Hermes API: बिना सेंसर जनरेशन के लिए एक डेवलपर का गाइड

Hermes API क्या है?

hermes api का संदर्भ एक बिना सेंसर लार्ज लैंग्वेज मॉडल एंडपॉइंट से है जो उन डेवलपर्स के लिए डिज़ाइन किया गया है जिन्हें मुख्य वाणिज्यिक प्रदाताओं की सामग्री फिल्टर के बिना रॉ टेक्स्ट जनरेशन की आवश्यकता है। यह सेवा सामान्य-उद्देश्य LLM APIs के लिए एक विशेष विकल्प के रूप में काम करती है, जो uncensored लेबल वाले एकल मॉडल ID पर केंद्रित है। मल्टी-मॉडल गेटवे के विपरीत जो विभिन्न विक्रेताओं के लिए अनुरोध रूट करते हैं, यह एंडपॉइंट एक ओपन-वेट मॉडल सर्व करता है जो समर्पित सर्वर पर होस्ट किया गया है, वयस्क, राजनीतिक या विवादास्पद विषयों पर प्रश्नों के उत्तर देने के लिए ट्यून किया गया है बिना अस्वीकृति के।

प्राथमिक उपयोग मामला उन एप्लिकेशन में एकीकरण है जहां सामग्री मॉडरेशन क्लाइंट द्वारा संभाला जाता है या जहां मॉडल को कानूनी वयस्क सामग्री को ब्लॉक नहीं करना चाहिए। API कठोरता से टेक्स्ट-इन, टेक्स्ट-आउट है। यह एम्बेडिंग, इमेज जनरेशन, या ऑडियो प्रोसेसिंग प्रदान नहीं करता है। वयस्क या अनरस्ट्रिक्टेड क्रिएटिव राइटिंग के लिए एक शुद्ध टेक्स्ट जनरेशन इंजन खोजने वाले डेवलपर्स मौजूदा कोडबेस में सीधे एकीकरण के लिए इस एंडपॉइंट को उपयुक्त पाएंगे।

यह एक स्वतंत्र सेवा है। यह GPT, Claude या अन्य विक्रेता मॉडल नहीं देता। मॉडल अपनी ही इंफ्रास्ट्रक्चर पर चलता है और एक मानक REST इंटरफ़ेस के माध्यम से एक्सेस किया जाता है। hermes api नाम अक्सर डेवलपर समुदाय में इस विशिष्ट बिना सेंसर जनरेट करने की क्षमता के लिए प्रयोग किया जाता है, जो बेस ओपन-सोर्स वेरिएंट से अलग है।

बिना सेंसर मॉडल क्यों चुनें?

मानक LLM अक्सर अस्वीकृति तंत्र का उपयोग करते हैं जो वयस्क विषयों, राजनीतिक असहमति या निच शौक से संबंधित कीवर्ड या कॉन्टेक्स्ट पर ट्रिगर होते हैं। सामग्री प्लेटफॉर्म, रोलप्ले इंजन या क्रिएटिव राइटिंग टूल्स बना रहे डेवलपर्स के लिए, ये अस्वीकृतियां उपयोगकर्ता अनुभव को तोड़ सकती हैं। यहाँ प्रदान की गई एक बिना सेंसर मॉडल की तरह, प्रॉम्प्ट के उत्तर देने को विशिष्ट नैतिक या सुरक्षा दिशानिर्देश लागू करने से प्राथमिकता दी जाती है, बशर्ते सामग्री अवैध न हो (जैसे कि नाबालिगों से संबंधित)।

एक बिना सेंसर एंडपॉइंट चुनने से अंतिम आउटपुट पर अधिक नियंत्रण मिलता है। यदि आपको मॉडल से हिंसा, यौन विषयों या विवादास्पद ऐतिहासिक घटनाओं का वर्णन बिना 403 या फ़िल्टर किए गए प्रतिक्रिया के चाहिए, तो यह API उसी उद्देश्य के लिए डिज़ाइन किया गया है। यह उन uncensored llama और uncensored mistral प्रशंसकों के लिए विशेष रूप से उपयोगी है जो व्यावसायिक प्रदाताओं द्वारा जोड़े गए अतिरिक्त सुरक्षा स्तरों के बिना उन बेस मॉडल के व्यवहार को चाहते हैं।

• स्थिरता: मॉडल संदर्भ अस्पष्ट होने पर यादृच्छिक रूप से अस्वीकार नहीं करता है।
• रचनात्मक स्वतंत्रता: कथा, इरोटिका या तीखे हास्य उत्पादन के लिए आदर्श।
• सरलता: एक मॉडल, एक व्यवहार, कोई जटिल रूटिंग लॉजिक नहीं।

OpenAI SDKs के साथ संगतता

इस एंडपॉइंट का सबसे महत्वपूर्ण लाभ इसकी OpenAI API विनिर्देशों के कड़े पालन में है। आप आधिकारिक openai Python SDK, Node.js क्लाइंट, या किसी अन्य OpenAI-संगत लाइब्रेरी का उपयोग कर सकते हैं, बस बेस URL और API कुंजी बदलकर। एंडपॉइंट POST /v1/chat/completions और GET /v1/models का समर्थन करता है, जिससे मानक अनुरोध बॉडी और प्रतिक्रिया संरचनाएँ तुरंत काम करती हैं।

एकीकरण के लिए, आप डिफ़ॉल्ट बेस URL को https://api.openrouternsfw.com/v1 से बदल देते हैं और अपनी API कुंजी प्रदान करते हैं। अनुरोध बॉडी में भेजा जाने वाला मॉडल ID uncensored है। इसका अर्थ है कि चैट इतिहास, सिस्टम प्रॉम्प्ट और उपयोगकर्ता संदेशों को संभालने के लिए आपके मौजूदा कोड में कोई संशोधन की आवश्यकता नहीं है। यह संगतता उन uncensored grok और deepseek api उपयोगकर्ताओं तक भी फैली हुई है जो पहले से ही OpenAI JSON संरचना से परिचित हैं।

एंडपॉइंट सर्वर-सेंट इवेंट्स (SSE) के माध्यम से स्ट्रीमिंग प्रतिक्रियाओं का समर्थन करता है, जिससे आप टोकन को जनरेट होते ही प्रोसेस कर सकते हैं। यह फ़ंक्शन कॉलिंग (टूल्स), संरचित आउटपुट के लिए JSON मोड, और temperature और top_p जैसे मानक पैरामीटरों का भी समर्थन करता है। यह कई मानक LLM एकीकरणों के लिए एक ड्रॉप-इन प्रतिस्थापन बनाता है।

कॉन्फ़िगरेशन: तापमान और टॉप पी

आउटपुट की यादृच्छिकता और रचनात्मता को नियंत्रित करने के लिए मानक पैरामीटर का उपयोग किया जाता है। temperature मान अगले टोकन के प्रायिकता वितरण को समायोजित करता है। कम तापमान (उदाहरण के लिए, 0.2) आउटपुट को अधिक निर्धारित और केंद्रित बनाता है, जबकि उच्च तापमान (उदाहरण के लिए, 0.8) रचनात्मकता और विविधता बढ़ाता है। वयस्क सामग्री जनरेशन के लिए, एक मध्यम तापमान अक्सर सहसंबद्धता और विविधता के बीच सर्वोत्तम संतुलन प्रदान करता है।

top_p पैरामीटर न्यूक्लियस सैंपलिंग को नियंत्रित करता है। यह मॉडल को केवल उन टोकन पर विचार करने की अनुमति देता है जिनकी संचयी प्रायिकता p से अधिक है। यह यादृच्छिकता को नियंत्रित करने का एक अन्य तरीका है, जिसका उपयोग अक्सर तापमान के साथ संयोजन में किया जाता है। उदाहरण के लिए, top_p का 0.95 मान इसका अर्थ है कि मॉडल केवल सबसे संभावित 95% टोकन पर विचार करता है।

अन्य समर्थित पैरामीटर में stop अनुक्रम, पुनरुत्पादकता के लिए seed, और दोहराव को कम करने के लिए presence_penalty और frequency_penalty शामिल हैं। इन कॉन्फ़िगरेशन को किसी भी OpenAI-संगत मॉडल की तरह ही अनुरोध बॉडी में पास किया जाता है। इन सेटिंग्स को समायोजित करने से आप विशिष्ट शैलियों या विस्तार स्तरों के लिए hermes api आउटपुट को सूक्ष्म रूप से समायोजित कर सकते हैं।

स्ट्रीमिंग प्रतिक्रियाओं को हैंडल करना

स्ट्रीमिंग वास्तविक-समय उपयोगकर्ता अनुभवों के लिए आवश्यक है। API सर्वर-सेंट इवेंट्स (SSE) का समर्थन करता है, जिससे आप टोकन को जनरेट होते हुए प्राप्त कर सकते हैं, पूरे उत्तर का प्रतीक्षा किए बिना। इससे अनुभव योग्य विलंबता कम होती है और चैट इंटरफ़ेस के लिए उपयोगकर्ता अनुभव में सुधार होता है।

औपचारिक SDK का उपयोग करते समय, अनुरोध में stream=True सेट करके स्ट्रीमिंग सक्षम की जाती है। SDK डेटा के खंडों को तभी प्रदान करेगा जैसे ही वे आते हैं। स्ट्रीम में अंतिम खंड आमतौर पर उपयोग के आँकड़े शामिल करता है, जिसमें इनपुट और आउटपुट टोकन की संख्या शामिल है। यह आपको वास्तविक समय में लागत की सटीक निगरानी करने की अनुमति देता है।

गैर-SDK कार्यान्वयनों के लिए, आप सीधे SSE स्ट्रीम को पार्स कर सकते हैं। प्रत्येक चंक data: के साथ शुरू होता है, जिसके बाद एक JSON ऑब्जेक्ट आता है। अंतिम चंक में data: [DONE] होगा। सुनिश्चित करें कि आपका क्लाइंट संभावित नेटवर्क विच्छेद को सहजता से संभालता है, क्योंकि स्ट्रीमिंग कनेक्शन टूट सकते हैं। hermes api सुनिश्चित करता है कि उपयोग डेटा बिलिंग के उद्देश्य से अंतिम चंक में विश्वसनीय रूप से रिपोर्ट किया जाता है।

टोकन दक्षता और सीमाएँ

मॉडल 100,000 टोकन की एक कॉन्टेक्स्ट विंडो का समर्थन करता है, जिसमें प्रॉम्प्ट और कंप्लीशन दोनों शामिल हैं। यह अधिकांश लंबी सामग्री जनरेशन और जटिल तर्क कार्यों के लिए पर्याप्त है। प्रति अनुरोध कोई अलग आउटपुट कैप नहीं है, और यदि आप max_tokens निर्दिष्ट नहीं करते हैं, तो प्रतिक्रिया विंडो के अंत तक चल सकती है। बहुत लंबी प्रतिक्रियाओं के लिए, आपको प्रॉम्प्ट को चंक करने या कई कंप्लीशन अनुरोध करने के लिए तर्क लागू करने की आवश्यकता हो सकती है।

मूल्य निर्धारण पारदर्शी है और टोकन उपयोग पर आधारित है। इनपुट टोकन की लागत 1 मिलियन टोकन प्रति $0.15 है, और आउटपुट टोकन की लागत 1 मिलियन टोकन प्रति $0.50 है। त्रुटियाँ और अस्वीकृतियाँ (गौण सामग्री फ़िल्टर के लिए) मुफ़्त हैं, इसलिए आप केवल सफल जनरेशन के लिए भुगतान करते हैं। यह मॉडल उच्च-वॉल्यूम टेक्स्ट जनरेशन के लिए कुशल है।

• कॉन्टेक्स्ट विंडो: 100,000 टोकन कुल।
• अधिकतम आउटपुट: 100,000-टोकन विंडो के अंत तक।
• रेट लिमिट: प्रति कुंजी प्रति मिनट 300 अनुरोध।
• सहसंयोजकता: प्रति कुंजी 8 एक साथ अनुरोध।

अन्य मॉडल्स के साथ तुलना

hermes api का मूल्यांकन करते समय, इसे अन्य uncensored llama या uncensored mistral विकल्पों की तुलना में देखना उपयोगी होता है। Ollama जैसे स्व-होस्टेड समाधानों के विपरीत, इस सेवा को कोई इंफ्रास्ट्रक्चर प्रबंधन की आवश्यकता नहीं है। आपको GPUs को कॉन्फ़िगर करने या मॉडल वेट्स को प्रबंधित करने की आवश्यकता के बिना एक विश्वसनीय एंडपॉइंट मिलता है। मल्टी-मॉडल गेटवे के विपरीत, यह रूटिंग ओवरहेड के बिना एक एकल, संगत व्यवहार प्रदान करता है।

GPT-4o या Claude जैसे व्यावसायिक मॉडल्स की तुलना में, यह एंडपॉइंट उच्च-वॉल्यूम टेक्स्ट जनरेशन के लिए काफी सस्ता है और सामग्री फ़िल्टर लागू नहीं करता है। हालांकि, यह सबसे बड़े स्वामित्व वाले मॉडल्स की तर्कशक्ति को पूरा नहीं कर सकता है। यह उन कार्यों के लिए सबसे उपयुक्त है जहां सामग्री लचीलापन अत्याधुनिक तर्क से अधिक महत्वपूर्ण है।

deepseek api उपयोगकर्ताओं के लिए, मूल्य निर्धारण संरचना प्रतिस्पर्धी है, लेकिन मॉडल आर्किटेक्चर अलग है। hermes api बिना सेंसर टेक्स्ट जनरेशन के लिए अनुकूलित है, जिससे यह एक सामान्य उद्देश्य वाली AI के बजाय एक विशेष उपकरण बन जाता है। यदि आपको एम्बेडिंग या इमेज जनरेशन की आवश्यकता है, तो आपको एक अलग सेवा का उपयोग करना होगा, क्योंकि यह एंडपॉइंट केवल टेक्स्ट के लिए है।

कोड उदाहरणों के साथ शुरुआत करें

API को एकीकृत करना सरल है। आपको एक API कुंजी की आवश्यकता है, जिसे आप Google या ईमेल के साथ साइन अप करके जनरेट कर सकते हैं। कुंजी तुरंत प्रदान की जाती है। फिर, अपने SDK को बेस URL https://api.openrouternsfw.com/v1 और मॉडल आईडी uncensored के साथ कॉन्फ़िगर करें।

यहाँ आधिकारिक SDK का उपयोग करते हुए एक मूल Python उदाहरण है:

कॉपी करेंfrom 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)

और एक Node.js उदाहरण:

कॉपी करेंimport 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);

स्ट्रीमिंग प्रतिक्रियाओं के लिए, SDK SSE पarsing को स्वचालित रूप से संभालता है। आप खंडों को क्रमशः पार कर सकते हैं जैसे ही वे आते हैं। इससे आपके एप्लिकेशन में वास्तविक समय में टेक्स्ट प्रदर्शित करने की अनुमति मिलती है। hermes api यह सुनिश्चित करता है कि प्रतिक्रिया का प्रारूप OpenAI मानक से मेल खाता है, इसलिए मानक उपयोग मामलों के लिए किसी कस्टम पarsing लॉजिक की आवश्यकता नहीं होती है।

अधिक गाइड

• OpenRouter का मुफ्त विकल्प? वास्तव में आपको क्या मिलता है
• Janitor AI पर OpenRouter का उपयोग कैसे करें: प्रॉक्सी सेटअप
• अनसेंसर्ड LLM के साथ ओपन सोर्स डिस्कोर्ड बॉट