兼容双 API
同时兼容 OpenAI Chat Completions 和 Anthropic Messages API,暴露 /v1/chat/completions、/v1/responses、/v1/models 端点,现有 SDK 改 base URL 即可使用。
官方说明 ↗拖动滑块完成拼图,通过后发送验证码
独立第三方 AI 评测平台 · 只用实测数据
Abliteration.ai 是面向专业团队的 LLM 服务商,提供经消融处理、拒答行为显著降低的托管模型,通过兼容 OpenAI Chat Completions 与 Anthropic Messages 的 API 接入,现有代码改一行 base URL 即可。它主打合法的敏感型工作:安全研究、红队测试、信任与安全审核、合成训练数据生成。模型按 token 计费,输入 $1.00/1M、输出 $3.00/1M 起,另有 Developer $20/月起等订阅档位。短板在于缺乏公开的第三方基准评测,且模型未经安全对齐、有滥用风险,企业合规审查门槛较高。
Abliteration.ai 是一家面向高风险行业与专业团队的 LLM 服务商,提供经过「消融」(abliteration)处理、拒答行为被显著降低的托管模型。目标用户是网络安全研究人员、红队运营人员、信任与安全团队以及机器学习工程师,他们在使用其他 LLM 时,常因模型拒答而无法完成合法工作。产品定位是让模型在用户授权范围内「做你允许的事,由企业自己的策略来治理。
当前主力形态是一个名为 abliterated-model 的托管模型,通过兼容 OpenAI 与 Anthropic 的 API 提供。根据官网定价页,平台提供三个模型:abliterated-model(通用无删减文本模型,支持图像输入,256K 上下文)、abliterated-model-large 与 abliterated-model-large-v2(均为纯文本前沿推理模型,1M 上下文,后者基于 GLM-5.3)。接入方式为把 base URL 指向 https://api.abliteration.ai/v1,使用 abliteration.ai 的 API key 和模型 id,SDK 与消息格式保持不变。
普通用户主要通过 Playground 试用模型,可在网页上配置模型、策略、系统提示词、温度、max tokens 与 top-p。开发者用 OpenAI SDK 或 Anthropic SDK 直接调用 API,改动仅为 base URL、API key 和 model id 三项。团队与企业则通过 Policy Gateway 以代码方式配置策略,每个模型请求会得到 allow、refuse、rewrite、redact 或 escalate 五种结果之一,并带原因码流式推送到 Splunk、Datadog、Elastic 或自有 S3。
同时兼容 OpenAI Chat Completions 和 Anthropic Messages API,暴露 /v1/chat/completions、/v1/responses、/v1/models 端点,现有 SDK 改 base URL 即可使用。
官方说明 ↗托管经过消融处理的模型,对研究、安全和训练数据类提示词正常作答,减少其他 LLM 常见的拒答式应答。
以代码方式配置自定义策略,每个请求返回 allow、refuse、rewrite、redact 或 escalate 五种结果之一,原因码可流式推送到 Splunk、Datadog、Elastic 或自有 S3。
规模化生成带标签数据集,支持偏好对、评估样本、分类器示例等;输出经过 schema 校验,示例中一次生成 10,000 条客服对话,约 4.2 MB。
官方说明 ↗网页端试用界面,可切换模型与策略、编辑系统提示词,调节温度、max tokens 和 top-p,支持流式输出。
abliterated-model 为通用无删减文本模型,支持图像输入,256K 上下文;abliterated-model-large 与 -v2 为纯文本前沿推理模型,1M 上下文。
官方说明 ↗无需绑卡即可试用 API,登录后可查看余额并购买预付额度。
官方说明 ↗做合法的红队测试、越狱与提示词注入风险评估、内容分类或合成训练数据时,Abliteration.ai 值得优先考虑——它把「模型不拒答」和「企业可治理」两件事同时做到,API 接入成本极低。做面向公众的通用聊天产品或对内容安全有强监管要求的场景时不太合适,因为模型本身去掉了拒答行为,官方也明确其面向高风险行业,滥用风险需要自己承担。仅需通用能力的团队,直接用主流模型更省心。
需要在合法授权范围内生成 PoC、侦察技术清单等敏感内容,直接调用 API 或 Playground 即可,无需绕开拒答。
用模型批量生成有害内容分类样本与边缘案例,配合 Policy Gateway 的策略结果与原因码做审核流水线。
需要偏好对、评估样本、分类器示例等带标签数据,支持 schema 校验后直接落进训练管线;官网示例单次生成 10,000 条记录。
模型经过消融处理、拒答行为被降低,直接面向终端用户会带来内容审核压力,需要自行加装前置审核与策略。
医疗、金融等对模型来源与合规审查要求高的团队,官网未公开模型训练数据与授权细节,采购前需与销售确认。
| 方案 | 价格 | 包含内容 | 说明 |
|---|---|---|---|
| Developer | $20/月 | 含 $20 月度用量额度,额外用量 2.5% 折扣;120 requests/minute,2M tokens/minute | 面向使用 API 的个人开发者,标准模型,支持图像输入与远程 HTTPS 图片,社区支持 |
| Growth | $50/月 | 含 $50 月度用量额度,额外用量 5% 折扣;300 requests/minute,4M tokens/minute | 面向生产 API 工作负载的团队,含 Developer 全部功能,标准与更高容量模型,更大图片限制 |
| Scale | $200/月 | 含 $200 月度用量额度,额外用量 10% 折扣;500 requests/minute,6M tokens/minute | 面向高并发生产负载,含 Growth 全部功能,优先支持通道 |
| Enterprise | 联系销售 | 定制容量、控制与支持 | 面向需要专属容量与治理的组织,含专属吞吐、自定义模型与区域路由、定制合同与合规审查、优先支持、批量定价、安全接入 |
以上为公开费率整理,厂商保留调价权利,实际以官方页面为准。
| 指标 | 数值 | 数据来源 |
|---|---|---|
| abliterated-model 输入价 | $1.00 / 1M tokens | 定价页 · 使用费率表 |
| abliterated-model 缓存输入价 | $0.10 / 1M tokens | 定价页 · 使用费率表 |
| abliterated-model 输出价 | $3.00 / 1M tokens | 定价页 · 使用费率表 |
| abliterated-model 上下文 | 256K | 定价页 · 使用费率表 |
| abliterated-model-large 输入价 | $3.00 / 1M tokens | 定价页 · 使用费率表 |
| abliterated-model-large 输出价 | $5.00 / 1M tokens | 定价页 · 使用费率表 |
| abliterated-model-large 上下文 | 1M | 定价页 · 使用费率表 |
| Developer 档限速 | 120 requests/minute,2M tokens/minute | 定价页 · 订阅档位 |
| Scale 档限速 | 500 requests/minute,6M tokens/minute | 定价页 · 订阅档位 |
| 示例数据集规模 | 10,000 rows · 4.2 MB | 官网首页 · 训练数据生成示例 |
| 账号额度展示 | 1,195,242 credits | 官网首页 · Playground 控制台 |
订阅档位有三档:Developer $20/月含 $20 月度用量额度及额外用量 2.5% 折扣,Growth $50/月含 $50 额度及 5% 折扣,Scale $200/月含 $200 额度及 10% 折扣,月度额度不过期。另有按量计费:abliterated-model 输入 $1.00/1M、缓存输入 $0.10/1M、输出 $3.00/1M;abliterated-model-large 与 large-v2 输入 $3.00/1M、缓存 $0.30/1M、输出 $5.00/1M。
可以。平台暴露 OpenAI 兼容的 /v1/chat/completions、/v1/responses、/v1/models 端点,把 base_url 改成 https://api.abliteration.ai/v1、换上 abliteration.ai 的 API key,并将模型 id 换成 abliterated-model 即可。messages 数组、role/content 字段、流式开关、工具定义和 response_format 都保持熟悉的形式。
共三个。abliterated-model 是通用无删减文本模型,支持图像输入,256K 上下文,适合多数场景。abliterated-model-large 与 abliterated-model-large-v2 是纯文本前沿推理模型,1M 上下文,后者标注为基于 GLM-5.3,面向最难的评测与红队任务。
平台用 Policy Gateway 做治理:以代码方式配置自定义策略,每个模型请求得到 allow、refuse、rewrite、redact 或 escalate 五种结果之一,原因码流式推送到 Splunk、Datadog、Elastic 或自有 S3。也就是说模型本身不拦,但企业可以在自己这一层设规则并留审计记录。
可以。平台支持规模化生成带标签数据集,包括偏好对、评估样本、分类器示例,以及其他 LLM 拒绝写出的边缘案例,输出经过 schema 校验。官网示例中一次生成 10,000 条退款与账单场景的客服对话,约 4.2 MB,格式为 OpenAI 训练 JSONL。
不太适合直接裸露使用。模型经过消融处理、拒答行为被降低,官方定位也是红队、信任与安全、合成数据这类专业场景。若要用在公众产品上,需要自行加装前置审核、内容分类与 Policy Gateway 规则,把「不拒答」限制在授权范围内。
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| Abliteration.ai本工具 | 4.6 | Developer $20/月,Scale $200/月,输入 $1.00/1M 起 | 兼容双 API;拒答行为降低;Policy Gateway;合成训练数据 | Web / API |
| Anthropic | — | 官网未公开具体定价档位与免费额度 | Anthropic 官网,ChatGPT 最强对手 Claude,ai 聊天机器人 看看详细一点 | Web |
| OfoxAI | — | 按量付费,0% 平台费,GPT/Claude 等低至 $1.4/M | OfoxAI 是统一大模型 API 聚合网关,通过单一 API Key 可接入 GPT | Web / API |
| Langtail | — | 未标价 | 用于测试和调试 AI 应用及 LLMs 的低代码平台 | Web / API |
| Query Vary | — | 未标价 | 优化 LLM 应用的提示设计、测试和优化工具 | — |
| vLLM | — | 未标价 | 快速易用的 LLM 推理和服务平台 | API / Web |