可选思考 | 完整的文本回复(投票结果) | $0.50/M in · $3.00/M out | 带图像输入和可切换思维模式的中型推理 |
| qwen-2-5-32b-abliterated | 提示+系统提示、最大令牌 | 完整的文本回复(投票结果) | $1.40/M in · $1.40/M out | 紧凑的一般聊天和编码以固定的令牌率 |
| qwen-3-5-27b-皇后解除限制 | 提示 + system_prompt、max_tokens、可选 image_url | 完整的文本回复(投票结果) | 输入 0.612 美元/月 · 输出 0.612 美元/月 | 以固定费率通过图像输入进行创意和一般聊天 |
| qwen-3-5-27b-开花解除限制 | 提示 + system_prompt、max_tokens、可选 image_url | 完整的文本回复(投票结果) | 输入 0.612 美元/月 · 输出 0.612 美元/月 | 以统一费率进行创意写作和图像输入聊天 |
| qwen-3-5-27b-opus-蒸馏-取消限制 | 提示 + system_prompt、max_tokens、可选 image_url | 完整的文本回复(投票结果) | 输入 0.612 美元/月 · 输出 0.612 美元/月 | 以固定速率输入图像进行逐步推理 |
| llama-3-3-70b-abliterated | 提示+系统提示、最大令牌 | 完整的文本回复(投票结果) | $1.40/M in · $1.40/M out | 以固定代币费率进行大型开放权重聊天 |
| Neurodaredevil-8b-消除 | 提示+系统提示、最大令牌 | 完整的文本回复(投票结果) | $0.88/M in · $0.88/M out | 轻量级、低成本的聊天和原型设计 |
| deepseek-r1-llama-70b-取消 | 提示+系统提示、最大令牌 | 完整的文本回复(投票结果) | $1.40/M in · $1.40/M out | 以 Llama 70B 为基础的逐步推理 |
| deepseek-r1-qwen-32b-取消 | 提示+系统提示、最大令牌 | 完整的文本回复(投票结果) | $2.80/M in · $2.80/M out | 以Qwen 32B为基础的紧凑型分步推理 |
| glm-5-3-flash-abliterated | 提示 + system_prompt、max_tokens、可选 image_url | 完整的文本回复(投票结果) | $0.40/M in · $1.60/M out | 通过图像输入和很长的上下文进行快速、低成本的推理 |
| glm-5-3-abliterated | 提示+系统提示、最大令牌 | 完整的文本回复(投票结果) | $2.50/M in · $4.50/M out | 在很长的上下文中进行全尺寸推理 |
| glm-4-6-derestricted-v5 | 提示+系统提示、最大令牌 | 完整的文本回复(投票结果) | $0.80/M in · $3.00/M out | 具有 131K 令牌上下文的中型 GLM 推理 |
| gemma-4-26b-a4b-删除 | 提示+系统提示、最大令牌 | 完整的文本回复(投票结果) | $0.30/M in · $1.40/M out | Gemma 家族高效、低成本的聊天和推理 |
| gemma-4-31b-gembrain-取消 | 提示 + system_prompt、max_tokens、可选 image_url | 完整的文本回复(投票结果) | 输入 0.612 美元/月 · 输出 0.612 美元/月 | 以固定令牌费率使用图像输入进行一般和创意聊天 |
| gemma-4-31b-sdft-取消 | 提示 + system_prompt、max_tokens、可选 image_url | 完整的文本回复(投票结果) | 输入 0.612 美元/月 · 输出 0.612 美元/月 | 基于 Gemma 4 的角色聊天和创意写作,带有图像输入 |
根据每次调用返回的使用量按令牌计费;价格是每百万个输入和输出代币。
使用您的 Muapi API 密钥提交 JSON 请求,保存请求 ID,然后轮询共享结果端点。
curl -X POST https://api.muapi.ai/api/v1/mimo-v2-6-flash-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Write a morally gray villain monologue for my novel.", "system_prompt": "You are a candid, detail-oriented assistant.", "image_url": "https://example.com/reference.png", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}使用提示和可选的 system_prompt、image_url 调用 mimo-v2-6-flash-abliterated。
使用提示和可选的 system_prompt、image_url 调用 abliterated-model。
使用提示和可选的 system_prompt 调用 abliterated-model-large。
使用提示和可选的 system_prompt 调用 abliterated-model-large-v2。
使用提示和可选的 system_prompt、image_url 和思考标志调用 qwen-3-8-27b-abliterated。
使用提示和可选的 system_prompt、image_url 和思考标志调用 qwen-3-8-27b-obliterated。
curl -X POST https://api.muapi.ai/api/v1/qwen-2-5-32b-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Write a Python function that parses log lines and explain each step.", "system_prompt": "You are a candid, detail-oriented assistant.", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}使用提示符和可选的 system_prompt 调用 qwen-2-5-32b-abliterated。
使用提示和可选的 system_prompt、image_url 调用 qwen-3-5-27b-queen-derestricted。
使用提示和可选的 system_prompt、image_url 调用 qwen-3-5-27b-blossom-derestricted。
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"}使用提示和可选的 system_prompt、image_url 调用 qwen-3-5-27b-opus-distilled-derestricted。
使用提示符和可选的 system_prompt 调用 llama-3-3-70b-abliterated。
curl -X POST https://api.muapi.ai/api/v1/neuraldaredevil-8b-abliterated \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt": "Give me five brainstorming angles for a horror short story.", "system_prompt": "You are a candid, detail-oriented assistant.", "max_tokens": 1024}'
# Response: {"request_id":"REQUEST_ID"}使用提示符和可选的 system_prompt 调用neuraldaredevil-8b-abliterated。
使用提示符和可选的 system_prompt 调用 deepseek-r1-llama-70b-abliterated。
使用提示符和可选的 system_prompt 调用 deepseek-r1-qwen-32b-abliterated。
使用提示和可选的 system_prompt、image_url 调用 glm-5-3-flash-abliterated。
使用提示符和可选的 system_prompt 调用 glm-5-3-abliterated。
使用提示符和可选的 system_prompt 调用 glm-4-6-derestricted-v5。
使用提示符和可选的 system_prompt 调用 gemma-4-26b-a4b-abliterated。
使用提示符和可选的 system_prompt、image_url 调用 gemma-4-31b-gembrain-abliterated。
使用提示和可选的 system_prompt、image_url 调用 gemma-4-31b-sdft-abliterated。
轮询共享结果端点直到任务完成,然后从输出中读取生成的文本。
消除语言模型是一种通过编辑导致拒绝的内部方向来减少拒绝行为的模型,通常无需从头开始重新训练。诸如删除和解除限制之类的相关术语描述了类似的技术。结果往往会比原始模型拒绝更少的请求,但这并不能保证,质量可能与基本模型不同。
MiMo V2.6 Flash Abliterated、Abliterated 型号、Abliterated 型号 Large、Abliterated 型号 Large V2、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、Qwen3.5 27B Opus-Distilled 取消限制、Llama 3.3 70B Instruct 取消、NeuralDaredevil 8B 取消、DeepSeek R1 Distill Llama 70B 取消、DeepSeek R1 Distill Qwen 32B 取消、GLM 5.3 Flash 取消、GLM 5.3 取消、GLM 4.6 Derestricted v5、Gemma 4 26B A4B 删减、Gemma 4 31B Gembrain 删减和 Gemma 4 31B SDFT 删减。每个端点都是一个单独的端点,在 URL 中具有自己的模型名称。
按令牌计费,每次调用后从模型返回的计数中扣除。费率从每百万输入代币 0.30 美元起;请参阅每个型号的定价表。
不。拒绝的减少并不意味着输出不受限制,每个模型的知识和质量仍然限制着答案。您对如何使用输出负责,并且不允许违反 Muapi 可接受使用政策或法律的请求。
MiMo V2.6 Flash Abliterated、Abliterated 型号、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、GLM 5.3 Flash Abliterated、Gemma 4 31B 是Gembrain Abliterated、Gemma 4 31B SDFT Abliterated:在提示旁边添加 image_url。其他的都是纯文本的。
POST 到 /api/v1/<model-name> 返回 request_id。轮询 /api/v1/predictions/{request_id}/result 直到状态完成,然后从输出中读取文本。
将thinking设置为true,让模型在回答之前进行推理,这可以帮助解决更困难的问题,但代价是更多的输出令牌。将其关闭以获得更快、更便宜的回复。
创建一个 Muapi API 密钥,并使用普通 REST 请求调用此页面上的每个模型。