DeepSeek R1 Distill Llama 70B 取消
DeepSeek R1 提炼到 Llama 70B 上,通过删节减少拒绝行为:使用 16K 令牌上下文窗口进行思想链推理。
DeepSeek R1 Abliterated API 使您可以通过一个 Muapi API 密钥以编程方式访问 DeepSeek R1 Distill Llama 70B Abliterated 和 DeepSeek R1 Distill Qwen 32B Abliterated。每个端点都采用相同的请求正文:提示、可选的 system_prompt、max_tokens。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。
DeepSeek R1 提炼到 Llama 70B 上,通过删节减少拒绝行为:使用 16K 令牌上下文窗口进行思想链推理。
DeepSeek R1 提炼到 Qwen 32B 上,通过删节减少拒绝行为:使用 16K 令牌上下文窗口进行紧凑的思想链推理。
本页介绍 Muapi 上的 DeepSeek R1 Distill Llama 70B Abliterated 和 DeepSeek R1 Distill Qwen 32B Abliterated。 DeepSeek R1 提炼到 Llama 70B 上,通过删节减少拒绝行为:使用 16K 令牌上下文窗口进行思想链推理。 DeepSeek R1 提炼到 Qwen 32B 上,通过删节减少拒绝行为:使用 16K 令牌上下文窗口进行紧凑的思想链推理。
提交提示,可以选择使用 system_prompt 来设置角色和语气,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。
使用这些模型进行聊天、起草和逐步推理。
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 |
|---|---|---|---|---|
| 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 |
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。
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。
DeepSeek R1 Distill Llama 70B Abliterated 和 DeepSeek R1 Distill Qwen 32B Abliterated。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。费率起价为每百万输入代币 1.40 美元;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。
不。此页面上的每个模型都是文本输入、文本输出。
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。