چت هوش مصنوعی بدون فیلتر: افسانه‌ها در برابر واقعیت‌ها

افسانه: «بدون فیلتر» به معنای عدم وجود سیاست محتوا است

عبارت «بدون فیلتر» اغلب به معنای فقدان کامل قوانین است، اما این مورد برای APIهای تولیدی صادق نیست. مدل ما درخواست‌هایی را که حاوی محتوای جنسی مرتبط با کودکان هستند رد می‌کند که یک محدودیت سخت‌گیرانه است که روی سرورهای ما اعمال می‌شود. این محدودیت صرف‌نظر از پیچیدگی پرامپت یا طول زمینه، اعمال می‌شود. بیشتر مدل‌های دیگر نیز این سیاست پایه را برای رعایت مقررات استاندارد محتوای دیجیتال اعمال می‌کنند.

Uncensored به این معنی است که مدل موضوعات قانونی بزرگسالان، داستانی یا جنجالی که مدل‌های استاندارد ممکن است علامت‌گذاری کنند را رد نمی‌کند. می‌توانید قوس‌های روایی عمیق را کاوش کنید یا دیالوگ‌های صریح تولید کنید بدون اینکه به خاطر توهین‌های ملایم با خطای 403 مواجه شوید. هدف، حذف محافظت‌های مصنوعی است که بیان خلاقانه را مسدود می‌کند، نه حذف همه محدودیت‌های قانونی پایه. این تمایز زمانی مهم است که برنامه‌هایی برای مخاطبان بزرگسال می‌سازید که پاسخ‌های ظریف را انتظار دارند.

واقعیت: واقعیت محدودیت درخواست 8MB

هر درخواستی که به API ارسال می‌کنید نمی‌تواند از نظر حجم کل از 8 MB تجاوز کند. این محدودیت به کل بدنه درخواست، شامل نام مدل، دستورالعمل‌های سیستم و تاریخچه پیام‌ها اعمال می‌شود. اگر پنجره‌های زمینه طولانی را نزدیک به محدودیت 100,000 توکن ارسال می‌کنید، باید مطمئن شوید که پیکسلد JSON شما زیر این آستانه باقی می‌ماند.

عبور از این محدودیت منجر به خطای 413 Payload Too Large می‌شود که تولید را بلافاصله متوقف می‌کند. باید تعداد توکن‌های خود را به دقت پایش کنید، به‌ویژه زمانی که شامل دستورالعمل‌های سیستم بزرگ یا تاریخچه مکالمات گسترده هستید. اکثر رابط‌های چت استاندارد به راحتی در این محدوده باقی می‌مانند، اما پردازش دسته‌ای یا تزریق متاداده سنگین می‌تواند شما را فراتر ببرد. ساختار پیام خود را طوری برنامه‌ریزی کنید که وزن کلی کارآمد باقی بماند.

افسانه: به یک پروکسی پیچیده نیاز دارید

بسیاری از توسعه‌دهندگان فرض می‌کنند که باید یک سرور پراکسی سفارشی برای مدیریت تولید بدون فیلتر بسازند. این هنگام استفاده از یک نقطه پایانی سازگار با OpenAI غیرضروری است. می‌توانید کد کلاینت موجود خود را مستقیماً به URL پایه ما اشاره دهید و کلید API را جایگزین کنید.

خدمات ما به عنوان یک نقطه پایانی مستقیم عمل می‌کند، نه لایه مسیریابی که بین مدل‌های مختلف سوییچ می‌کند. شما نیازی به مدیریت تعادل بار یا منطق جایگزین برای APIهای فروشندگان مختلف ندارید. زیرساخت سرویس‌دهی مدل را مستقیماً مدیریت می‌کند. این تأخیر را کاهش داده و معماری استقرار شما را به طور قابل توجهی ساده می‌کند. شما فقط یک متغیر پیکربندی را در کد خود تغییر می‌دهید.

واقعیت: سازگاری استاندارد SDK OpenAI

API ما دقیقاً از ساختار استاندارد تکمیل گفتگوی OpenAI پیروی می‌کند. می‌توانید از SDKهای رسمی OpenAI برای Python، Node.js یا هر زبان پشتیبانی‌شده دیگری بدون تغییر استفاده کنید. شناسه مدل به سادگی 'uncensored' است که در بدنه درخواست خود ارسال می‌کنید.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.geminiunfiltered.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

دسترسی کامل به پارامترهای استاندارد مانند temperature، top_p و دنباله‌های stop را دریافت می‌کنید. فراخوانی تابع و حالت JSON دقیقاً همان‌طور که توسط OpenAI مستند شده است کار می‌کنند. این بدان معناست که منطق مدیریت خطا و تلاش مجدد موجود شما بدون تغییر کار خواهد کرد. سازگاری شامل پاسخ‌های پخش زنده (streaming) نیز می‌شود که داده‌ها را به صورت قطعات بلادرسان ارسال می‌کنند.

افسانه: استریم خوب کار نمی‌کند

برخی توسعه‌دهندگان نگران هستند که مدل‌های بدون فیلتر ممکن است داده‌ها را به خوبی استریم نکنند یا اتصال را قطع کنند. API ما از رویدادهای سرور-ارسال‌شده (SSE) برای پاسخ‌های استریم پشتیبانی می‌کند. داده‌ها توکن به توکن دریافت می‌شوند و تجربه کاربری روانی در رابط‌های چت فراهم می‌کنند.

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

استریم به شما اجازه می‌دهد متن را همان‌طور که تولید می‌شود نمایش دهید که تأخیر ادراک‌شده برای کاربر نهایی را کاهش می‌دهد. این برای برنامه‌هایی که تعامل بلادرنگ در آن‌ها مورد انتظار است حیاتی است. جریان با یک قطعه‌ی نهایی که شامل کل مصرف توکن برای درخواست است پایان می‌یابد. این تضمین می‌کند که می‌توانید هزینه‌ها را حتی هنگام استریم به دقت ردیابی کنید.

واقعیت: داده‌های استفاده از توکن به‌روزرسانی لحظه‌ای

هر پاسخ جریان‌دار (streaming) شامل اطلاعات مصرف توکن در قطعه نهایی است. این داده‌ها نشان‌دهنده توکن‌های ورودی و خروجی واقعی مصرف‌شده توسط درخواست است. می‌توانید این داده‌ها را تجزیه کنید تا موجودی برنامه خود را به‌روز کنید یا برای تحلیل‌ها، مصرف را ثبت نمایید.

خطاها و رد شدن‌ها توکن مصرف نمی‌کنند، بنابراین فقط برای تولید موفق هزینه می‌شوید. این شفافیت به شما امکان می‌دهد هزینه‌ها را بر اساس الگوهای واقعی استفاده پیش‌بینی کنید. قیمت‌گذاری ساده است: ۰.۱۵ دلار به ازای هر ۱ میلیون توکن ورودی و ۰.۵۰ دلار به ازای هر ۱ میلیون توکن خروجی. هزینه پنهانی برای استریم یا فراخوانی تابع وجود ندارد. شما بابت آنچه استفاده می‌کنید پرداخت می‌کنید و اعتبار پیش‌پرداخت هرگز منقضی نمی‌شود.

افسانه: مدل‌های بدون سانسور کند هستند

مدل‌های بدون سانسور اغلب به دلیل تعداد پارامترهای بیشتر یا بهینه‌سازی کمتر، کندتر درک می‌شوند. مدل ما برای تأخیر کم روی سرورهای اختصاصی ما بهینه شده است. ما سرعت را در اولویت قرار می‌دهیم تا تجربه‌ای پاسخگو برای برنامه‌های چت تضمین شود.

مدل پاسخ‌ها را سریع تحویل می‌دهد و با عملکرد APIهای تجاری استاندارد مطابقت دارد. نیازی به انتظار برای تصمیمات مسیریابی پیچیده یا تعویض مدل ندارید. معماری سرویس‌دهی مستقیم زمان‌های پاسخگویی یکپارچه را تضمین می‌کند. این سرعت برای حفظ مشارکت در برنامه‌های تعاملی حیاتی است. خروجی نامحدود را بدون جریمه‌های تأخیر معمول دریافت می‌کنید.

واقعیت: بهینه‌سازی شده برای تأخیر کم

زیرساخت ما برای به حداقل رساندن زمان بین درخواست شما و اولین توکن تنظیم شده است. ما از سخت‌افزار با عملکرد بالا برای ارائه کارآمد مدل بدون سانسور استفاده می‌کنیم. این تضمین می‌کند که برنامه‌های شما حتی تحت بار کاری، واکنش‌گرا به نظر می‌رسند.

Copycurl https://api.geminiunfiltered.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list python dependencies for selenium"}]
  }'

می‌توانید درخواست‌هایی با پارامترهای مختلف مانند seed برای قابلیت تکرار یا frequency_penalty برای کنترل تکرار ارسال کنید. API این محاسبات را به صورت فوری انجام می‌دهد. تأخیر پایین در انواع مختلف درخواست‌ها از جمله streaming و non-streaming ثابت است. این قابلیت اطمینان به شما اجازه می‌دهد اپلیکیشن‌هایی بسازید که به زمان پاسخ سریع وابسته هستند. توسعه‌دهندگان می‌توانند این endpoint را بدون نگرانی از پاسخ‌های کند در گردش کار موجود خود ادغام کنند.