删减模型
具有 262K 令牌上下文窗口和可选图像输入的通用消除推理模型。
Abliterated Model API 使您可以通过一个 Muapi API 密钥以编程方式访问 Abliterated Model、Abliterated Model Large 和 Abliterated Model Large V2。每个端点都采用相同的请求正文:提示、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。
具有 262K 令牌上下文窗口和可选图像输入的通用消除推理模型。
更大的消解推理模型,具有 1M 令牌上下文窗口、文本输入和文本输出。
大型废除推理模型的第二次修订,具有 1M 令牌上下文窗口和纯文本输入。
本页涵盖 Muapi 上的 Abliterated Model、Abliterated Model Large 和 Abliterated Model Large V2。具有 262K 令牌上下文窗口和可选图像输入的通用消除推理模型。更大的消解推理模型,具有 1M 令牌上下文窗口、文本输入和文本输出。大型废除推理模型的第二次修订,具有 1M 令牌上下文窗口和纯文本输入。
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。
将 image_url 传递给 Abliterated Model。
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 |
|---|---|---|---|---|
| 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 |
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。
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。
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。
删减型号、删减型号大型和删减型号大型 V2。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 2.00 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。
对于 Abliterated 模型,是:在提示旁边添加一个 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。
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。