Fejl 1: Antage, at alle 'ukensurerede' modeller er lige så ubegrænsede
Begrebet uncensored AI bruges ofte løst af aggregators til at beskrive modeller med afslappede filter. Nogle modeller beholder stadig hårde klassifikatorer for specifikke emner, mens andre er ægte open-weight og finjusteret til minimal afvisning. Denne variation betyder, at din integration måske fungerer perfekt med den ene model, men rammer uventede afvisninger med en anden. Verificér altid den specifikke adfærd for den model, du ruter til.
Vi tilbyder en enkelt, virkelig uncensored-model, der ikke afviser lovligt voksen eller kontroversielt indhold. Dette eliminerer gætværket ved modelruting. Du får konsistent adfærd på hver anmodning uden at bekymre dig om skjulte guardrails.
Fejl 2: At ignorere grænserne for kontekstvinduet på 100k tokens
Din integration fejler, når de samlede tokens i prompten plus completionen overstiger modellens grænse. Mange udviklere konfigurerer deres klient til at sende 100k tokens, men glemmer, at modellen har brug for plads til at generere svaret. Hvis kontekstvinduet er 100.000 tokens, skal du reservere plads til outputtet. At sende en for stor prompt resulterer i en øjeblikkelig fejl eller afkortning.
Vi understøtter et kontekstvindue på 100.000 tokens for prompt og completion tilsammen. Dette giver mulighed for omfattende historik eller lange dokumenter. Sørg for, at din kode beregner de resterende tokens korrekt før hver anmodning. En overskridelse af denne grænse spilder penge på afviste anmodninger.
Fejl 3: At forveksle max_tokens med kontekstlængde
Kontekstlængden definerer, hvor meget historik modellen kan læse. Max tokens definerer, hvor meget tekst modellen kan skrive. Disse er uafhængige begrænsninger. Du kan have et stort kontekstvindue, men et lille max output. Hvis du indstiller max_tokens for lavt, forkortes dit svar. Hvis du indstiller det for højt, risikerer du unødvendige omkostninger, hvis modellen genererer fyldtekst.
Vores ubegrænsede LLM understøtter et maksimum output på 16.000 tokens pr. anmodning. Hvis du ikke indstiller max_tokens, indstilles det som standard til 2.048 tokens. Denne standard er ofte for kort til komplekse ræsonnementopgaver. Indstil parameteren eksplicit for at matche din forventede svarlængde. Dette forhindrer forkortet JSON eller ufuldstændige kodeblokke.
Fejl 4: At overse forskellen mellem streaming og ikke-streaming tokenoptælling
Streaming-respons leverer tokens inkrementelt. Ikke-streaming-respons venter på hele afslutningen. Tokenforbrug rapporteres ofte i den sidste chunk af et stream. Hvis din klient ignorerer den sidste chunk, mister du præcis faktureringsdata. Dette gør fejlsøgning af dyre anmodninger besværligt.
Vi leverer streaming via SSE med tokenforbrug i den sidste chunk. Sørg for, at din parser fanger denne sidste hændelse. Ikke-streaming-anmodninger inkluderer også forbrugsdata i response-body. Brug streaming for en bedre brugeroplevelse, men følg forbruget korrekt. Manglen på den sidste chunk fører til underrapporterede omkostninger.
Fejl 5: At forvente nul afvisninger for alle indholdstyper
Uncensored betyder ikke ubegrænset. De fleste modeller håndhæver stadig en hård grænse for seksuelt indhold med mindreårig. Dette er en standard sikkerhedsbaseline, selv i open-weight-modeller. Hvis du sender en prompt, der overtræder denne regel, returnerer API:et en nægtelse. Dette er ikke en fejl; det er håndhævelse af politik.
Vores API afviser anmodninger, der indeholder seksuelt indhold med mindreårig. Alt andet lovligt voksenindhold er tilladt. Denne hårde grænse gælder uanset prompt-stil. Antag ikke, at hver afvisning indikerer et modelproblem. Tjek dit indhold mod denne specifikke begrænsning først.
Fejl 6: Brug af forkerte temperaturindstillinger til kreativt vs. kodning
Temperatur styrer tilfældigheden. Høje værdier øger kreativiteten, men reducerer præcisionen. Lavere værdier gør outputtet deterministisk og præcist. Brug af en høj temperatur til kodegenerering introducerer syntaksfejl. Brug af en lav temperatur til kreativ skrivning gør teksten gentagende og kedelig.
Juster temperaturen baseret på din opgave. Brug lavere værdier til function calling eller JSON-tilstand. Brug højere værdier til historiegenerering eller brainstorming. Vores uncensored LLM reagerer godt på disse justeringer. Test forskellige værdier for at finde den rigtige balance til din brugssag.
Fejl 7: Ikke teste JSON-tilstandens outputstruktur tidligt
LLM'er er ikke databaser. De genererer tekst, der ligner JSON. Fejl opstår, når modellen udskriver ekstra tekst eller ugyldig syntaks. Parsing mislykkes, hvis du ikke validerer output. At stole på, at modellen producerer perfekt JSON hver gang, er risikabelt. Implementer altid en retry-mekanisme for ugyldig JSON.
Vi understøtter JSON-tilstand via response_format json_object. Dette tvinger modellen til at outputte gyldig JSON. Den kan stadig producere tomme objekter eller manglende felter. Valider strukturen, før du bruger dataene. Dette sparer fejlfindingstid senere i pipeline.
Fejl 8: Forudsætte, at kredit udløber som et abonnement
Mange API-udbydere opkræver månedlige gebyrer, der udløber. Vores model er anderledes. Du betaler for det, du bruger. Forudbetalt kredit udløber aldrig. Hvis du uploader $100, forbliver denne saldo tilgængelig uendeligt. Dette er ideelt til intermitterende projekter eller langtidslagring. Du mister ikke penge ved at vente.
Vi opkræver baseret på reel tokenforbrug. Fejl og afslag er gratis. Det betyder, at du kun betaler for succesfulde gennemførelser. Topsup kun med krypto. Ingen månedlige gebyrer betyder ingen overraskende gebyrer. Brug forudbetalte model til forudsigelige langsigtede omkostninger.
