बिना सेंसर LLM: इसका अर्थ और उपयोग कैसे करें

एक बिना सेंसर LLM वास्तव में क्या है

अधिकांश चैट उत्पाद एक भाषा मॉडल को अस्वीकार व्यवहार की परतों में लपेटते हैं। इसमें से कुछ वेट्स में ट्रेन किया गया है, कुछ सिस्टम प्रॉम्प्ट है, और कुछ अलग फ़िल्टर है जो आपके इनपुट और जवाब को पढ़ता है। एक बिना सेंसर LLM एक ऐसा मॉडल है जिसके वेट्स को इस प्रकार ट्यून्ड किया गया है कि पहली परत, ट्रेन-इन अस्वीकार, बहुत कमजोर है। यह कथा में अंधेरे विषयों, सीधे चिकित्सा या कानूनी विषयों, और अन्य वयस्क सामग्री के बारे में प्रश्नों का उत्तर देता है जिसे एक मुख्यधारा की सहायक अक्सर अस्वीकार या कम कर देता है।

शब्द थोड़ा भ्रामक है। मॉडल से कुछ भी नहीं हटाया गया, जैसे एक कटा हुआ केबल। जो बदलता है वह ट्रेनिंग डेटा और ट्यूनिंग स्टेप्स हैं। एक बेस मॉडल एक विशाल टेक्स्ट कलेक्शन से भाषा सीखता है। एक बाद के चरण में इसे निर्देशों का पालन करना सिखाया जाता है और, आमतौर पर, अनुरोधों की एक लंबी सूची से इनकार करना। एक बिना सेंसर वाला संस्करण उस इनकार ट्रेनिंग का अधिकांश हिस्सा छोड़ देता है, या ट्यूनिंग जो दूसरी दिशा में धकेलता है, जोड़ता है।

इस साइट के पीछे की सेवा इस प्रकार का एक ओपन-वेट मॉडल चलाती है, जिसे एक स्वतंत्र प्रदाता संचालित करता है। यह किसी बड़े लैब का आधिकारिक API नहीं है, और न ही यह विक्रेताओं के बीच चयन करने वाला राउटर है। आपको एक ही मॉडल मिलता है, जिसकी ID uncensored है, जो एक मानक चैट पूर्णता एंडपॉइंट के पीछे है।

बिना सेंसर होने का क्या मतलब नहीं है

इसका मतलब यह नहीं है कि मॉडल की कोई सीमा नहीं है। यहाँ एक कठोर रेखा है: नाबालिगों से जुड़ी यौन सामग्री कभी नहीं। सेवा केवल कानूनी वयस्कों के उपयोग के लिए बनाई गई है। यदि आपको किसी अन्य उद्देश्य के लिए मॉडल चाहिए, तो यह सही उपकरण नहीं है।

इसका मतलब यह भी नहीं है कि मॉडल अधिक स्मार्ट, अधिक ईमानदार या अधिक सटीक है। कम इनकारों वाला मॉडल अभी भी गलतियाँ करता है, अभी भी तथ्यों का आविष्कार करता है जब उसे कुछ नहीं पता होता है, और अभी भी प्रॉम्प्ट्स के साथ सावधानी की आवश्यकता होती है। इनकारों को हटाने से यह बदलता है कि वह क्या कहने के लिए तैयार है, न कि यह कि वह कितनी अच्छी तरह तर्क करता है। किसी अन्य मॉडल की तरह ही उसके आउटपुट का इस्तेमाल करें: किसी भी बात की जाँच करें जो मायने रखती है।

अंत में, इसका मतलब यह नहीं है कि आप अपनी जिम्मेदारी छोड़ सकते हैं। यदि आप एक ऐप बनाते हैं, तो आप तय करते हैं कि आपके उपयोगकर्ता क्या कर सकते हैं, और आप कानून का पालन करने की जिम्मेदारी वहन करते हैं जहाँ आप और वे रहते हैं। एक मॉडल जो इनकार नहीं करता, एक बिना गार्ड के टूल है, इसलिए गार्ड आपके उत्पाद से आना चाहिए।

इनकार, हेजिंग और नैतिकता अलग-अलग चीजें हैं

लोग तीन व्यवहारों को एक साथ जोड़ देते हैं। अस्वीकृति एक स्पष्ट "मैं उसमें मदद नहीं कर सकता" है। हेजिंग एक जवाब है जो डिस्क्लेमर के नीचे दबा हुआ है। नैतिक शिक्षा एक बिन माँगा उपदेश है। एक प्रमुख सहायक अक्सर एक ही विषय पर ये तीनों करता है। एक बिना सेंसर मॉडल आमतौर पर अस्वीकृति और अधिकांश व्याख्या छोड़ देता है, इसलिए फिक्शन लेखक और रोलप्ले डेवलपर इसे पसंद करते हैं: आउटपुट किरदार में रहता है, दृश्य से बाहर निकलकर उस पर टिप्पणी किए बिना।

व्यवहार कहाँ से आता है

यदि एक मॉडल कम इनकार करता है, तो कारण चार स्थानों में से किसी एक में होता है, और यह जानना मददगार है कि कौन सा, क्योंकि उनमें से केवल कुछ ही आपके नियंत्रण में हैं।

1. प्रशिक्षण डेटा और ट्यूनिंग। यह मुख्य स्रोत है। यह प्रदाता द्वारा मॉडल बनाते समय फिक्स हो जाता है, और आप इसे API से नहीं बदल सकते।
2. सिस्टम प्रॉम्प्ट। आप इस पर नियंत्रण रखते हैं। एक स्पष्ट सिस्टम संदेश जो भूमिका, सेटिंग और टोन निर्धारित करता है, उदार (permissive) मॉडल पर भी जवाबों को काफी बदल देता है।
3. सैम्पलिंग सेटिंग्स। तापमान और top_p यह तय नहीं करते कि मॉडल किस पर चर्चा करेगा, लेकिन वे पाठ की विविधता और संगति को बदलते हैं। ये मॉडल को पास किए जाते हैं।
4. प्लेटफ़ॉर्म फ़िल्टर। कई होस्टेड APIs मॉडल के सामने एक मॉडरेशन लेयर जोड़ते हैं। वह लेयर ही वह कारण है कि एक अनुरोध विफल हो सकता है, भले ही अंतर्निहित वेट्स उसे जवाब दे सकते हों। इसके ऊपर बिल्ड करने से पहले जांचें कि एक प्रदाता इसे कैसे हैंडल करता है।

एक व्यावहारिक परिणाम: आप "जेलब्रेक" करके अलग मॉडल नहीं पा सकते। यदि एक प्रमुख सहायक अस्वीकार कर देता है, तो एक चतुर प्रॉम्प्ट अगली अपडेट तक ही मदद करता है। एक बिना सेंसर मॉडल समस्या को स्रोत पर ही पास कर जाता है।

कम इनकारों के लिए वैध उपयोग

लोगों के कम इनकार चाहने के कारणों की ईमानदार सूची सामान्य धारणा से लंबी है।

• कथा और विश्व निर्माण। उपन्यास हिंसा, अपराध, शोक और क्रूरता से निपटते हैं। एक लेखन सहायक जो दृश्य को तोड़कर आपको चेतावनी देता है, थ्रिलर या युद्ध की कहानी के लिए बेकार है।
• रोलप्ले और वयस्कों के लिए कंपैनियन ऐप्स। चरित्र-चालित चैट को ऐसे मॉडल की आवश्यकता होती है जो लंबी सत्रों में चरित्र में बना रहे और संपादकीय टिप्पणी करने के लिए रुके नहीं।
• सुरक्षा और मॉडरेशन परीक्षण। वे टीमें जो कंटेंट फ़िल्टर बनाती हैं, उन्हें उस टेक्स्ट के यथार्थवादी उदाहरणों की आवश्यकता होती है जिन्हें वे पकड़ना चाहती हैं। एक मॉडल जो कठिन केस उत्पन्न करता है, उन्हें परीक्षण करने में मदद करता है।
• शोध और विश्लेषण। चरमपंथी पाठों का सारांश, प्रचार का अध्ययन, या संवेदनशील इतिहास पर चर्चा करने से सावधान मॉडल के फ़िल्टर कभी-कभी फंस जाते हैं, भले ही उद्देश्य स्पष्ट हो।
• सीधे सलाह विषय। नशे, हानि न्यूनीकरण या कानूनी धूमिल क्षेत्रों के बारे में प्रश्नों के लिए सीधे जवाबों की आवश्यकता होती है, शर्तों की दीवार की नहीं। याद रखें कि मॉडल गलत हो सकता है, इसलिए इसे डॉक्टर या वकील की तरह न मानें।

इनमें से किसी भी चीज़ को कानून के विरुद्ध होने की आवश्यकता नहीं है, और सभी का उपयोग एक ऐसे मॉडल के साथ बेहतर होता है जो उपयोगकर्ता को एक वयस्क मानता है।

इसे कैसे कॉल करें: बेस URL, कुंजी और मॉडल ID

API OpenAI चैट पूर्णता फॉर्मेट का पालन करती है, इसलिए एक बार दो मान बदलने पर कोई भी OpenAI SDK या संगत क्लाइंट काम करता है। बेस URL https://api.ornith.top/v1 है, कुंजी Authorization: Bearer हेडर में जाती है, और मॉडल ID uncensored है। दो विधियाँ उपलब्ध हैं: POST /v1/chat/completions और GET /v1/models।

एक साधारण curl अनुरोध से शुरू करें ताकि पुष्टि हो सके कि आपकी कुंजी काम कर रही है:

Copycurl https://api.ornith.top/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [
      {"role": "system", "content": "You are a blunt editor for adult fiction."},
      {"role": "user", "content": "Rewrite this scene so the villain sounds more menacing."}
    ]
  }'

Python में, आधिकारिक openai पैकेज का उपयोग करें और इसे नए बेस URL पर इंगित करें:

Copyfrom openai import OpenAI

client = OpenAI(
    base_url="https://api.ornith.top/v1",
    api_key="YOUR_API_KEY",
)

resp = client.chat.completions.create(
    model="uncensored",
    messages=[
        {"role": "system", "content": "You write dark fantasy for adult readers."},
        {"role": "user", "content": "Describe a siege from the point of view of a tired defender."},
    ],
    temperature=0.9,
)
print(resp.choices[0].message.content)

और Node में वही:

Copyimport OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.ornith.top/v1",
  apiKey: process.env.API_KEY,
});

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Give me three bleak opening lines for a noir story." }],
  stream: true,
});

for await (const chunk of resp) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
}

स्ट्रीमिंग SSE के साथ stream: true के माध्यम से काम करती है, टूल कॉलिंग और JSON मोड समर्थित हैं, और कॉन्टेक्स्ट विंडो प्रॉम्प्ट और प्रतिक्रिया को मिलाकर 100,000 टोकन की गिनती में है। API दस्तावेज़ प्रत्येक पैरामीटर और प्रतिक्रिया हेडर कवर करते हैं, जिसमें X-Balance-USD शामिल है, जो हर कॉल पर आपका शेष क्रेडिट दिखाता है।

इसकी लागत, वास्तविक संख्याओं के साथ

मूल्य निर्धारण प्रीपेड क्रेडिट से पे-एज़-यू-गो है: $0.15 प्रति 1M इनपुट टोकन और $0.50 प्रति 1M आउटपुट टोकन। कोई सब्सक्रिप्शन नहीं है, विफल या अस्वीकृत अनुरोधों के लिए चार्ज नहीं किया जाता है, और क्रेडिट कभी समाप्त नहीं होता।

एक सामान्य चैट टर्न लें जिसमें 2,000-टोकन वाला प्रॉम्प्ट (सिस्टम मेसेज प्लस हिस्ट्री) और 500-टोकन वाला रिप्लाई हो:

• इनपुट: 2,000 टोकन $0.15 प्रति 1M पर $0.0003।
• आउटपुट: 500 टोकन $0.50 प्रति 1M पर $0.00025।
• प्रति टर्न कुल: $0.00055.

ऐसे एक हज़ार टर्न्स की लागत $0.55 है। इसलिए $0.50 का ट्रायल क्रेडिट लगभग 900 टर्न्स को कवर करता है, जो कुछ भी भुगतान करने से पहले लेखन गुणवत्ता का आकलन करने के लिए पर्याप्त है। किसी भारी कार्य के लिए, जैसे कि एक महीने में 10M इनपुट टोकन और 2M आउटपुट टोकन, बिल $1.50 प्लस $1.00, यानी $2.50 होता है।

जब आप टॉप-अप करते हैं, तो $20 से $500 तक कोई भी पूर्ण राशि काम करती है, $50 से 5% बोनस, $100 से 10% और $200 से 15% मिलता है। आप कार्ड (Visa, Mastercard, Apple Pay, Google Pay) या क्रिप्टो (TRC20 पर USDT, Base पर USDC) से भुगतान कर सकते हैं। पूरी तालिका के लिए मूल्य निर्धारण पृष्ठ देखें।

इसे आज़माना और विकल्पों के बीच चुनना

नए उपयोगकर्ता Google या ईमेल और पासवर्ड से साइन इन करने के बाद API कुंजी पृष्ठ पर एक क्लिक से $0.50 का मुफ़्त ट्रायल क्रेडिट दावा कर सकते हैं। इसके लिए कार्ड की आवश्यकता नहीं है, यह प्रति व्यक्ति एक है और 7 दिनों के लिए मान्य है। एक ट्रायल कुंजी 2 समानांतर अनुरोध और प्रति मिनट 60 अनुरोध की अनुमति देती है; एक पूर्ण कुंजी 8 समानांतर और प्रति मिनट 300 की अनुमति देती है। आप API कुंजी प्राप्त कर सकते हैं और ऊपर दिए गए उदाहरण चला सकते हैं।

होस्टेड मॉडल कम रिफ्यूज़ल पाने का एकमात्र तरीका नहीं है। आप एक ओपन-वेट मॉडल भी डाउनलोड कर सकते हैं और इसे अपने स्वयं के हार्डवेयर पर चला सकते हैं, जिससे आपको पूर्ण नियंत्रण मिलता है और यह ऑफलाइन काम करता है, जिसकी कीमत एक सक्षम GPU और कुछ सेटअप की है। हमारा ओपन सोर्स LLM API गाइड विकल्पों और लागत की तुलना करता है। होस्टेड राउट तब बेहतर होता है जब आपको हार्डवेयर न चाहिए, ऐप के लिए एक स्थिर एंडपॉइंट चाहिए, और बिलिंग जो शून्य तक स्केल हो जब कोई उपयोग न करे।

संवेदनशील टेक्स्ट हैंडल करने वालों के लिए एक और बिंदु: सेवा को भेजे गए प्रॉम्प्ट ट्रेनिंग के लिए उपयोग नहीं किए जाते। विवरण के लिए गोपनीयता पृष्ठ पढ़ें।

अधिक गाइड

• Ollama के साथ स्थानीय रूप से चलाने के लिए सर्वश्रेष्ठ बिना सेंसर LLM
• SillyTavern के लिए बिना सेंसर LLM API: सेटअप चरण
• ओपन सोर्स LLM API गाइड: सेटअप, लागत और वैकल्पिक समाधान