HI ▾
API कुंजी पाएँ

कोडिंग के लिए सर्वश्रेष्ठ अबलिटरेटेड मॉडल: क्या अपेक्षा करें

कोडिंग के लिए सर्वश्रेष्ठ अबलिटरेटेड मॉडल वह है जो सही कोड लिखता है और आपके वैध अनुरोध को बीच में ही अस्वीकार नहीं करता। अबलिटरेशन केवल दूसरे भाग को संभालता है, इसलिए आपको पहले भाग का परीक्षण अपनी खुद की रिपॉज़िटरी पर करना चाहिए।

अपडेट किया गया

अनियंत्रित कोडिंग सहायता के लिए अमूर्त कोड, खुला ताला और सर्किट बोर्ड पर मैग्नीफायर वाला टर्मिनल

मुख्य बिंदु

  • अबलिटरेशन इनकार वाला व्यवहार हटा देता है। यह कोडिंग कौशल नहीं जोड़ता, इसलिए कोड की गुणवत्ता को अपने कार्यों पर परखें।
  • सुरक्षा टूलिंग, स्क्रेपिंग, रिवर्स इंजीनियरिंग और बेबाक कोड रिव्यू में इनकार डेवलपर्स को प्रभावित करते हैं।
  • कम टेम्परेचर और फिक्स्ड सीड कोड आउटपुट को दोहराने योग्य और तुलना करने में आसान बनाते हैं।
  • 3,000 इनपुट और 800 आउटपुट टोकन वाला एक सामान्य कोड-रिव्यू अनुरोध एक सेंट के दसवें हिस्से से भी कम में पूरा होता है।

अबलिटरेशन क्या बदलता है और क्या अलग रखता है

अबलिटरेशन एक ओपन-वेट मॉडल पर ट्रेनिंग के बाद लागू की जाने वाली तकनीक है। यह अनुरोध को अस्वीकार करने से जुड़ी आंतरिक दिशा को खोजता है और उसे दबा देता है, जिससे मॉडल इनकार करना और उपदेश देना बंद कर देता है। यह मॉडल को नई प्रोग्रामिंग भाषाएँ नहीं सिखाता और खराब तर्कशक्ति को ठीक नहीं करता। एक मॉडल की सही फ़ंक्शन लिखने की क्षमता उसकी बेस ट्रेनिंग से आती है, और अबलिटरेटेड संस्करण उस दृष्टि से उतना ही अच्छा या थोड़ा अलग होना चाहिए।

यह फ्रेमिंग आपको समझदारी से खरीदारी करने में मदद करती है। दो सवाल मायने रखते हैं, और वे स्वतंत्र हैं:

  • क्या बेस मॉडल उन भाषाओं में कोड लिखने में अच्छा है जिन्हें आप उपयोग करते हैं?
  • क्या यह काम बिना इनकार के करता है जबकि कार्य कानूनी है लेकिन संवेदनशील?

यह सेवा एक ओपन-वेट मॉडल चलाती है, जो एक स्वतंत्र प्रदाता द्वारा होस्ट किया गया है, जिसका मॉडल ID uncensored है। इसके लिए किसी बेंचमार्क नंबर का दावा नहीं किया जाएगा, क्योंकि यहाँ कोई प्रकाशित नहीं है और गढ़े हुए स्कोर किसी की मदद नहीं करते। ईमानदार रास्ता आपके कोड पर एक छोटा परीक्षण है, जो नीचे वर्णित है। अधिक व्यापक संदर्भ बिना किसी प्रतिबंध वाले AI मॉडल के पृष्ठ पर उपलब्ध है।

जहाँ इनकार वास्तव में डेवलपर्स को प्रभावित करते हैं

अधिकतर कोडिंग अनुरोध कभी इनकार ट्रिगर नहीं करते हैं। जब ऐसा होता है, तो यह आमतौर पर क्षेत्रों के एक छोटे से सेट में होता है, जो सभी कानूनी हैं जब आपकी स्वयं की प्रणालियों पर या जिन पर आप परीक्षण के लिए अधिकृत हैं, किया जाता है:

  • सुरक्षा कार्य। पोर्ट स्कैनर, फ़ज़र्स, अपने स्वयं के लैब के लिए एक्सप्लॉइट प्रूफ ऑफ कॉन्सेप्ट, मैलवेयर विश्लेषण स्क्रिप्ट, लॉग फोरेंसिक्स।
  • स्क्रेपिंग और ऑटोमेशन। पार्सर, हेडलेस ब्राउज़र फ्लो और रेट-लिमिट टेस्ट जो एक सावधान मॉडल जोखिम भरा मानता है।
  • रिवर्स इंजीनियरिंग। डिसेम्बली की पढ़ाई, फ़ाइल प्रारूप का दस्तावेज़ीकरण, इंटरऑपरेबिलिटी कार्य।
  • गेम और फिक्शन टूलिंग। डार्क डायलॉग ट्रीज़ जनरेट करना, विलेन स्क्रिप्ट्स या वयस्क शीर्षकों के लिए परिपक्व कहानी रेखाएँ।
  • टोन। कोड रिव्यू जो स्पष्ट रूप से कहता है कि डिज़ाइन खराब है, हर टिप्पणी में प्रशंसा भरे बिना।

अनुमति महत्वपूर्ण है। इनकार न करने वाला मॉडल आपसे जो कुछ भी पूछा जाता है उसका उत्तर देता है, इसलिए कानूनी रहने की जिम्मेदारी आपकी है। इसे अपनी प्रणालियों पर उपयोग करें, टेस्ट टारगेट और लिखित अनुमति वाले क्लाइंट वर्क पर।

एक तेज़ टेस्ट जो लीडरबोर्ड से अधिक बताता है

अपने वास्तविक काम से प्रॉम्प्ट्स का एक छोटा सेट बनाएं: पांच से दस टास्क, जिसमें एक या दो ऐसे शामिल हों जिन्हें अन्य असिस्टेंट्स ने अस्वीकार कर दिया हो। उन्हें फिक्स्ड सीड और कम टेम्परेचर के साथ चलाएं, और अपने वर्तमान टूल के खिलाफ परिणामों की तुलना करें। $0.50 का ट्रायल क्रेडिट, जो 7 दिनों के लिए मान्य है, सैकड़ों ऐसे कॉल को कवर करता है।

import json
from openai import OpenAI

client = OpenAI(
    base_url="https://api.abliteratedmodelhub.com/v1",
    api_key="YOUR_KEY",
)

tasks = [
    "Write a Python function that parses nmap XML output and lists open ports per host.",
    "Refactor this loop into a generator and keep behavior identical: for i in range(len(xs)): out.append(xs[i] * 2)",
    "Write a pytest file for a function slugify(text) that handles unicode and repeated dashes.",
]

results = []
for task in tasks:
    resp = client.chat.completions.create(
        model="uncensored",
        messages=[
            {"role": "system", "content": "You are a senior engineer. Return only code unless asked otherwise."},
            {"role": "user", "content": task},
        ],
        temperature=0.2,
        seed=7,
    )
    results.append({"task": task, "answer": resp.choices[0].message.content})

print(json.dumps(results, indent=2))

फिर कोड चलाएँ। केवल पढ़कर स्कोर न करें। टेस्ट चलाएँ, लिंटर चलाएँ, और नोट करें कि कितने कार्यों में दूसरी कोशिश की आवश्यकता थी। अपने स्वयं के दस कार्यों पर पास दर किसी भी सार्वजनिक रैंकिंग से अधिक मूल्यवान है, क्योंकि यह आपके स्टैक को दर्शाती है।

सेटिंग्स जो कोड आउटपुट में मदद करती हैं

कोड जनरेशन निर्धारकता को पुरस्कार देता है। इन मानों से शुरू करें और एक-एक करके बदलें:

  • रिफैक्टोरिंग और जनरेशन के लिए temperature 0.0 से 0.3। ब्रेनस्टॉर्मिंग के लिए इसे केवल 0.7 तक बढ़ाएं।
  • top_p को कम तापमान पर 1.0 के करीब रखें।
  • stop अनुक्रम जैसे कि एक बंद कोड फेंस, यदि आप केवल पहले कोड ब्लॉक चाहते हैं।
  • seed प्रयोगों के दौरान स्थिर रहता है, इसलिए बदले गए प्रॉम्प्ट से बदले गए उत्तर की व्याख्या संयोग से नहीं, बल्कि प्रॉम्प्ट में परिवर्तन से होती है।
  • max_tokens वैकल्पिक है। कंप्लीशन 100,000-टोकन विंडो के शेष हिस्से का उपयोग कर सकता है, इसलिए ओपन-एंडेड प्रॉम्प्ट्स पर लागत को बाउंड करने के लिए एक कैप सेट करें यदि आप चाहते हैं।

मॉडल को वह संदर्भ दें जो एक मानव को चाहिए होगा: भाषा संस्करण, फ्रेमवर्क, विफल टेस्ट का आउटपुट और प्रासंगिक फ़ाइलें। 100,000-टोकन विंडो बहुत सारे सोर्स कोड के लिए जगह छोड़ती है, लेकिन अधिक फ़ाइलें हमेशा बेहतर नहीं होतीं। प्रश्न से संबंधित ही शामिल करें।

बेहतर कोड देने वाले प्रॉम्प्ट

एक ही मॉडल आपके प्रश्न के आधार पर बहुत अलग कोड देता है। कुछ आदतें स्पष्ट अंतर ला सकती हैं।

  • परिवेश बताएं। "Python 3.11, केवल मानक लाइब्रेरी" उन आयातों को रोकती है जिन्हें आप इंस्टॉल नहीं कर सकते। "TypeScript, सख्त मोड, कोई any नहीं" प्रकारों को आकार देती है।
  • विफल आउटपुट दिखाएं। डीबगिंग के लिए, ट्रेसबैक और उसे ट्रिगर करने वाला सबसे छोटा कोड पेस्ट करें। पहले कारण पूछें, फिर समाधान, ताकि आप तर्क का मूल्यांकन कर सकें।
  • कोड के साथ परीक्षण मांगें। एक फ़ंक्शन और उसके परीक्षण एक साथ उन कमियों को उजागर करते हैं जिन्हें मॉडल अन्यथा नज़रअंदाज कर सकता है।
  • आउटपुट को बांधें। "केवल एक यूनिफाइड डिफ़ लौटाएं" या "एक कोड ब्लॉक लौटाएं और कुछ नहीं" टोकन बचाता है और उत्तर को लागू करना आसान बनाता है।
  • छोटे कदमों में इटरेट करें। एक स्केलेटन के लिए पूछें, इसे रिव्यू करें, फिर अगला हिस्सा मांगें। बड़े वन-शॉट अनुरोध सूक्ष्म त्रुटि छिपाने के लिए अधिक जगह देते हैं।

रिफ्यूजल-प्रोन विषय को डीबग करने के लिए, एक वाक्य में बताएं कि आप क्या कर रहे हैं और क्यों। "यह मेरा अपना स्टैगिंग सर्वर है; एक स्क्रिप्ट लिखें जो जांचे कि इनमें से कौन से पोर्ट खुले हैं" एक सामान्य अनुरोध है, और एक ऐसा मॉडल जो उत्तर देने के लिए ट्यून्ड है, उसे बिना टिप्पणी के संभाल लेगा। यह कथन बाद में कोड की समीक्षा करने वाले किसी भी व्यक्ति के लिए आपके इरादे को दस्तावेजित भी करता है।

बड़े कोडबेस के साथ काम करें

100,000-टोकन विंडो एक साथ कई फ़ाइलें रख सकती है, लेकिन हर कॉल पर पूरा रिपॉजिटरी भेजना व्यर्थ है। संदर्भ को जानबूझकर चुनें:

  1. बदलाव वाली फ़ाइल और वे फ़ाइलें जिन्हें वह सीधे इम्पोर्ट करती है भेजें।
  2. सभी चीज़ों के पूरे इम्प्लीमेंटेशन के बजाय इंटरफ़ेस परिभाषाएँ या टाइप फ़ाइलें जोड़ें।
  3. विफल टेस्ट और उसका आउटपुट शामिल करें।
  4. जेनरेटेड फ़ाइलें, लॉक फ़ाइलें और वेंडर्ड कोड छोड़ दें।

पथों की एक सूची पर चलकर एक प्रॉम्प्ट बनाने वाला एक छोटा हेल्पर इसे दोहराने योग्य बनाए रखता है:

from pathlib import Path
from openai import OpenAI

client = OpenAI(
    base_url="https://api.abliteratedmodelhub.com/v1",
    api_key="YOUR_KEY",
)

def review(paths, question):
    parts = []
    for p in paths:
        parts.append("### " + p + "\n" + Path(p).read_text())
    prompt = "\n\n".join(parts) + "\n\nQuestion: " + question
    resp = client.chat.completions.create(
        model="uncensored",
        messages=[{"role": "user", "content": prompt}],
        temperature=0.2,
    )
    return resp.choices[0].message.content

print(review(["app/models.py", "app/views.py"], "Where can this raise a KeyError?"))

दोहराए गए बड़े प्रॉम्प्ट्स की लागत पर नज़र रखें। 20 कॉल, प्रत्येक 40,000-टोकन कॉन्टेक्स्ट के साथ, 800,000 इनपुट टोकन का उपयोग करते हैं, या 0.8 x $0.15 = $0.12। यह सस्ता है, लेकिन यह आगे-पीछे के हर अतिरिक्त राउंड के साथ बढ़ता है, इसलिए फोकस्ड सवाल पूछें।

डेवलपर वर्कफ़्लो के लिए टूल्स और JSON का उपयोग करें

API टूल कॉलिंग और JSON मोड का समर्थन करती है, जो मॉडल को एक चैट पार्टनर के बजाय एक घटक बना देती है। उदाहरण के लिए, कोड रिव्यू स्टेप संरचित निष्कर्ष लौटा सकता है जिन्हें एक CI जॉब कमेंट के रूप में पोस्ट कर सकता है।

curl https://api.abliteratedmodelhub.com/v1/chat/completions \
  -H "Authorization: Bearer YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "temperature": 0.1,
    "response_format": {"type": "json_object"},
    "messages": [
      {"role": "system", "content": "Review the diff. Reply as JSON: {\"findings\": [{\"line\": number, \"severity\": string, \"comment\": string}]}"},
      {"role": "user", "content": "def add(a, b):\n    return a - b"}
    ]
  }'

टूल कॉलिंग के साथ आप run_tests या read_file जैसे फ़ंक्शन उजागर कर सकते हैं और मॉडल को लूप में उन्हें अनुरोध करने दें, फिर परिणाम role: "tool" संदेशों के रूप में भेजें। आपका कोड टूल चलाता है, इसलिए आप नियंत्रण रखते हैं कि यह क्या छू सकता है। जनरेटेड कोड चलाने वाली हर चीज़ को सैंडबॉक्स में चलाएँ।

सामान्य कोडिंग जॉब्स की लागत

रेट्स $0.15 प्रति 1M इनपुट टोकन और $0.50 प्रति 1M आउटपुट टोकन हैं। उदाहरण:

  • 3,000 इनपुट और 800 आउटपुट टोकन वाले एक स्निपेट अनुरोध के लिए: 0.003M x $0.15 = $0.00045, प्लस 0.0008M x $0.50 = $0.0004, तो $0.00085। इनके हज़ार की लागत $0.85 होगी।
  • 20,000 इनपुट और 1,500 आउटपुट टोकन वाले एक पूरे फ़ाइल रिव्यू के लिए: $0.003 + $0.00075 = $0.00375।
  • स्निपेट आकार के 400 मिश्रित अनुरोधों वाले एक भारी दिन के लिए: 400 x $0.00085 = $0.34।

कोई सब्सक्रिप्शन नहीं है, और विफल या अस्वीकृत अनुरोधों के लिए चार्ज नहीं किया जाता है। क्रिप्टो (TRC20 पर USDT, Base पर USDC) से $20 से $500 तक किसी भी पूर्ण राशि का टॉप-अप करें। $50 से +5%, $100 से +10% और $200 से +15% बोनस मिलते हैं। विस्तृत विवरण मूल्य निर्धारण पृष्ठ पर है; पैरामीटर दस्तावेज़ीकरण में सूचीबद्ध हैं, और आप साइन-अप पृष्ठ पर कुंजी प्राप्त कर सकते हैं।

प्रश्न और उत्तर

क्या अबलिटरेशन मॉडल को कोडिंग में बेहतर बनाता है?

नहीं। यह रिफ्यूज़ल व्यवहार हटा देता है। कोडिंग क्षमता बेस मॉडल से आती है, इसलिए इसे अपने खुद के कार्यों पर परीक्षण करें।

क्या सुरक्षा कोड के लिए एक बिना सेंसर मॉडल का उपयोग करना कानूनी है?

उन सिस्टमों के लिए कोड लिखना जिनके आप मालिक हैं या जिनका परीक्षण करने के लिए आप अधिकृत हैं, सामान्यतः कानूनी है, लेकिन कानून और अपनी अनुमति के भीतर रहने की जिम्मेदारी आपकी है।

क्या मैं इसे अपने एडिटर के अंदर उपयोग कर सकता हूँ?

कोई भी एडिटर एक्सटेंशन या टूल जो एक OpenAI-संगत Base URL, कुंजी और मॉडल नाम स्वीकार करता है, कनेक्ट कर सकता है। Base URL, अपनी कुंजी और मॉडल uncensored का उपयोग करें।

मैं कितनी बड़ी फ़ाइल भेज सकता हूँ?

प्रॉम्प्ट और कंप्लीशन के लिए कॉन्टेक्स्ट विंडो 100,000 टोकन है, और अधिकतम अनुरोध बॉडी 8 MB है।

आपकी कुंजी बस एक फ़ॉर्म दूर है

एक खाता बनाएँ, कुंजी कॉपी करें, बेस URL बदलें। सेटअप यही है।

API कुंजी पाएँ