Dolphin AI : Guide de production

Pourquoi choisir un LLM sans filtre pour la production

Les modèles sans censure suppriment les refus polis que les LLM standards appliquent aux sujets créatifs, pour adultes ou controversés. Les développeurs choisissent cette voie lorsqu'ils ont besoin d'une génération de texte brute sans que la logique de pré-filtrage n'interfère avec le cas d'utilisation spécifique de leur application.

Les fournisseurs majeors filtrent souvent le contenu au niveau de l'API, ce qui peut casser les workflows qui dépendent d'un langage explicite ou de sujets de niche. Un LLM sans curation permet à votre application de gérer la modération du contenu localement, vous donnant un contrôle total sur ce qui apparaît aux utilisateurs finaux.

• Liberté créative totale pour la fiction et le jeu de rôle.
• Aucun refus inattendu pour le contenu adulte légal.
• Comportement cohérent sur les sujets controversés.

Comprendre les modèles Dolphin par rapport aux modèles ablitrés

La différence fondamentale réside dans la manière dont le modèle atteint son état sans censure. Les modèles Dolphin sont affines sur de nouveaux ensembles de données, ce qui résulte en un style « audacieux » mais cohérent. Les modèles ablitrés ont la partie « refus » du réseau neuronal supprimée, préservant ainsi les connaissances de base du modèle original.

Aucune des deux approches n'est universellement supérieure. Le fine-tuning peut améliorer le respect des instructions, tandis que l'abliteration préserve la voix du modèle original. Les deux méthodes suppriment efficacement les filtres de contenu pour une utilisation adulte légale.

Méthode	Processus	Résultat
Dolphin	Ajustement fin	Texte audacieux et à haute cohérence
Abliteré	Suppression du refus	Voix du modèle d'origine, sans filtres

Intégrer l'endpoint compatible OpenAI

L'intégration nécessite de modifier l'URL de base et la clé API dans la configuration de votre SDK OpenAI existant. Notre API sert un seul modèle avec l'ID « uncensored » via les points de terminaison standards.

Cette approche signifie que vous pouvez utiliser le même code client qui fonctionne avec GPT-4 ou Claude. Il vous suffit de pointer le SDK vers notre serveur. L'API prend en charge le streaming, l'appel de fonctions et le mode JSON.

URL de base : HTTPS://api.dolphinaimodels.com/v1

ID du modèle : "uncensored"

Points de terminaison : POST /v1/chat/completions et GET /v1/models.

Gestion des fenêtres de contexte et des limites de tokens

L'API prend en charge une fenêtre de contexte de 100 000 tokens, qui inclut les tokens de l'invite (prompt) et de la complétion. Cela permet de traiter de longs documents ou des conversations prolongées sans troncature immédiate.

Cependant, la sortie maximale par requête est de 16 000 tokens. Si vous ne spécifiez pas max_tokens, la valeur par défaut est de 2 048 tokens. Cette limite garantit des performances cohérentes pour les réponses en streaming.

Surveillez étroitement votre utilisation des jetons. Les erreurs et les refus ne consomment pas de crédit, vous pouvez donc tester vos invites sans coût.

Optimisation des coûts avec le crédit prépayé

Le crédit est facturé en fonction de l'utilisation réelle des tokens, avec des tokens d'entrée à 0,15 $ par million et des tokens de sortie à 0,50 $ par million. Il n'y a pas de frais mensuels ni d'abonnements.

Les recharges crypto commencent à 20 $ et vont jusqu'à 500 $. Des crédits bonus s'appliquent aux montants plus importants : +5 % pour 50 $, +10 % pour 100 $ et +15 % pour 200 $. Le crédit n'expire jamais.

Les nouveaux comptes reçoivent 0,50 $ de crédit d'essai, valable 7 jours. Vous pouvez recharger en utilisant l'USDT (TRC20) ou l'USDC (Base).

Gestion du streaming et de l'appel de fonctions

Le streaming est pris en charge via les Server-Sent Events (SSE). Le dernier chunk du flux inclut les informations sur l'utilisation des tokens, vous permettant de suivre les coûts en temps réel.

L'appel de fonction (outils) est entièrement pris en charge. Vous pouvez définir des outils dans votre requête et laisser le modèle décider quand les utiliser. Le mode JSON est également disponible pour les sorties structurées.

Des paramètres comme la température, le top_p, stop et seed sont tous configurables. Cette flexibilité vous permet d'ajuster la créativité et le déterminisme du modèle.

Politiques de confidentialité et d'utilisation des données

Vos prompts ne sont pas utilisés pour l'entraînement. C'est une distinction critique par rapport à de nombreux fournisseurs gratuits ou à faible coût qui utilisent vos données pour améliorer leurs modèles.

Un compte nécessite uniquement une adresse e-mail. Aucun numéro de téléphone n’est nécessaire. Vous pouvez vous inscrire avec Google ou utiliser un e-mail standard et mot de passe.

Une limite stricte de contenu s'applique toujours : le contenu sexuel impliquant des mineurs est refusé. Tout autre contenu adulte légal est autorisé.

Dépannage des erreurs API courantes

L'erreur la plus courante est de dépasser la limite de taux. L'API autorise 300 demandes par minute et 8 demandes simultanées par clé. Si vous dépassez cette limite, vous recevrez une erreur 429.

Un autre problème est la taille du corps de la requête. Le corps de requête maximum est de 8 Mo. Si vous envoyez de grands contextes, assurez-vous de respecter cette limite.

Les erreurs sont gratuites. Si une requête échoue en raison d'un problème serveur ou d'une saisie invalide, vous n'êtes pas facturé pour ces tokens.

Liste de contrôle finale pour le déploiement

Avant la mise en production, vérifiez que votre clé API est active. Assurez-vous que votre URL de base est correctement définie sur HTTPS://api.dolphinaimodels.com/v1.

Testez votre implémentation de streaming. Confirmez que l'appel de fonctions fonctionne comme prévu avec votre SDK choisi.

Vérifiez vos limites d'utilisation des tokens. Assurez-vous d'avoir suffisamment de crédit prépayé pour votre volume prévu.

N'oubliez pas que vous pouvez remplacer votre clé API à tout moment. Chaque compte a une clé active, qui est remplacée lorsque vous en générez une nouvelle.