Hermes API: دليل المطورين للتوليد غير الخاضع للرقابة

ما هي Hermes API؟

تشير واجهة برمجة التطبيقات hermes api إلى نقطة نهاية لنموذج لغوي كبير بدون رقابة، مصممة للمطورين الذين يحتاجون إلى توليد نصوص خام دون فلاتر المحتوى المعتادة لدى مزودي الخدمات التجارية الكبرى. تعمل هذه الخدمة كبديل متخصص لواجهات برمجة التطبيقات LLM العامة، مع التركيز على معرف نموذج واحد مُسمى uncensored. على عكس البوابات متعددة النماذج التي توجه الطلبات إلى موردين مختلفين، تخدم هذه النقطة نموذجًا مفتوح الأوزان مستضافًا على خوادم مخصصة، ومضبوط للإجابة على الأسئلة حول المواضيع البالغة أو السياسية أو المثيرة للجدل دون رفض.

الحالة الاستخدام الأساسية هي الدمج في التطبيقات حيث يتم التعامل مع مراجعة المحتوى بواسطة العميل أو حيث يجب ألا يمنع النموذج نفسه المحتوى البالغ القانوني. واجهة برمجة التطبيقات هي نص إدخال فقط، ونص إخراج فقط. لا تقدم تضمينات أو توليد صور أو معالجة صوت. سيجد المطورون الذين يبحثون عن محرك توليد نصوص خالص للكتابة الإبداعية البالغة أو غير المقيدة أن هذه النقطة مناسبة للدمج المباشر في قواعد الشفرة الحالية.

من المهم ملاحظة أن هذه خدمة مستقلة. لا تقدم GPT أو Claude أو نماذج موردين آخرين. يعمل النموذج على بنيتها التحتية الخاصة ويتم الوصول إليه عبر واجهة REST القياسية. يُستخدم اسم hermes api غالباً بشكل عامي في مجتمع المطورين للإشارة إلى هذه القدرة المحددة في التوليد غير الخاضع للرقابة، والمميزة عن المتغيرات الأساسية مفتوحة المصدر.

لماذا تختار نموذجًا بدون رقابة؟

غالباً ما تستخدم نماذج LLM القياسية آليات رفض تنشط عند الكلمات الرئيسية أو السياق المرتبط بالموضوعات البالغة، أو المعارضة السياسية، أو الهوايات المتخصصة. بالنسبة للمطورين الذين يبنون منصات محتوى، أو محركات لعب الأدوار، أو أدوات الكتابة الإبداعية، يمكن أن تؤدي هذه الرفضات إلى تعطيل تجربة المستخدم. يعطي النموذج غير الخاضع للرقابة مثل المقدم هنا الأولوية للإجابة على الموجّه بدلاً من فرض دليل أخلاقي أو سلامة معين، شريطة أن لا يكون المحتوى غير قانوني (مثل إشراك القاصرين).

يُتيح اختيار نقطة النهاية بدون رقابة تحكمًا أكبر في المخرجات النهائية. إذا كنت بحاجة إلى أن يصف النموذج العنف أو المواضيع الجنسية أو الأحداث التاريخية المثيرة للجدل دون ظهور خطأ 403 أو استجابة مُفلترة، فإن هذا الـ API مُصمم لهذا الغرض. وهو مفيد بشكل خاص لعشّاق uncensored llama وuncensored mistral الذين يريدون سلوك النماذج الأساسية دون طبقات الأمان الإضافية التي تضيفها المزودون التجاريون.

• الاتساق: لا يرفض النموذج عشوائيًا بناءً على سياق غامض.
• حرية الإبداع: مثالي لتوليد الخيال الأدبي، والأدب الرومانسي، أو النكت الجريئة.
• البساطة: نموذج واحد، سلوك واحد، بدون منطق توجيه معقد.

التوافق مع واجهات برمجة تطبيقات OpenAI

أهم ميزة لهذه نقطة النهاية هي التزامها الصارم بمواصفات واجهة برمجة تطبيقات OpenAI. يمكنك استخدام مكتبة openai الرسمية لـ Python، أو عميل Node.js، أو أي مكتبة متوافقة مع OpenAI عن طريق تغيير عنوان URL الأساسي ومفتاح API فقط. تدعم نقطة النهاية POST /v1/chat/completions وGET /v1/models، مما يضمن عمل هياكل الطلبات والاستجابة القياسية مباشرة.

لإجراء التكامل، استبدل عنوان URL الأساسي الافتراضي بـ https://api.openrouternsfw.com/v1 وقم بتوفير مفتاح API الخاص بك. معرف النموذج الذي ترسله في جسم الطلب هو uncensored. هذا يعني أن الكود الحالي الخاص بك لمعالجة سجلات الدردشة، والموجهات النظامية، ورسائل المستخدم لا يتطلب أي تعديل. يمتد هذا التوافق إلى مستخدمي uncensored grok وdeepseek api الذين يتقنون بالفعل هيكل JSON الخاص بـ OpenAI.

تدعم نقطة النهاية استجابات البث المتدفق عبر أحداث الإرسال عبر الخادم (SSE)، مما يتيح لك معالجة الرموز (token) أثناء توليدها. كما تدعم استدعاء الدوال (الأدوات)، ووضع JSON للمخرجات المهيكلة، والمعلمات القياسية مثل temperature وtop_p. هذا يجعلها بديلاً جاهزًا للعديد من تكاملات LLM القياسية.

التكوين: درجة الحرارة و Top P

يتم التحكم في العشوائية والإبداع في المخرجات من خلال المعلمات القياسية. قيمة temperature تضبط توزيع الاحتمالية للرمز التالي. درجة الحرارة المنخفضة (مثل 0.2) تجعل المخرجات أكثر حتمية وتركيزًا، بينما تزيد درجة الحرارة المرتفعة (مثل 0.8) من الإبداع والتنوع. لتوليد المحتوى البالغ، غالبًا ما تعطي درجة حرارة معتدلة أفضل توازن بين الاتساق والتنوع.

تتحكم المعلمة top_p في أخذ العينات النووية. وهي تحد من تفكير النموذج في الرموز التي تتجاوز احتمالاتها التراكمية قيمة p. هذه طريقة أخرى للتحكم في العشوائية، وغالبًا ما تُستخدم بالتزامن مع درجة الحرارة. على سبيل المثال، تعني قيمة top_p البالغة 0.95 أن النموذج ينظر فقط إلى 95% من الرموز الأكثر احتمالًا.

تشمل المعلمات المدعومة الأخرى تسلسلات stop، وseed لإعادة الإنتاج، وpresence_penalty وfrequency_penalty لتشجيع تجنب التكرار. تُمرر هذه الإعدادات في جسم الطلب تمامًا كما تفعل مع أي نموذج متوافق مع OpenAI. يتيح لك ضبط هذه الإعدادات تحسين مخرجات hermes api لتنسيقات محددة أو مستويات التفاصيل.

معالجة الاستجابات المتدفقة

يعد البث المتدفق أمرًا أساسيًا لتجارب المستخدم في الوقت الفعلي. يدعم الـ API أحداث Server-Sent Events (SSE)، مما يتيح لك استقبال الرموز أثناء توليدها بدلاً من انتظار الاستجابة الكاملة. هذا يقلل من زمن الاستجابة المُدرَك ويحسن تجربة المستخدم لواجهات الدردشة.

عند استخدام المكتبات الرسمية، يتم تمكين البث المتدفق عن طريق تعيين stream=True في الطلب. ستقوم المكتبة بإرجاع أجزاء من البيانات عند وصولها. عادةً ما تحتوي الشريحة الأخيرة في البث على إحصائيات الاستخدام، بما في ذلك عدد رموز الإدخال والإخراج. هذا يتيح لك تتبع التكاليف بدقة في الوقت الفعلي.

للتنفيذ غير المكتبي (non-SDK)، يمكنك تحليل تدفق SSE مباشرة. يبدأ كل جزء بـ data: متبوعًا بكائن JSON. سيكون الجزء الأخير بـ data: [DONE]. تأكد من أن عميلك يتعامل مع انقطاعات الشبكة المحتملة بسلاسة، حيث يمكن أن تنقطع اتصالات البث. تضمن hermes api أن بيانات الاستخدام تُبلغ عنها بشكل موثوق في الجزء الأخير لأغراض الفوترة.

كفاءة الرموز والحدود

يدعم النموذج نافذة سياق بحجم 100,000 رمز، بما في ذلك كل من الموجّه والإكمال. هذا كافٍ لمعظم توليد المحتوى طويل المدى ومهام الاستدلال المعقدة. لا يوجد حد أقصى منفصل للإخراج لكل طلب، وإذا لم تحدد max_tokens، يمكن أن يمتد الرد إلى نهاية النافذة. بالنسبة للاستجابات طويلة جدًا، قد تحتاج إلى تنفيذ منطق لتقسيم الموجّه أو طلب إكمالات متعددة.

التسعير شفاف ويعتمد على استخدام الرموز (tokens). تكلف الرموز المدخلة $0.15 لكل مليون رمز، وتكلف الرموز المخرجة $0.50 لكل مليون رمز. الأخطاء والرفضات (لفلتر المحتوى الثانوي) مجانية، لذا تدفع فقط مقابل التوليد الناجح. هذا النموذج فعال لتوليد النصوص عالي الحجم.

• نافذة السياق: 100,000 رمز إجمالي.
• الحد الأقصى للإخراج: حتى نهاية نافذة الـ 100,000 رمز.
• حدّ المعدل: 300 طلب في الدقيقة لكل مفتاح.
• التزامن: 8 طلبات متزامنة لكل مفتاح.

مقارنة مع نماذج أخرى

عند تقييم hermes api، من المفيد مقارنتها بخيارات أخرى مثل uncensored llama أو uncensored mistral. على عكس الحلول المستضافة ذاتيًا مثل Ollama، لا تتطلب هذه الخدمة إدارة للبنية التحتية. تحصل على نقطة النهاية موثوقة دون تكوين وحدات معالجة الرسومات أو إدارة أوزان النموذج. على عكس بوابات النماذج المتعددة، فهي توفر سلوكًا واحدًا ومتسقًا دون عبء التوجيه.

مقارنة بالنماذج التجارية مثل GPT-4o أو Claude، فإن هذه النقطة أرخص بكثير لتوليد النصوص عالي الحجم ولا تطبق فلاتر المحتوى. ومع ذلك، قد لا تتطابق قدرات الاستدلال في أكبر النماذج الخاصة. هي الأنسب للمهام التي تكون فيها مرونة المحتوى أكثر أهمية من المنطق المتقدم.

لمستخدمي الـ deepseek api، هيكل التسعير تنافسي، لكن بنية النموذج مختلفة. الـ hermes api مُحسّن لتوليد النصوص بدون رقابة، مما يجعله أداة متخصصة بدلاً من ذكاء اصطناعي لأغراض عامة. إذا كنت بحاجة إلى تضمينات أو توليد صور، فستحتاج إلى استخدام خدمة مختلفة، لأن هذا الـ endpoint مخصص للنصوص فقط.

البدء مع أمثلة التعليمات البرمجية

دمج واجهة برمجة التطبيقات أمر بسيط. تحتاج إلى مفتاح API، يمكنك إنشاؤه عن طريق التسجيل باستخدام Google أو البريد الإلكتروني. يتم توفير المفتاح على الفور. بعد ذلك، قم بتكوين مكتبة SDK الخاصة بك بعنوان URL الأساسي https://api.openrouternsfw.com/v1 ومعرف النموذج uncensored.

إليك مثال Python أساسي باستخدام المكتبة الرسمية:

نسخfrom openai import OpenAI

client = OpenAI(base_url="https://api.openrouternsfw.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)

وإليك مثالًا باستخدام Node.js:

نسخimport OpenAI from "openai";

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

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

بالنسبة لاستجابات البث المتدفق، تتعامل مكتبة SDK مع تحليل SSE تلقائيًا. يمكنك المرور على القطع (chunks) أثناء وصولها. هذا يتيح عرض النص في الوقت الفعلي في تطبيقك. تضمن hermes api أن تنسيق الاستجابة يتطابق مع المعيار الخاص بـ OpenAI، لذا لا توجد حاجة إلى منطق تحليل مخصص لحالات الاستخدام الشائعة.

المزيد من الأدلة

• بديل مجاني لـ OpenRouter؟ ما الذي تحصل عليه فعلياً
• كيفية استخدام OpenRouter على Janitor AI: إعداد الوكيل
• بوت ديسكورد مفتوح المصدر مع نموذج LLM بدون رقابة