Dolphin AI: Tjekliste til produktion af ucensurerede LLM'er

Verificér uncensored-indholdspolitik

Ja, modellen afviser ikke lovligt voksen, fiktiv, sikkerhedsforskning eller kontroversielt indhold.

I modsætning til standard LLM'er, der anvender skjulte sikkerhedsfiltre, tillader en ubegrænset AI-model dig at generere NSFW-indhold eller udforske kanttilfælde uden uventede afvisninger. Du bør verificere dette ved at sende en forespørgsel, der typisk udløser en sikkerhedsblok i kommercielle modeller. Hvis svaret returnerer tekst i stedet for en afvisning, fungerer politikken, som den skal. Bemærk, at der altid gælder en hård indholdsbegrænsning: forespørgsler, der involverer seksuelt indhold med mindreårige, afvises. Dette er en standard juridisk grænse, ikke en stilistisk filter.

Når du tester, skal du bruge prompts, der er teknisk gyldige, men socialt begrænsede. Dette bekræfter, at modellen er virkelig uncensord til din specifikke use case. Husk, at dette gælder kun for tekstgenerering. Der er ingen billed- eller lydgenerering, så uncensord-funktionen er strengt for tekst.

Tjek kontekstgrænser

Ja, kontekstvinduet understøtter 100.000 tokens til både prompt og completion tilsammen.

Dette store vindue giver dig mulighed for at behandle omfattende dokumenter eller lange samtaler i en enkelt anmodning. Du skal dog tage højde for max output-grænsen. Du kan anmode om op til 16,000 tokens per svar. Hvis du ikke indstiller max_tokens parameter er standard 2.048 tokens. Denne forskel er kritisk for opgaver med lang-form generering.

Når du designer din applikation, skal du sikre, at din client library håndterer lange svar korrekt. Streaming er ofte nødvendigt for at håndtere hukommelsesforbrug til store outputs. Grænsen på 100.000 tokens gælder for den samlede størrelse af requesten. Det betyder, at din input-prompt og den genererede output deler dette budget. Planlæg dit token-forbrug tilsvarende for at undgå forkortelse eller fejl.

Bekræft streaming-understøttelse

Ja, streaming understøttes via Server-Sent Events (SSE).

Streaming giver dig mulighed for at modtage tokens, mens de genereres, hvilket reducerer den opfattede forsinkelse for brugere. Dette er essentielt for chatgrænseflader og realtidsapplikationer. API'et returnerer token-forbrugsoplysninger i den sidste del af streamet. Dette sikrer, at du kan spore omkostninger præcist, selv når du streamer.

For at implementere dette skal du bruge stream parameter i din request. Din klientbibliotek bør håndtere SSE-streamen korrekt. Ikke alle SDK'er håndterer streaming lige godt. Test din implementering for at sikre, at den ikke mister tokens eller forsinkvis visning. Streaming er en standardfunktion i moderne LLM-API'er. Det forbedrer brugeroplevelsen betydeligt for lange svar.

Test funktionskaldsfunktioner

Ja, funktionssamtaler understøttes med tools og tool_choice.

Function calling gør det muligt for modellen at outputte struktureret data, som din applikation kan eksekvere. Dette er afgørende for at bygge agents eller komplekse workflows. Du definerer værktøjerne i requestet, og modellen svarer med et struktureret JSON-objekt indeholdende funktionsnavn og argumenter.

Test dette ved at definere et simpelt værktøj, f.eks. en vejrsøgning eller en lommeregner. Send en anmodning, der udløser værktøjet. Verificer, at modellen returnerer det korrekte funktionsnavn og gyldige argumenter. Dette bekræfter, at modellen forstår værktuets schema. Function calling er en nøglefunktion til avancerede LLM-applikationer. Sørg for, at din klientbibliotek parser svaret korrekt.

Valider stabilitet i JSON-tilstand

Ja, JSON-tilstand understøttes via response_format parameter.

Indstilling response_format til json_object tvinger modellen til at outputte gyldig JSON. Dette er nyttigt til at parse struktureret data uden at stole på function calling. Det sikrer, at outputtet er maskinelæsbart. Denne funktion er stabil og pålidelig til struktureret dataudtræk.

Test dette ved at sende en prompt, der kræver en specifik JSON-struktur. Verificer, at outputtet parser korrekt uden fejl. JSON-tilstand er essentiel til integration af LLM'er i eksisterende systemer. Det reducerer behovet for efterbehandling til at fikse malformerede output. Sørg for, at din applikation håndterer JSON-parseringsfejl elegant.

Gennemse prissætningsgennemsigtighed

Ja, prissætningen er gennemsigtig med klar per-token-fakturering.

Prisen er $0,15 per 1 million input-tokens og $0,50 per 1 million output-tokens. Der er ingen skjulte gebyrer eller abonnementsbinding. Du betaler kun for det, du bruger. Fejl og afvisninger er gratis, hvilket reducerer risikoen ved test. Denne model er en billig LLM-API til high-volume-usecases.

Forudbet kredit opkræves baseret på reel tokenbrug. Kreditten udløber ikke. Dette adskiller sig fra abonnementsmodeller, der opkræver månedligt uanset forbrug. Du kan indbetale når som helst. Prissætningen er gennemsigtig og forudsigelig. Beregn dine omkostninger baseret på dit forventede tokenvolumen. Denne gennemsigtighed hjælper dig med at budgetlægge præcist til dine projekter.

Vurder betalingsflexibilitet

Ja, betalingen er fleksibel, men begrænset til krypto.

Du kan toppe op med USDT på TRC20 eller USDC på Base. Minimumsbeløbet er $20, og maksimum er $500. Der er bonuskreditter til større top-ups: +5% fra $50, +10% fra $100 og +15% fra $200. Dette giver dig mulighed for at teste API'et uden forpligtelse. Tilmelding sker via Google eller e-mail. API-nøglen vises med det samme. Denne strømlinede proces reducerer friktion for udviklere. Sørg for, at din betalingsgateway understøtter de angivne kryptovalutaer. Bonuskreditterne tilføjer værdi til brugere med højt forbrug.

Tjek privatliv og databrug

Ja, dine data er private og bruges ikke til træning.

Når du sender en anmodning, bruges prompterne ikke til at træne modellen. Dette er afgørende for proprietær data eller følsomt indhold. Kontoen kræver kun en e-mailadresse. Intet telefonnummer er nødvendigt. Dette minimerer indsamling af persondata. Du beholder fuld kontrol over dine data.

Verificér dette ved at tjekke servicevilkårene eller API-dokumentationen. Sørg for, at din klientbibliotek ikke logger prompts unødigt. Privatliv er et vigtigt emne for virksomhedsbrugere. Den ubegrænsede natur af modellen betyder, at du kan sende følsomt indhold uden frygt for, at det bliver brugt til træning. Dette er en betydelig fordel i forhold til kommercielle modeller, der bruger data til forbedring.

Test hastighedsbegrænsninger og konkurrenceevne

Ja, rate limits er sat til 300 anmodninger i minuttet og 8 samtidige anmodninger per nøgle.

Dette giver mulighed for applikationer med høj throughput uden overdreven throttling. Grænsen for request-body er 8 MB. Dette understøtter store inputs. Der er tilladt én aktiv nøgle pr. konto. En ny nøgle erstatter den gamle. Dette forenkler nøglehåndtering.

Test din applikation under belastning for at sikre, at den håndterer disse grænser korrekt. Implementer retry-logik for rate limit-fejl. Grænsen for concurrent connections er vigtig for parallel processing. Sørg for, at dit client library respekterer disse grænser. Dette forhindrer overbelastning af API'et og sikrer konsistent ydeevne. 8 MB-grænsen er tilstrækkelig til de fleste brugssager.