RouterHub کے ساتھ DeepSeek کے غیر سنسر شدہ ماڈلز اور تحقیقی پرامپٹس استعمال کریں

یہ منصوبہ کیا فراہم کرتا ہے

یہ repository ایک DeepSeek ماڈل گائیڈ، RouterHub API کی ہدایات، اور 35 تحقیقی prompt فائلوں کا مجموعہ فراہم کرتی ہے۔ اسے ان developers کے لیے بنایا گیا ہے جو coding، reasoning، agent workflows، اور چینی-انگریزی کاموں کے لیے DeepSeek کا جائزہ لے رہے ہیں۔

RouterHub ایک prepaid AI API gateway ہے۔ ایک account اور API key کے ذریعے DeepSeek، GPT، Claude، GLM، Qwen، Grok، اور دیگر model families کے catalogue entries تک رسائی حاصل کی جا سکتی ہے۔ ہر entry ایک مخصوص protocol کو support کرتی ہے، اس لیے model کا انتخاب اور compatible client کا انتخاب ساتھ ساتھ کرنا ضروری ہے۔

کم refusal کو وعدہ سمجھنے کے بجائے ناپا جانا چاہیے۔ “uncensored” یا “no-refusal” label unrestricted، درست، یا مفید output کی ضمانت نہیں دیتا۔

ماڈل labels کو سمجھنا

DeepSeek abliterated

Abliterated ایک تحقیقی category کی نشاندہی کرتا ہے جو model weights میں ایسی مداخلتوں سے وابستہ ہے جن کا مقصد refusal سے متعلق رویے کو کم کرنا ہے۔ یہ label خود سے اس بات کا ثبوت نہیں دیتا کہ hosted model کیسے تیار کیا گیا، اس لیے جہاں ممکن ہو provider کی implementation اور model provenance کی تصدیق کریں۔

DeepSeek uncensored

Uncensored ایک وسیع تر behavioral یا product category ہے۔ کوئی entry training changes، weight changes، یا ایک مقررہ prompt-level persona استعمال کر سکتی ہے۔ صرف نام سے implementation معلوم نہیں ہوتی۔

جن چیزوں کی تصدیق کریں

• Live catalogue میں دکھایا گیا exact API model ID۔
• اس model کا supported protocol، جیسے Chat Completions، Messages، یا Responses۔
• Model system اور developer instructions کو کیسے handle کرتا ہے۔
• موجودہ availability، token prices، اور model limits۔
• اپنے tasks پر quality، latency، refusal behavior، اور repeatability۔

README میں DeepSeek سے متعلق Chat Completions access کے لیے deepseek، deepseek-flash، اور deepseek-uncensored درج ہیں۔ چونکہ catalogue entries تبدیل ہو سکتی ہیں اور README میں متعدد labels deepseek-uncensored سے map ہوتے ہیں، اس لیے integration سے پہلے live model catalogue میں موجودہ ID کی تصدیق کریں۔

اہم خصوصیات

• ایک API account: ہر provider کے لیے الگ account برقرار رکھے بغیر متعدد درج شدہ model families تک رسائی حاصل کریں۔
• Compatible endpoints: OpenAI-compatible Chat Completions اور supported Claude entries کے لیے Anthropic-compatible Messages استعمال کریں۔
• Prepaid usage: credits شامل کریں اور subscription کے بجائے منتخب model کے token rates کے مطابق ادائیگی کریں۔
• تحقیقی prompt collection: متعدد model families میں منظم 35 prompt فائلوں کا جائزہ لیں اور انہیں دوبارہ استعمال کریں۔
• Coding-tool guidance: OpenCode، Cursor، Continue، Cline، SDKs، اور دیگر clients کو ان کے supported protocol کے مطابق منتخب کریں۔
• Evaluation resources: benign sample tasks اور repeatable scoring process کے ذریعے variants کا موازنہ کریں۔

RouterHub API access ترتیب دیں

1. Account بنائیں اور funds شامل کریں

1. RouterHub پر register کریں۔
2. دستیاب payment method کے ذریعے prepaid credits شامل کریں۔
3. ایک private API key بنائیں۔
4. Live catalogue کھولیں اور model ID، protocol، rate، اور availability کی تصدیق کریں۔

Inference request credits استعمال کرتی ہے۔ مختصر request سے شروع کریں، پھر بڑی evaluation چلانے سے پہلے اپنے account کے usage records دیکھیں۔

2. Key اور base URL محفوظ کریں

Credentials کو اپنے local environment یا secret manager میں set کریں۔ حقیقی key کو source control میں شامل نہ کریں۔

export ROUTERHUB_API_KEY="<your-private-key>"
export ROUTERHUB_API_BASE_URL="https://routerhub.si/v1"

3. OpenAI SDK install کریں

درج شدہ DeepSeek entries Chat Completions protocol استعمال کرتی ہیں۔ Python client کو pip کے ذریعے install کریں:

python -m pip install openai

اپنی پہلی DeepSeek request کریں

RouterHub کے base URL اور اپنی private key کے ساتھ OpenAI client بنائیں۔ درج ذیل request model سے مختصر وضاحت طلب کرتی ہے:

import os
from openai import OpenAI

api = OpenAI(
    base_url=os.environ["ROUTERHUB_API_BASE_URL"],
    api_key=os.environ["ROUTERHUB_API_KEY"],
)

result = api.chat.completions.create(
    model="deepseek-uncensored",
    messages=[
        {
            "role": "user",
            "content": "Explain what an API gateway does in two sentences."
        }
    ],
)

print(result.choices[0].message.content)

اگر request ناکام ہو جائے تو environment variables، account balance، exact model ID، اور موجودہ model availability کی تصدیق کریں۔ یہ بھی یقینی بنائیں کہ آپ Chat Completions استعمال کر رہے ہیں، نہ کہ کوئی incompatible Messages یا Responses client۔

System prompt شامل کریں

System prompt کے طور پر بیان کی گئی فائل کو آپ کے API یا client کے فراہم کردہ system-message field میں رکھا جا سکتا ہے۔ فائل کا جائزہ لینے کے بعد اس کے contents کو پہلی message کے طور پر شامل کریں:

system_instructions = """Paste the reviewed system-prompt text here."""

result = api.chat.completions.create(
    model="deepseek-uncensored",
    messages=[
        {"role": "system", "content": system_instructions},
        {"role": "user", "content": "Explain this function and suggest tests."},
    ],
)

Prompt behavior version-dependent ہوتا ہے۔ Model updates instruction priority تبدیل کر سکتی ہیں، persona lock ختم کر سکتی ہیں، یا workspace policies کی تشریح بدل سکتی ہیں۔ ہر prompt کو استعمال سے پہلے review کریں اور اسے اس exact model version پر test کریں جسے آپ deploy کرنا چاہتے ہیں۔

شامل کردہ prompt collection استعمال کریں

تمام 35 تحقیقی فائلیں ریپوزٹری کی jailbreaks/ ڈائریکٹری میں محفوظ ہیں۔ اس مجموعے میں DeepSeek، Claude، GLM اور ZCode، Kimi، Grok، Gemini، Mistral، Qwen، Gemma، GPT-OSS، OpenCode Zen ماڈلز کو ہدف بنانے والی فائلیں اور کئی غیر درجہ بند اضافے شامل ہیں۔

تمام فائلیں ایک ہی طریقے سے انسٹال نہیں کی جاتیں۔ ہر فائل کی قسم دیکھیں اور ذیل میں دیا گیا متعلقہ طریقہ استعمال کریں۔

سسٹم پرامپٹس

سسٹم پرامپٹ فائل کو اپنے کلائنٹ میں دستیاب system-message، custom-instructions، agent-instructions یا harness-level prompt فیلڈ میں پیسٹ کریں۔ اس مجموعے میں DeepSeek کی فائلوں میں DeepSeek V3 اور V4 کے لیے پرامپٹس، نیز DeepSeek 4.1 کے لیے اسسٹنٹ آپریٹنگ اسپیسفیکیشن شامل ہے۔

AGENTS.md فائلیں

مطابقت رکھنے والی فائل کو اپنی ریپوزٹری یا ورک اسپیس کی جڑ میں AGENTS.md کے نام سے محفوظ کریں۔ جو کوڈنگ ایجنٹس اس روایت کو پہچانتے ہیں، وہ اسے پروجیکٹ سطح کی ہدایات کے طور پر لوڈ کر سکتے ہیں۔

مستقل ورک اسپیس پالیسیاں

جن فائلوں کو assistant operating specification یا workspace operating profile کے طور پر نشان زد کیا گیا ہے، وہ ایسے ماحول کے لیے ہیں جو مستقل عالمی ہدایات برقرار رکھتے ہیں۔ README میں OpenCode کے لیے یہ مقام بطور مثال دیا گیا ہے:

~/.config/opencode/AGENTS.md

دیگر کلائنٹس اور ہارنسز مختلف مقامات استعمال کر سکتے ہیں۔ اس راستے کو عالمگیر سمجھنے کے بجائے کلائنٹ کی دستاویزات دیکھیں۔

Ollama Modelfiles

اس مجموعے میں Gemma 4 اور GPT-OSS 20B کے لیے Ollama Modelfiles شامل ہیں۔ اگر Ollama پہلے سے انسٹال ہے اور حوالہ دیا گیا بنیادی ماڈل دستیاب ہے، تو فائل کو -f کے ساتھ دے کر ماخوذ ماڈل بنائیں:

ollama create gemma4-jb -f jailbreaks/gemma4.md

کسی دوسرے Modelfile کے ساتھ کام کرتے وقت منزل کے ماڈل کا نام اور ماخذ فائل تبدیل کریں۔

Grok کنفیگریشن

jailbreaks/grok-config.txt فائل ہدف ہارنس کے کنفیگریشن فیلڈ کے لیے ہے۔ اسے عام گفتگو کے پیغام میں پیسٹ نہیں کرنا چاہیے۔

Claude کے لیے Anthropic-compatible Messages استعمال کریں

اسی RouterHub اکاؤنٹ کے ذریعے Anthropic-compatible Messages API سے معاون Claude اندراجات تک رسائی حاصل کی جا سکتی ہے۔ یہ فہرست میں شامل DeepSeek ماڈلز کے لیے متبادل endpoint نہیں ہے: ان DeepSeek اندراجات کے لیے Chat Completions درکار ہیں۔

Anthropic SDK انسٹال کریں:

python -m pip install anthropic

پھر ایسا Claude ماڈل استعمال کرتے ہوئے درخواست بھیجیں جسے لائیو کیٹلاگ Messages-compatible کے طور پر درج کرتا ہو:

import os
from anthropic import Anthropic

api = Anthropic(
    base_url=os.environ["ROUTERHUB_API_BASE_URL"],
    api_key=os.environ["ROUTERHUB_API_KEY"],
)

result = api.messages.create(
    model="claude-opus-5-5",
    max_tokens=64,
    messages=[
        {
            "role": "user",
            "content": "Explain what an API gateway does in two sentences."
        }
    ],
)

for part in result.content:
    if part.type == "text":
        print(part.text)

اسے چلانے سے پہلے تصدیق کریں کہ مثال میں دیا گیا ماڈل ID اب بھی دستیاب ہے۔ مشترکہ API key ہر ماڈل کو ہر پروٹوکول کے ساتھ مطابقت پذیر نہیں بناتی۔

عام ڈویلپمنٹ ٹولز مربوط کریں

• OpenCode: Chat Completions فراہم کنندہ کی کنفیگریشن منتخب کریں اور فہرست میں موجود DeepSeek ماڈل ID بعینہ درج کریں۔
• Cursor: تصدیق کریں کہ آپ کا انسٹال شدہ ورژن custom Chat Completions endpoint اور آپ کے ورک فلو کو درکار تمام ماڈل خصوصیات کو سپورٹ کرتا ہے۔
• Continue یا Cline: DeepSeek کے لیے ان کی مطابقت رکھنے والی Chat Completions کنفیگریشن استعمال کریں۔
• OpenAI SDK: RouterHub base URL، API key اور DeepSeek ماڈل ID بعینہ فراہم کریں۔
• Claude Code یا Anthropic SDK: Messages کو سپورٹ کرنے والا کیٹلاگ اندراج منتخب کریں، مثلاً اہل Claude ماڈل، نہ کہ صرف Chat کو سپورٹ کرنے والا DeepSeek اندراج۔
• Codex CLI: صرف Chat کو سپورٹ کرنے والے DeepSeek اندراج کے بجائے اسی اکاؤنٹ سے Responses-compatible ماڈل منتخب کریں۔
• LangChain یا LlamaIndex: مطابقت رکھنے والی Chat Completions انٹیگریشن منتخب کریں اور اپنی ایپلی کیشن میں استعمال ہونے والی ہر خصوصیت کی تصدیق کریں۔

ویریئنٹس کا منظم جائزہ لیں

ایک اجازت دینے والا جواب بامعنی بینچ مارک نہیں ہوتا۔ معیاری، Flash، abliterated اور uncensored اندراجات کا ایک ہی جائز ان پٹس اور سیٹنگز کے ساتھ موازنہ کریں۔

1. مناسب کام متعین کریں: اپنی ایپلی کیشن سے متعلق کوڈ کی وضاحت، ریفیکٹرنگ، ٹیسٹ کی تیاری، دو لسانی مسودہ نویسی، ترجمہ اور کثیر مرحلہ ایجنٹ کام شامل کریں۔
2. کنفیگریشن کو یکساں رکھیں: ماڈل ID، پرامپٹ کی نظرثانی، جنریشن سیٹنگز، کلائنٹ اور تاریخ درج کریں۔
3. ہر ٹیسٹ دہرائیں: کسی ایک جواب پر انحصار کرنے کے بجائے متعدد آزمائشیں چلائیں۔
4. غیر ضروری انکار کی پیمائش کریں: ان درخواستوں کی تعداد گنیں جنہیں آپ کی مقررہ ٹیسٹ پالیسی کے تحت جواب دیا جا سکتا تھا، مگر پھر بھی مسترد کیا گیا۔
5. کام کے معیار کو اسکور دیں: درستگی، مفید تفصیل، غیر یقینی، کوڈ کے اجرا اور ٹیسٹ کے نتائج کی جانچ کریں۔
6. ہدایات کے رویے کا جائزہ لیں: فارمیٹنگ، system-message ہینڈلنگ، پروجیکٹ ہدایات اور ٹول انٹیگریشن کی تصدیق کریں۔
7. کل لاگت کی پیمائش کریں: ان پٹ اور آؤٹ پٹ ٹوکنز، ناکام کوششیں، دوبارہ کوششیں، آؤٹ پٹ کی لمبائی اور مکمل عمل کی تاخیر شامل کریں۔

ریپوزٹری لائیو بینچ مارک اسکورز کا دعویٰ نہیں کرتی اور میزبان ماڈل ویٹس کا آزادانہ معائنہ نہیں کرتی۔ اس کے مناسب جائزے کے پرامپٹس ٹیسٹ ڈیزائن کرنے میں مدد دے سکتے ہیں، لیکن نتائج آپ کو خود تیار اور دستاویز کرنے ہوں گے۔

اعلیٰ درجے کی تجاویز

ہدایات کی ترجیح جانچیں

کچھ uncensored اندراجات میں پہلے سے متعین persona استعمال ہو سکتی ہے۔ جانچیں کہ یہ persona آپ کی system اور developer ہدایات کو مکمل کرتی ہے یا ان کی جگہ لے لیتی ہے۔ مطلوبہ آؤٹ پٹ فارمیٹس، ممنوعہ ضمنی اثرات اور ٹول کی اجازتوں کو واضح طور پر جانچیں۔

پرامپٹس اور نتائج کے ورژن بنائیں

ہر پرامپٹ کی ترمیم کو ماڈل آئی ڈی، ٹیسٹ کی تاریخ، ترتیبات اور آؤٹ پٹ کے ساتھ محفوظ کریں۔ اگر ماڈل کی تازہ کاری کے بعد کوئی پرامپٹ کام کرنا بند کر دے تو یا تو اسے تبدیل کرکے ناکامی کی دستاویز بنائیں، یا پرامپٹ کی سطح پر انحصار کرنے کے بجائے ماڈل کی سطح پر ایک متبادل آزمائیں۔

ہر کامیاب نتیجے کی لاگت کا موازنہ کریں

ماڈل کا انتخاب صرف ٹوکن کی شرحوں کی بنیاد پر نہ کریں۔ اگر کسی سستے ماڈل کو کام مکمل کرنے کے لیے زیادہ طویل آؤٹ پٹس، بار بار تصحیحات یا متعدد دوبارہ کوششوں کی ضرورت ہو تو اس کی فی مکمل شدہ کام لاگت زیادہ ہو سکتی ہے۔ Standard اور Flash اندراجات کا موازنہ یکساں قبولیت کے ٹیسٹوں کے ساتھ کریں۔

چھوٹی معاوضہ طلبیوں سے آغاز کریں

پہلے ایک مختصر طلب چلائیں، اس کے آؤٹ پٹ اور اکاؤنٹ کے چارج کا جائزہ لیں، اور اس کے بعد ہی بڑے بینچ مارک تک بڑھیں۔ کیش شدہ ان پٹ کی قیمت صرف اس وقت استعمال کریں جب منتخب کردہ ماڈل اسے سپورٹ کرتا ہو اور استعمال کا ریکارڈ اس کی تصدیق کرتا ہو۔

اسناد اور نجی ڈیٹا کا تحفظ کریں

API کیز کو ماحولیاتی متغیرات یا سیکرٹ مینیجر میں رکھیں، مناسب اجازتیں نافذ کریں، اور کیز کو کبھی بھی ریپوزٹری میں کمیٹ نہ کریں۔ ہوسٹڈ inference مقامی inference نہیں ہے، اس لیے نجی یا ضابطوں کے تحت آنے والی معلومات منتقل کرنے سے پہلے فراہم کنندہ کی شرائط اور ڈیٹا برقرار رکھنے کی پالیسیوں کا جائزہ لیں۔

اہم نتائج والے اقدامات کے لیے انسانی منظوری برقرار رکھیں

ماڈل کے لیبلز حفاظت یا درستگی ثابت نہیں کرتے۔ آؤٹ پٹس کا جائزہ لیں اور اہم نتائج والے کوڈ کو چلانے، پروڈکشن سسٹمز میں ترمیم کرنے یا حساس فیصلوں پر عمل کرنے سے پہلے منظوری لازمی قرار دیں۔

عام حدود

• انکار سے پاک اصطلاحات اس بات کی ضمانت نہیں دیتیں کہ ماڈل ہر درخواست کا جواب دے گا۔
• ہوسٹڈ رویہ، کیٹلاگ کی دستیابی اور قیمتیں تبدیل ہو سکتی ہیں۔
• مشترکہ API کی کسی سے ماڈلز کے درمیان پروٹوکول کے فرق ختم نہیں ہوتے۔
• ماڈلز یا ہدایتی درجہ بندیوں کی تازہ کاری کے وقت پرامپٹ کی مؤثریت تبدیل ہو سکتی ہے۔
• غیر سینسر شدہ آؤٹ پٹ پھر بھی غلط، نامکمل یا تعیناتی کے لیے ناموزوں ہو سکتا ہے۔
• ہوسٹڈ ماڈل کے لیبلز بذاتِ خود وزن کی سطح پر کی گئی ترامیم کی تصدیق نہیں کرتے۔

نتیجہ

یہ پروجیکٹ تجربات کے لیے دو عملی راستے فراہم کرتا ہے: ہم آہنگ کلائنٹس کے ساتھ 35 شامل کردہ پرامپٹ فائلیں استعمال کریں، یا RouterHub کے OpenAI-compatible Chat Completions endpoint کے ذریعے درج کردہ DeepSeek variant کو کال کریں۔ آغاز میں فعال ماڈل آئی ڈی اور پروٹوکول کی تصدیق کریں، اپنی کلید محفوظ رکھیں، ایک چھوٹی درخواست چلائیں، اور قابلِ تکرار معیار، انکار، تاخیر اور لاگت کی پیمائشوں کے ذریعے variants کا موازنہ کریں۔