Is dit de officiële Qwen API?

Nee. Het is een onafhankelijke service die één open-weight model van een onafhankelijke provider draait. Het wordt niet beheerd door Alibaba of een andere modelleverancier.

Is het gehoste model een Qwen 3.5-build?

We claimen geen specifieke Qwen-release. Je roept het aan als ongecensureerd en je moet het zelf testen op je eigen prompts om te zien of het bij je use case past.

Maakt abliteration een model slimmer?

Nee. Het verwijdert een weigeringsgedrag en voegt geen kennis toe. De kwaliteit kan gelijk blijven of iets dalen, afhankelijk van de build.

Kan ik het gebruiken met bestaande OpenAI-code?

Ja. Pas de base URL en de sleutel aan, stel het model in op uncensored, en de standaard chat-completie-verzoeken werken, inclusief streaming en function calling.

Welke inhoud is niet toegestaan?

De service is gebouwd voor rechtmatig gebruik door volwassenen. Seksuele inhoud met minderjarigen is nooit toegestaan.

Qwen 3.5 Abliterated: wat het betekent en gehoste opties

Geablitereerde Qwen-builds zijn door de community aangepaste open-weight checkpoints die de meeste verzoeken niet meer weigeren. Deze pagina legt de methode uit, de afwegingen en wanneer een gehoste endpoint de eenvoudigere route is.

Wat mensen bedoelen met qwen 3.5 geablitereerd

Als iemand zoekt naar qwen 3.5 abliterated, wil hij meestal een van twee dingen: een downloadbare checkpoint van een Qwen-model waarbij het weigeringsgedrag is verwijderd, of een manier om met zo'n model te praten zonder een GPU te bezitten. Beide zijn redelijke doelen, maar ze leiden tot andere opstellingen, dus het helpt ze vroeg te scheiden.

Qwen is een familie van open-weight taalmodellen uitgebracht door Alibaba. De basis- en instruct-versies zijn getraind om bepaalde verzoeken te weigeren. "Abliterated" is het label dat community-uploaders geven aan een variant waarbij dat weigeringsgedrag achteraf chirurgisch is verminderd. De naam is een samentrekking van "ablation" en "obliterated", en het is blijven hangen.

Een waarschuwing over versienummers. Modelfamilies krijgen vaak nieuwe releases en uploaders noemen hun bestanden naar de base waar ze mee begonnen zijn. We volgen niet welke build precies de nieuwste is en niets op deze pagina claimt dat ons gehoste model een specifieke Qwen-checkpoint is. Wat we wel accuraat kunnen beschrijven is de techniek, de praktische afwegingen en de service die we draaien.

Hoe abliteration werkt

Onderzoekers die weigering in chatmodellen bestudeerden, ontdekten dat de neiging om te weigeren goed benaderd kan worden als een enkele richting in de interne activatieruimte van het model. Voer het model een set prompts voor die het weigert en een set die het accepteert, vergelijk de hidden states en het verschil wijst langs een "weigeringsrichting".

Abliteration neemt die richting en bewerkt de weight matrices zodat het model er niet langer langs kan schrijven. De bewerking is een projectie die één keer op de opgeslagen weights wordt toegepast. Er is geen gradient descent over een grote dataset, waardoor één persoon met één machine binnen enkele uren na het verschijnen van een base model een aangepaste checkpoint kan publiceren.

Hoe het verschilt van fine-tuning

Fine-tuning verandert gedrag door te trainen op nieuwe voorbeelden. Het kan een stijl, persona of formaat leren. Abliteration verwijdert alleen een gedrag; het voegt niets toe. Een model dat geablitereerd is, schrijft in dezelfde stem als het origineel en behoudt dezelfde kennis, minus de meeste aarzeling.

Veel gepubliceerde "uncensored" modellen combineren beide stappen: eerst abliteren, dan licht fine-tunen om het kwaliteitsverlies te herstellen. Als een model card niet aangeeft welke ze hebben gebruikt, neem dan aan dat je het niet kunt weten.

Wat het kost aan kwaliteit

Weights bewerken is niet gratis. Sommige geablitereerde checkpoints verliezen iets aan nauwkeurigheid bij reasoning of instruction following, en een paar worden repetitief of vervagen uit karakter in lange chats. De kwaliteit varieert per uploader, hoe agressief de richting is verwijderd en door de quantisation die je downloadt. Behandel elke build als een eigen model en test het op je eigen prompts.

Waarom het label geen kwaliteitsgarantie is

Model cards voor geablitereerde uploads zijn geschreven door individuen, niet door een lab met een release proces. Claims zoals "geen weigeringen" of "dezelfde kwaliteit als het origineel" zijn meestal gebaseerd op een handvol prompts. Dat is prima voor een hobby, maar het is dun bewijs voor alles wat je van plan bent te gebruiken.

Een verstandige check voordat je bouwt op een build: schrijf twintig prompts uit je echte use case, inclusief een paar die het originele instruct-model zou hebben geweigerd, voer ze uit en lees de antwoorden. Noteer hoe vaak het model bij de taak blijft, hoe het een lang system prompt hanteert en of het een formaat zoals JSON vasthoudt. Die kleine test vertelt je meer dan een leaderboard cijfer.

Een geablitereerde build zelf draaien

Als je volledige controle wilt, is lokale inference een legitieme weg. Je downloadt de weights, kiest een gequantiseerd formaat en serveert ze met een runtime zoals llama.cpp, Ollama of vLLM. Niets verlaat je machine en je kunt checkpoints wisselen wanneer je maar wilt.

De kosten zijn praktisch in plaats van conceptueel:

Geheugen. Het model en zijn KV cache moeten in VRAM of snel systeem RAM passen. Grotere Qwen-varianten vereisen hardware van workstation-niveau en lange contexten vergroten de cache-grootte scherp.
Insteltijd. Het kiezen van een quantisation, chat template en sampler settings kost trial and error. Al een verkeerd chat template kan een goed model kapot lijken maken.
Snelheid. Consumenten-GPU's en CPU-offload genereren tokens langzaam in vergelijking met een server die is afgestemd op doorvoer, wat belangrijk is voor batchtaken.
Onderhoud. Nieuwe checkpoints verschijnen constant, dus je eindigt met opnieuw downloaden en testen.

Voor een hobbyist met een spare card is dat een leuk weekendproject. Voor een team dat een stabiele endpoint nodig heeft binnen een applicatie is het een side project dat concurreert met het echte werk.

Het gehoste alternatief

We draaien een gehost API voor mensen die het gedrag willen zonder de hardware. Het serveert één open-weight model, beheerd door een onafhankelijke provider en afgestemd om te antwoorden zonder inhoudelijke weigeringen voor rechtmatig gebruik door volwassenen. Je belt het aan als uncensored via een OpenAI-compatible interface.

Wees duidelijk over wat dit wel en niet is. Het is geen officiële Qwen API en het is geen router die doorstuurt naar Alibaba of een andere leverancier. We publiceren geen model card die een specifieke Qwen-release claimt, dus behandel de service niet als een drop-in vervanging voor een specifieke checkpoint. Als je die exacte build nodig hebt, met zijn exacte quirks, draai hem dan lokaal.

Als je een ongecensureerd chatmodel nodig hebt dat elke dag hetzelfde gedrag vertoont, met een stabiele URL, is hosting eenvoudiger. De relevante feiten:

Methoden: POST /v1/chat/completions en GET /v1/models.
Streaming, function calling en JSON-modus worden ondersteund.
Contextvenster van 100.000 tokens, prompt plus voltooiing.
Alleen tekst. Geen afbeeldingen, audio, video, embeddings of fine-tuning.
Prompts worden niet gebruikt voor training.
Eén harde limiet: geen seksuele inhoud met minderjarigen.

De API-documentatie somt alle ondersteunde parameters op en de vergelijkingsgids gaat na hoe pay-per-token hosting zich verhoudt tot andere manieren om een Qwen-achtig model te krijgen.

Probeer het in vijf regels

Omdat de interface het OpenAI-schema volgt, werkt elke OpenAI SDK na het aanpassen van de base URL en sleutel. Hier is het kortste bruikbare voorbeeld met Python:

from openai import OpenAI

client = OpenAI(
    base_url="https://api.qwenabliterated.top/v1",
    api_key="YOUR_API_KEY",
)

reply = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise the idea of abliteration in two sentences."}],
)
print(reply.choices[0].message.content)

Dezelfde aanroep met curl:

curl https://api.qwenabliterated.top/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"uncensored","messages":[{"role":"user","content":"Hello"}]}'

Om te zien wat de sleutel kan benaderen, roep GET /v1/models aan. Maak een sleutel aan op de API-sleutel pagina. Nieuwe accounts kunnen $0,50 aan trial credit claimen met één klik, geldig voor 7 dagen en zonder kaart, wat genoeg is voor een paar hondert korte testverzoeken.

Lokaal of gehost: een beslissingslijst

Kies voor lokale inference wanneer:

Je elk prompt op je eigen machine moet houden, zonder enige netwerk call.
Je hebt een specifieke community-checkpoint, kwantisatie of LoRA nodig.
Je al een geschikte GPU bezit en van het afstellen van de stack houdt.

Kies voor het gehoste endpoint wanneer:

Je wilt een app of bot uitbrengen en hebt een URL nodig die online blijft terwijl je aan iets anders werkt.
Je lange context nodig hebt zonder geheugen te hoeven kopen.
Je verbruik is piekachtig, dus betalen per token is beter dan inactieve hardware bezitten.
Je wilt bestaande OpenAI-style clientcode hergebruiken.

Een gemengde aanpak is gebruikelijk: prototypen van prompts op de gehoste API, en beslis dan of een lokale build de moeite waard is. Omdat beide hetzelfde chatformaat spreken, betekent overschakelen tussen ze vooral een andere base URL gebruiken.

Wat het kost

Prijzen zijn $0,15 per 1M input tokens en $0,50 per 1M output tokens, van prepaid tegoed zonder abonnement. Mislukte of geweigerde verzoeken worden niet in rekening gebracht, en tegoed vervalt niet.

Een werkvoorbeeld: een prompt van 3.000 tokens met een antwoord van 700 tokens kost 3.000 x $0,15 / 1M = $0,00045 voor input plus 700 x $0,50 / 1M = $0,00035 voor output, dus $0,0008 in totaal. Een duizendtal van zulke verzoeken komt neer op $0,80.

Top-ups zijn elk geheel bedrag van $20 tot $500, met een bonus van 5% vanaf $50, 10% vanaf $100 en 15% vanaf $200. Je kunt betalen met crypto (USDT op TRC20, USDC op Base). De prijzenpagina heeft de huidige tabel.