हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।

ReMM SLERP 13B

undi95/remm-slerp-l2-13b

टेक्स्टइनपुट: text6K22 जुल॰ 2023 को जोड़ा गया

playground में खोलें ReMM SLERP 13B के लिए API key पाएं

ReMM SLERP 13B अभी आज़माएं

ऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।

एक API. हर मॉडल.

आज 5 में से 5 मुफ्त मैसेज बाकी, मुफ्त अकाउंट से अतिरिक्त मुफ्त उपयोग और API key मिलती है।मुफ्त अकाउंट बनाएं साइन इन

सेशन लागत $0.00

ReMM SLERP 13B एक नज़र में

इनपुट कीमत 434 टेक्स्ट मॉडल के मीडियन से 22% कम है।
schema के साथ structured JSON output सपोर्ट करता है।
एक सामान्य request (1,000 इनपुट / 500 आउटपुट tokens) की लागत लगभग $0.00236 है।

ReMM SLERP 13B के बारे में

ReMM SLERP 13B एक टेक्स्ट जनरेशन मॉडल है जिसे Undi95 ने 22 जुलाई 2023 को जारी किया था। इसके प्रदाता द्वारा इसे मूल MythoMax-L2-B13 का अपडेटेड मॉडलों का उपयोग करके पुनर्निर्माण परीक्षण बताया गया है, और इसे एक merge के रूप में वितरित किया गया है, जिसका अर्थ है कि इसके weights अन्य fine-tuned मॉडलों से संयोजित किए गए थे, न कि शुरू से प्रशिक्षित किए गए थे। Undi95 एक स्वतंत्र मॉडल प्रकाशक है जो सामुदायिक merges के लिए जाना जाता है, इसलिए यह किसी बड़ी लैब की first-party रिलीज़ के बजाय एक समुदाय-निर्मित मॉडल है।

यह मॉडल टेक्स्ट इनपुट के साथ काम करता है और केवल टेक्स्ट आउटपुट उत्पन्न करता है। इसका context window 6,144 tokens है और अधिकतम आउटपुट 5,529 tokens है, इसलिए लंबे prompts उत्तर के लिए उसी अनुपात में कम जगह छोड़ते हैं। इसका knowledge cutoff 30 जून 2023 है, जिसका अर्थ है कि उस तारीख के बाद की कोई भी बात उसके प्रशिक्षण के दौरान सीखी गई बातों से बाहर है। इन सीमाओं के भीतर यह एक सामान्य instruction-following chat मॉडल की तरह व्यवहार करता है, और इसे सामान्य sampling नियंत्रणों से निर्देशित किया जा सकता है।

चूंकि यह एक सामान्य प्रयोजन वाला टेक्स्ट मॉडल है जिसका context window सीमित है, यह chat और dialogue, short-form writing और rewriting, context में फिट होने वाले passages का summarisation, दिए गए टेक्स्ट पर question answering, और character या scenario writing जैसे हल्के creative काम के लिए उपयुक्त है। MythoMax-L2-B13 तक जाने वाली merge lineage इसे conversational और roleplay-style prompts के लिए एक उचित विकल्प बनाती है, जहां इसकी tuning साधारण base model की तुलना में अधिक अभिव्यक्तिपूर्ण उत्तर देती है। यह बहुत लंबे दस्तावेज़ों के लिए अच्छा विकल्प नहीं है, क्योंकि 6,144 tokens केवल कुछ हज़ार शब्दों को कवर करते हैं, और इसमें image, audio या अन्य non-text इनपुट नहीं है।

आप इसे api14 के OpenAI-compatible API के माध्यम से model id "undi95/remm-slerp-l2-13b" का उपयोग करके कॉल कर सकते हैं। अपने मौजूदा OpenAI client को api14 base URL पर इंगित करें और उस id के साथ chat completion request भेजें, और request तथा response के स्वरूप OpenAI वाले ही रहते हैं। यह मॉडल frequency_penalty, logit_bias, logprobs, max_tokens, min_p, presence_penalty, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, top_a, top_k, top_logprobs और top_p का समर्थन करता है। इसमें मानक sampling parameters के साथ कुछ अतिरिक्त भी शामिल हैं: sampling पर बेहतर नियंत्रण के लिए min_p, top_a और repetition_penalty, दोहराए जा सकने वाले runs के लिए seed, और जब आपको आउटपुट एक निर्धारित स्वरूप में चाहिए तो response_format और structured_outputs।

दो सीमाएं ध्यान में रखने योग्य हैं। 6,144 token context और 5,529 token आउटपुट की सीमा लंबे दस्तावेज़ या बड़े codebase वाले काम को असंभव बनाती है, और जून 2023 का knowledge cutoff意味着 मॉडल को उससे अधिक हाल की किसी बात का ज्ञान नहीं होगा। यदि आपके काम के लिए बहुत बड़ा context window, वर्तमान विश्व ज्ञान, या non-text इनपुट चाहिए, तो api14 पर कोई अन्य मॉडल आपके लिए बेहतर होगा।

ReMM SLERP 13B API कैसे कॉल करें

अपने dashboard में API key बनाएं।
अपनी भाषा के लिए आधिकारिक openai SDK इंस्टॉल करें।
baseURL को https://api14.com/api/v1 और model को "undi95/remm-slerp-l2-13b" पर सेट करें।

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api14.com/api/v1",
  apiKey: process.env.API14_API_KEY,
});

const result = await client.chat.completions.create({
  "model": "undi95/remm-slerp-l2-13b",
  "messages": [
    {
      "role": "user",
      "content": "Explain vector databases in two sentences."
    }
  ]
});
console.log(result.choices[0].message.content);

समर्थित parameters

frequency_penaltylogit_biaslogprobsmax_tokensmin_ppresence_penaltyrepetition_penaltyresponse_formatseedstopstructured_outputstemperaturetop_atop_ktop_logprobstop_p

स्पेसिफिकेशन

Context लंबाई: 6,144
अधिकतम आउटपुट: 5,529
इनपुट: text
आउटपुट: text
Knowledge cutoff: 2023-06-30

api14 पर requests · पिछले 7 दिन

ReMM SLERP 13B: अक्सर पूछे जाने वाले सवाल

ReMM SLERP 13B API की कीमत कितनी है?: ReMM SLERP 13B की कीमत इनपुट $1.22 / 1M tokens है। शुल्क आपके USD बैलेंस से सिर्फ सफल requests के लिए कटता है; फेल हुई requests मुफ्त हैं।
ReMM SLERP 13B की context window कितनी है?: ReMM SLERP 13B हर request में 6,144 tokens तक पढ़ता है, prompt, इतिहास और दस्तावेज़ मिलाकर। यह हर जवाब में 5,529 आउटपुट tokens तक लिखता है।
ReMM SLERP 13B क्या कर सकता है?: ReMM SLERP 13B text स्वीकार करता है और text लौटाता है। यह structured JSON output सपोर्ट करता है।
अपने कोड से ReMM SLERP 13B कैसे कॉल करूं?: किसी भी OpenAI SDK को https://api14.com/api/v1 पर पॉइंट करें और model को "undi95/remm-slerp-l2-13b" पर सेट करें, कोड में और कोई बदलाव नहीं। इस पेज के कोड पैनल से तैयार उदाहरण कॉपी करें।
ReMM SLERP 13B के विकल्प क्या हैं?: मिलती-जुलती कीमत वाले टेक्स्ट मॉडल: Inception: Mercury 2, Mistral: Mistral Large 3 2512 (batch), Qwen: Qwen3 VL 8B Instruct। सभी एक ही API key से चलते हैं, इसलिए बदलना बस एक string बदलना है।

ReMM SLERP 13B कम्युनिटी

नया टॉपिक

इस कम्युनिटी में अभी कोई टॉपिक नहीं है। ReMM SLERP 13B के बारे में पहला टॉपिक खोलें।