RouterHub bilan GLM 5.3 Abliterated va Uncensored modellaridan foydalaning

Ushbu loyiha nimalarni taqdim etadi

Ushbu RouterHub repozitoriysi GLM 5.3 modeli bo‘yicha qo‘llanma, API misollari, baholash bo‘yicha tavsiyalar va model xatti-harakatlarini tadqiq qilish uchun 35 ta prompt faylini birlashtiradi. U standard, Flash, abliterated va uncensored GLM 5.3 katalog yozuvlariga e’tibor qaratadi, shuningdek, bitta RouterHub hisobidan qo‘llab-quvvatlanadigan GPT, Claude, DeepSeek, Qwen va Grok modellariga qanday kirish mumkinligini tushuntiradi.

Repozitoriy asosan dasturiy paket emas, balki hujjatlar va qayta foydalanish mumkin bo‘lgan konfiguratsiya materiallaridan iborat. Uning fayllarini oflayn ko‘rib chiqishingiz, tanlangan ko‘rsatmalarni mos mijozlarga joylashtirishingiz yoki ilovani RouterHub’ning joylashtirilgan API’siga ulashingiz mumkin.

Rad etishlarning kamayishi o‘lchanishi kerak bo‘lgan xatti-harakatdir; bu model har bir so‘rovga javob berishi yoki to‘g‘ri natija yaratishining kafolati emas.

GLM 5.3 variantlarini tushunish

abliterated va uncensored yorliqlari o‘zaro bog‘liq, ammo turli tushunchalarni anglatadi.

• GLM 5.3 Abliterated: rad etish bilan bog‘liq xatti-harakatlarni kamaytirishga qaratilgan model og‘irliklariga aralashuvlar bilan bog‘liq tadqiqot varianti.
• GLM 5.3 Uncensored: o‘qitishdagi o‘zgarishlar, og‘irliklardagi o‘zgarishlar yoki prompt darajasidagi persona bilan bog‘liq bo‘lishi mumkin bo‘lgan kengroq mahsulot toifasi.
• GLM 5.3: standart katalog yozuvi.
• GLM 5.3 Flash: sifati, kechikishi, imkoniyatlari va tariflari alohida baholanishi kerak bo‘lgan alohida yozuv.

Repozitoriy joylashtirilgan og‘irliklarni mustaqil tekshirmaydi va rad etish darajasi bo‘yicha benchmark natijalarini e’lon qilmaydi. Har doim faol katalog yozuvini tekshiring va uning xatti-harakatlarini o‘zingizning qonuniy vazifalaringiz bilan sinab ko‘ring.

Mavjud GLM model identifikatorlari

• glm-5.3-abliterated
• glm-5.3
• glm-5.3-flash
• glm-5.3-uncensored
• glm-5.3-flash-uncensored

Ushbu GLM yozuvlari Chat Completions protokolidan foydalanadi. Mavjudlik, imkoniyatlar va tariflar o‘zgarishi mumkin, shuning uchun joriy etishdan oldin RouterHub’ning faol model katalogini tekshiring.

Asosiy xususiyatlar

• OpenAI bilan mos kirish: tanlangan GLM modellarini tanish SDK’lar yordamida Chat Completions orqali chaqiring.
• Bir hisobda bir nechta oilalar: qo‘llab-quvvatlanadigan GLM, GPT, Claude, DeepSeek, Qwen va Grok yozuvlaridan foydalanish uchun oldindan to‘lovli RouterHub hisobidan foydalaning.
• O‘ttiz beshta prompt fayli: tizim promptlari, assistant spetsifikatsiyalari, ish maydoni profillari, agent ko‘rsatmalari, Ollama Modelfiles va Grok konfiguratsiyasini ko‘rib chiqing.
• Kodlash vositalari bo‘yicha yo‘riqnoma: OpenCode, Cursor, Continue, Cline, Claude Code, Codex CLI, LangChain yoki LlamaIndex’ni mos protokol bilan birlashtiring.
• Baholash resurslari: model variantlarini vazifa sifati, rad etish xatti-harakati, ko‘rsatmalarga rioya qilish, takrorlanuvchanlik, kechikish va umumiy xarajat asosida taqqoslang.
• Oldindan to‘lovli foydalanish billing’i: hisobni to‘ldiring va tanlangan modelning e’lon qilingan token tariflari asosida to‘lang.

RouterHub API’ga kirishni sozlash

1. Hisob yarating va mablag‘ kiriting

RouterHub’da ro‘yxatdan o‘ting, oldindan to‘lov kreditlarini qo‘shing va maxfiy API kalitini yarating. Har bir inference so‘rovi kredit sarflaydi, shuning uchun kichik testdan boshlang va hosil bo‘lgan foydalanish to‘lovini ko‘rib chiqing.

2. Hisob ma’lumotlarini xavfsiz saqlang

RouterHub https://routerhub.si/v1 manzilini API bazaviy URL’i sifatida e’lon qiladi. URL va kalitni muhit o‘zgaruvchilarida saqlang:

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

Haqiqiy kalitni repozitoriyga yubormang. Ishlab chiqarish tizimlarida hosting platformangiz taqdim etgan maxfiy ma’lumotlar menejeridan foydalaning.

3. OpenAI SDK’ni o‘rnating

Ro‘yxatdagi GLM 5.3 modellari Chat Completions’dan foydalanadi, shuning uchun OpenAI Python mijozini o‘rnating:

python -m pip install openai

Birinchi GLM 5.3 so‘rovingizni yuboring

RouterHub’ning bazaviy URL’i va maxfiy kalitingiz bilan OpenAI mijozini yarating. Keyin aniq katalog identifikatoridan foydalanib, Chat Completions so‘rovini yuboring:

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="glm-5.3-abliterated",
    messages=[
        {
            "role": "user",
            "content": "Explain what an API gateway does in two sentences."
        }
    ],
)

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

Boshqa variantni taqqoslash uchun so‘rovni o‘zgartirmang va faqat model identifikatorini almashtiring. Masalan, standart model uchun glm-5.3 dan yoki alohida ro‘yxatdagi uncensored yozuvni baholash uchun glm-5.3-uncensored dan foydalaning.

Tizim ko‘rsatmasini qo‘shing

Tizim xabari qo‘llab-quvvatlanadigan Chat Completions so‘rovi uchun chiqish talablarini belgilashi mumkin:

result = api.chat.completions.create(
    model="glm-5.3-flash",
    messages=[
        {
            "role": "system",
            "content": "Answer concisely and identify uncertain claims."
        },
        {
            "role": "user",
            "content": "Suggest tests for a function that parses CSV rows."
        }
    ],
)

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

Har bir variant tizim ko‘rsatmalaringizga kutilganidek amal qiladimi yoki yo‘qmi, tekshiring. Uncensored yorlig‘ining o‘zi dastur og‘irliklardagi o‘zgarishlar, o‘qitishdagi o‘zgarishlar yoki ko‘rsatmalarni qayta ishlashga ta’sir qilishi mumkin bo‘lgan belgilangan personadan foydalanadimi, buni tushuntirmaydi.

Biriktirilgan prompt to‘plamidan foydalaning

Barcha 35 ta tadqiqot prompt fayli repozitoriyning jailbreaks/ katalogida saqlanadi. Ular GLM va ZCode, Claude, DeepSeek, Kimi, Grok, Gemini, Mistral, Qwen, Gemma, GPT-OSS hamda OpenCode uchun mo‘ljallangan bir nechta modellarni qamrab oladi.

Tizim promptlari

Fayl mazmunini API, chatbot, agent yoki harness taqdim etgan system-prompt yoki maxsus ko‘rsatmalar maydoniga nusxalang. Chat Completions orqali bu odatda matnni system roliga ega xabarga joylashtirishni anglatadi.

Loyiha darajasidagi agent ko‘rsatmalari

AGENTS.md ko‘rsatmalari sifatida ishlab chiqilgan fayllar tegishli repozitoriy yoki ish maydoni ildizida aynan shu nom bilan saqlanishi kerak. Mos keluvchi kodlash agentlari undan loyiha darajasidagi yo‘riqnoma sifatida foydalanishi mumkin.

Doimiy ish maydoni siyosatlari

Assistant ishlash spetsifikatsiyalari va ish maydoni profillari mijozning doimiy ko‘rsatmalar joylashuviga tegishli. README faylida OpenCode uchun quyidagi yo‘l misol sifatida keltirilgan:

~/.config/opencode/AGENTS.md

Boshqa vositalar boshqa yo‘llardan foydalanishi mumkin, shuning uchun siyosatni global o‘rnatishdan oldin mijoz hujjatlarini ko‘rib chiqing.

Ollama Modelfile fayllari

Gemma 4 va GPT-OSS 20B prompt fayllarida Ollama uslubidagi FROM va SYSTEM bloklari mavjud. Quyidagi buyruq orqali ushbu fayllardan biri asosida mahalliy model yarating:

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

Boshqa Modelfile faylidan foydalanganda chiqish modeli nomi va manba yo‘lini o‘zgartiring.

Grok konfiguratsiyasi

jailbreaks/grok-config.txt fayli oddiy suhbat xabari uchun emas, balki maqsadli harness konfiguratsiya maydoni uchun mo‘ljallangan.

Prompt xatti-harakati versiyaga bog‘liq. Model yangilanishlari va ko‘rsatmalar ierarxiyasidagi o‘zgarishlar ilgari samarali bo‘lgan faylning boshqacha ishlashiga olib kelishi mumkin.

Mos mijoz va protokolni tanlang

Umumiy RouterHub kaliti har bir modelni har bir API protokoliga mos qilib qo‘ymaydi. Model va mijozni birgalikda tanlang.

• OpenAI SDK: RouterHub bazaviy URL manzili, kalit va aniq GLM model ID sini kiriting.
• OpenCode: tanlangan GLM yozuvi uchun Chat Completions provayder konfiguratsiyasidan foydalaning.
• Continue yoki Cline: ularning mos Chat Completions sozlamalariga amal qiling.
• Cursor: o‘rnatilgan versiyangiz maxsus Chat Completions endpointi va talab qilinadigan model imkoniyatlarini qo‘llab-quvvatlashini tekshiring.
• LangChain yoki LlamaIndex: mos Chat Completions integratsiyasini tanlang va ilovaga xos imkoniyatlarni tekshiring.
• Claude Code yoki Anthropic SDK: Anthropic Messagesʼni qo‘llab-quvvatlaydigan katalog yozuvini, masalan, mos Claude modelini tanlang. Ro‘yxatdagi GLM variantlari Messagesʼdan foydalanmaydi.
• Codex CLI: faqat Chatʼni qo‘llab-quvvatlaydigan GLM yozuvi o‘rniga Responsesʼni qo‘llab-quvvatlaydigan modelni tanlang.

Claude Messages uchun ixtiyoriy misol

Xuddi shu RouterHub hisobi Anthropic bilan mos Messages API orqali qo‘llab-quvvatlanadigan Claude modellariga xizmat ko‘rsatishi mumkin. Bu GLM uchun muqobil endpoint emas. Avval Anthropic SDKʼni o‘rnating:

python -m pip install anthropic

Keyin qo‘llab-quvvatlanadigan Claude katalog yozuvidan foydalaning:

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)

Variantlarni tizimli baholang

Foydali taqqoslash uchun bitta erkin javobni topishning o‘zi yetarli emas. Bir xil qonuniy vazifalarni standart, Flash, abliterated va uncensored yozuvlarda bajaring, so‘ng izchil o‘lchovlarni qayd eting.

1. Vakillik qiluvchi vazifalarni belgilang. Ilovangizni aks ettiradigan kodlash, agentlik, tahlil, yozish yoki ikki tilli ssenariylarni kiriting.
2. Kiritmalarni bir xil saqlang. Barcha modellar uchun bir xil promptlar, tizim ko‘rsatmalari va tegishli sozlamalardan qayta foydalaning.
3. Keraksiz rad etishlarni o‘lchang. Belgilangan test siyosatingizga ko‘ra javob berish mumkin bo‘lsa-da, rad etilgan so‘rovlarni qayd eting.
4. Vazifa sifatini baholang. To‘g‘rilik, foydali tafsilotlar, sinovdan o‘tgan kod va noaniqlikni to‘g‘ri ifodalashni tekshiring.
5. Ko‘rsatmalar bilan ishlashni sinang. Formatlash, tizim xabarlarini qayta ishlash, loyiha ko‘rsatmalari va zarur vosita integratsiyasini tekshiring.
6. Takrorlanuvchanlikni tekshiring. API ID si, prompt tahriri, sozlamalar, takrorlashlar soni va test sanasini qayd eting.
7. Vazifaning umumiy narxini hisoblang. Kirish va chiqish tokenlari, muvaffaqiyatsiz urinishlar, qayta urinishlar, chiqish uzunligi va oxiridan oxirigacha bo‘lgan kechikishni hisobga oling.

Repozitoriy examples/benign-eval-prompts.json faylida zararsiz namunaviy vazifalarni o‘z ichiga oladi. Unda amaldagi benchmark natijalari va’da qilinmaydi, shuning uchun bu resurslarni o‘zingizning baholashingiz uchun asos sifatida ko‘ring.

Ilg‘or maslahatlar

Joylashtirishdan oldin katalogni qayta tekshiring

Hosted mavjudlik, narxlar, imkoniyatlar va xatti-harakatlar o‘zgarishi mumkin. Integratsiyani chiqarishdan oldin aniq model ID si va qo‘llab-quvvatlanadigan protokolni tasdiqlang, model yangilangandan keyin muhim testlarni qayta ishga tushiring.

Flashʼni alohida sinang

GLM 5.3 Flash standart model bilan bir xil sifat yoki xatti-harakatga ega deb hisoblamang. Ikkalasini ham kechikish, narx va qabul qilish mezonlaringiz asosida benchmark qiling.

Qayta urinishlarni hisobga oling

Token narxi pastroq bo‘lgan model uzoqroq promptlarga, ortiqcha chiqishga yoki takroriy urinishlarga muhtoj bo‘lsa, har bir muvaffaqiyatli vazifa uchun baribir qimmatroq tushishi mumkin. Faqat token narxlarini emas, yakunlangan vazifa xarajatini taqqoslang.

Promptlarni versiyalanadigan resurslar sifatida ko‘ring

Har bir prompt tahriri bilan birga model versiyasi yoki sinov sanasini qayd eting. Agar ko‘rsatmalar fayli ishlamay qolsa, mijoz noto‘g‘ri sozlangan deb taxmin qilish o‘rniga uni yangilang va xatoni hujjatlashtiring.

Oflayn repozitoriy tekshiruvlarini ishga tushiring

Hujjatlarga hissa qo‘shuvchilar inferens kreditlarini sarflamasdan repozitoriyning havola va sintaksis tekshiruvchisini ishga tushirishlari mumkin:

python tools/check.py

Maxfiy ma’lumotlarni himoya qiling

Joylashtirilgan inferens mahalliy inferens bilan bir xil emas. Maxfiy ma’lumotlarni yuborishdan oldin tegishli provayder shartlari va ma’lumotlarni saqlash siyosatlarini ko‘rib chiqing. Muhim oqibatlarga olib keladigan amallar uchun inson nazoratini saqlang, agent ruxsatlarini cheklang va yaratilgan kodni ishga tushirishdan oldin tekshiring.

Xulosa

Ushbu loyiha GLM 5.3 terminologiyasidan ishlaydigan API so‘rovi va takroriy model baholashigacha bo‘lgan amaliy yo‘lni taqdim etadi. RouterHub’da mablag‘ bilan to‘ldirilgan hisobdan boshlang, Chat Completions modelining aniq identifikatoridan foydalaning, variantlarni bir xil vazifalarda sinang va “abliterated” yoki “uncensored” yorliqlarini kafolat emas, balki tekshirilishi kerak bo‘lgan gipotezalar deb qabul qiling. To‘plamdagi prompt fayllari tadqiqot va agent konfiguratsiyasini qo‘llab-quvvatlashi mumkin, ammo ular versiyalanishi, ko‘rib chiqilishi va tegishli maxfiylik hamda joriy etish nazoratlari bilan ishlatilishi kerak.