10 LLM Tak Tercensor yang Bisa Anda Coba Sekarang

Pendahuluan ke LLM yang Tidak Tersensor

Model Bahasa Besar (LLM) telah menjadi landasan kecerdasan buatan modern, memungkinkan mesin untuk memahami dan menghasilkan teks yang mirip dengan manusia. Meskipun banyak LLM dilengkapi dengan filter konten bawaan untuk mencegah pembuatan konten yang berbahaya atau tidak pantas, minat terhadap LLM yang tidak tersensor terus berkembang. Model-model ini beroperasi tanpa batasan tersebut, menawarkan fleksibilitas dan kepatuhan yang lebih besar, tetapi juga menimbulkan tantangan etika yang signifikan. Artikel ini mengeksplorasi lima LLM tidak tersensor teratas yang tersedia saat ini, dengan pandangan mendetail tentang model Dolphin 2.7 Mixtral 8x7b dan cara menjalankannya menggunakan Ollama.

Fitur Utama dari Dolphin Llama 3 70B:

• Lebih kuat dan fleksibel daripada model Llama-3.1-8B-Instruct yang di-jailbreak
• Pengalaman LLM yang tidak tersensor
• Tersedia di Anakin.AI! Cukup kunjungi https://app.anakin.ai/, klik pada opsi "Chats" di panel sebelah kiri.

Dan pilih Opsi Dolphin Llama 3.1 8B Instruct untuk memiliki obrolan tanpa batas dengan LLM secara online!

1. Dolphin 2.9.1 Llama 3 70B: LLM Tidak Tersensor Terbaik Secara Keseluruhan

Model Llama 3 telah terbukti andal dan menghasilkan keluaran luar biasa yang menantang OpenAI. Jadi, mengapa tidak menggunakan versi tidak tersensor dari Llama 3?

Sebuah model besar yang tidak tersensor yang memanfaatkan arsitektur Llama 3. Sorotan termasuk:

• 70 miliar parameter untuk kinerja tinggi di berbagai tugas, memungkinkan penalaran dan kemampuan generasi yang kompleks
• Panjang konteks yang diperpanjang untuk menangani input yang lebih panjang dan mempertahankan koherensi, cocok untuk tugas yang memerlukan analisis dokumen yang luas
• Kemampuan penalaran dan pengetahuan yang lebih baik dibandingkan model kecil, berpotensi mendekati kinerja tingkat manusia di domain tertentu
• Dilatih menggunakan penyesuaian penuh dengan panjang urutan 4K, memungkinkan pemrosesan efisien urutan teks yang lebih panjang
• Menggabungkan kemampuan awal agenik dan mendukung pemanggilan fungsi untuk keluaran yang lebih terstruktur, meningkatkan potensinya untuk penyelesaian tugas dan integrasi dengan sistem lain
• Menghapus dataset tertentu yang digunakan dalam versi sebelumnya untuk mengatasi masalah perilaku dan ketergantungan berlebihan pada prompt sistem, berpotensi meningkatkan keandalan dan mengurangi perilaku yang tidak diinginkan
• Lisensi di bawah PERJANJIAN LISENSI KOMUNITAS META LLAMA 3, yang memungkinkan penggunaan komersial sesuai dengan ketentuan yang ditentukan, memberikan peluang untuk bisnis sambil mempertahankan batasan tertentu
• Karakter tidak tersensor memerlukan penerapan hati-hati dari panduan etika dan strategi moderasi konten dalam aplikasi dunia nyata

2. Dolphin 2.7 Mixtral 8x7B: Klasik LLM Tidak Tersensor

Dolphin 2.7 Mixtral 8x7b, yang dibuat oleh Eric Hartford, adalah LLM tidak tersensor terkemuka yang dikenal karena kemampuan pengkodean yang kuat dan kepatuhan yang tinggi. Model ini berbasis pada arsitektur campuran Mixtral, yang menggabungkan beberapa model AI khusus menjadi satu sistem yang kuat. Model ini telah disesuaikan dengan dataset tambahan seperti Synthia, OpenHermes, dan PureDove, menjadikannya sangat serbaguna.

Fitur Utama dari Dolphin 2.7 Mixtral 8x7b

• Desain Tidak Tersensor: Dolphin 2.7 Mixtral 8x7b dirancang untuk beroperasi tanpa filter konten, memungkinkan untuk menghasilkan respons tanpa batasan. Ini membuatnya sangat patuh dan mampu menghasilkan berbagai keluaran, termasuk yang mungkin dianggap tidak etis atau tidak pantas.
• Kinerja Tinggi: Model ini unggul dalam tugas pengkodean, berkat pelatihannya pada dataset pengkodean yang luas. Model ini dapat menghasilkan kode berkualitas tinggi dan memberikan penjelasan terperinci, menjadikannya alat yang berharga bagi para pengembang.
• Kuantisasi Serbaguna: Dolphin 2.7 Mixtral 8x7b tersedia dalam beberapa format kuantisasi, termasuk GGUF dan AWQ, yang menyeimbangkan ukuran model dan kinerja. Fleksibilitas ini memungkinkan pengguna untuk memilih konfigurasi terbaik sesuai dengan perangkat keras dan kebutuhan aplikasi mereka.

Anakin AI adalah platform AI all-in-one yang mendukung SETIAP model AI yang tersedia. Anda dapat dengan mudah mengintegrasikan API Anda untuk membuat Aplikasi AI kustom Anda dengan mudah!

Menjalankan Dolphin 2.7 Mixtral 8x7b dengan Ollama

Ollama adalah platform yang menyediakan akses tanpa batas ke model AI canggih, termasuk Dolphin 2.7 Mixtral 8x7b. Berikut adalah cara untuk menjalankan model ini menggunakan Ollama:

1. Daftar: Buat akun di platform Ollama.
2. Akses Model: Navigasikan ke perpustakaan model dan pilih Dolphin 2.7 Mixtral 8x7b.
3. Siapkan Lingkungan Anda: Konfigurasikan pengaturan model sesuai kebutuhan Anda. Anda dapat memilih format kuantisasi dan menyesuaikan parameter seperti suhu dan batas token.
4. Berinteraksi dengan Model: Gunakan antarmuka platform untuk memasukkan prompt dan menerima respons dari model. Ollama mendukung berbagai mode interaksi, termasuk percakapan gaya obrolan dan kueri terstruktur.

Contoh perintah untuk menjalankan model:

ollama run dolphin-mixtral "pilih masalah leetcode yang sulit, selesaikan dalam Kotlin"

Perintah ini akan meminta model untuk menyelesaikan masalah yang ditentukan dalam Kotlin, mempertunjukkan kemampuannya dalam pengkodean.

3. Dolphin Vision 72B: LLM Visi yang Tidak Tersensor

Ya, Dolphin Sekarang Bisa Melihat!

Model multimodal tidak tersensor yang canggih ini dapat menganalisis gambar dan menghasilkan respons teks tanpa batasan konten. Fitur kunci termasuk:

• Arsitektur 72 miliar parameter untuk pemrosesan bahasa dan visi yang berkinerja tinggi, memungkinkan penalaran kompleks dan keluaran yang terperinci
• Kemampuan untuk menalar dan mendeskripsikan gambar yang mungkin ditolak oleh model lain, menjadikannya cocok untuk berbagai konten visual
• Kemampuan multimodal yang menggabungkan pemahaman visi dan bahasa, memungkinkan interaksi kaya antara input teks dan gambar
• Dibangun di atas arsitektur BunnyQwen, dioptimalkan untuk pemrosesan efisien data visual dan tekstual dalam satu model
• Memerlukan sumber daya komputasi yang signifikan, dengan 147GB VRAM yang dibutuhkan untuk pengembangan, membatasi penggunaan pada setup perangkat keras kelas atas
• Panjang konteks token yang mengesankan 131,072 untuk menangani promp panjang dan menghasilkan respons terperinci, memungkinkan analisis dokumen atau percakapan panjang
• Menggunakan Qwen2Tokenizer dengan ukuran kosakata 152,064 untuk representasi teks yang nuansa, memungkinkan penanganan yang tepat terhadap berbagai bahasa dan terminologi khusus
• Dirancang untuk tidak tersensor, memungkinkan keluaran tanpa batas yang mungkin memerlukan pertimbangan hati-hati dalam skenario penerapan.

4. Dolphin 2.9.3 Mistral Nemo 12B: LLM Tidak Tersensor Terbaik Lokal, untuk Saat Ini

Mistral-nemo-12B telah diverifikasi sebagai salah satu LLM Lokal terbaik yang berjalan di Laptop modern. Jika Anda membutuhkan asisten LLM yang berjalan secara lokal, LLM tidak tersensor ini adalah pilihan terbaik Anda.

Model ini memiliki 12 miliar parameter tidak tersensor yang didasarkan pada arsitektur Nemo dari Mistral AI. Aspek penting:

• Menggunakan format prompt ChatML untuk interaksi terstruktur, memungkinkan pemisahan yang jelas antara instruksi sistem, input pengguna, dan respons model
• Jendela konteks 128K memungkinkan analisis dokumen atau percakapan panjang, cocok untuk tugas yang memerlukan memori jangka panjang dan koherensi
• Dirancang untuk mengikuti instruksi, percakapan, pengkodean, dan kemampuan awal agenik, menjadikannya serbaguna untuk berbagai aplikasi
• Dilatih pada dataset beragam termasuk konten multibahasa dan contoh pengkodean, meningkatkan kemampuannya untuk menangani berbagai tugas dan bahasa
• Menerapkan kemampuan pemanggilan fungsi untuk keluaran yang lebih terstruktur, memungkinkan integrasi dengan alat dan API eksternal
• Dioptimalkan untuk diterapkan di perangkat keras kelas konsumen sambil mempertahankan kinerja yang kuat, menyeimbangkan aksesibilitas dan kemampuan
• Lisensi di bawah Apache 2.0, memungkinkan penggunaan komersial dengan atribusi yang tepat, memberikan fleksibilitas bagi pengembang dan bisnis
• Karakter tidak tersensor memerlukan pertimbangan hati-hati terhadap implikasi etika dan potensi penerapan langkah-langkah perlindungan dalam lingkungan produksi

5. Dolphin 2.9 Llama3 8B: Permata Menakjubkan dari LLM Tidak Tersensor

Cukup jalankan sekarang menggunakan ollama. Cobalah, ini luar biasa:

ollama run dolphin-llama3

Model dengan 8 miliar parameter yang tidak tersensor ini didasarkan pada arsitektur Llama 3. Atribut kunci:

• Dioptimalkan untuk efisiensi dan kinerja di perangkat keras konsumen, menjadikannya dapat diakses untuk lebih banyak pengguna dan aplikasi
• Mempertahankan banyak kemampuan model yang lebih besar dalam paket parameter 8B yang lebih kompak, menawarkan keseimbangan yang baik antara kinerja dan kebutuhan sumber daya
• Tersedia dalam versi dengan jendela konteks 32K dan 256K, memberikan fleksibilitas untuk berbagai kasus penggunaan dan batasan memori
• Cocok untuk diterapkan pada sistem dengan sumber daya terbatas, hanya membutuhkan 4.7GB penyimpanan, memungkinkan penggunaan di laptop dan server kecil
• Dilatih pada dataset beragam untuk menangani berbagai tugas termasuk pengkodean dan analisis, meningkatkan serbagunanya
• Dirancang agar sangat patuh terhadap permintaan pengguna, memerlukan penggunaan yang hati-hati dan potensi perlindungan untuk mencegah penyalahgunaan atau pembuatan konten berbahaya
• Kompatibel dengan alat penerapan populer seperti Ollama untuk integrasi yang mudah ke dalam proyek, menyederhanakan proses pengembangan
• Karakter tidak tersensor memungkinkan keluaran tanpa batas, yang mungkin memerlukan penyaringan konten tambahan atau pedoman pengguna dalam aplikasi praktis

6. Dolphin 2.9.3 Yi 1.5 34B 32k GGUF

Model tidak tersensor ini menggabungkan arsitektur Yi dengan optimisasi. Fitur kunci:

• 34 miliar parameter, menyeimbangkan antara ukuran model dan kinerja, cocok untuk pengguna yang memerlukan kemampuan kuat tanpa tuntutan sumber daya dari model yang lebih besar
• Jendela konteks 32k untuk menangani dokumen dan percakapan yang lebih panjang, memungkinkan analisis teks yang luas sambil mempertahankan koherensi
• Format GGUF untuk penerapan yang efisien dan jejak memori yang lebih kecil, mengoptimalkan kinerja di berbagai konfigurasi perangkat keras
• Dioptimalkan untuk digunakan dengan kerangka pembelajaran inferensi sumber terbuka yang populer, memfasilitasi integrasi ke dalam pipeline AI dan proyek yang sudah ada
• Dirancang untuk mempertahankan kinerja tinggi sambil lebih mudah diakses daripada model yang lebih besar, berpotensi cocok untuk diterapkan pada perangkat keras konsumen kelas atas atau instansi cloud
• Cocok untuk berbagai aplikasi termasuk pembuatan teks, analisis, dan tugas pengkodean, menawarkan serbaguna untuk pengembang dan peneliti
• Memerlukan pertimbangan hati-hati terhadap implikasi etika karena sifatnya yang tidak tersensor, memerlukan penerapan kebijakan penggunaan dan mekanisme penyaringan konten yang bijaksana
• Dapat menawarkan kompromi yang baik antara kemampuan model yang lebih besar dan efisiensi sumber daya dari yang lebih kecil, menjadikannya menarik bagi organisasi dengan sumber daya komputasi moderat

6. GPT-4-x-Vicuna

GPT-4-x-Vicuna adalah varian tidak tersensor dari model GPT-4 yang populer, disesuaikan untuk menghapus filter konten. Model ini dikenal karena kinerjanya yang tinggi dalam menghasilkan teks yang mirip manusia dan kemampuannya untuk menangani kueri kompleks tanpa batasan.

Fitur Utama

• Kepatuhan Tinggi: Model ini dirancang untuk memenuhi permintaan apa pun, menjadikannya sangat serbaguna.
• Pemahaman Bahasa Tingkat Lanjut: Model ini unggul dalam memahami dan menghasilkan teks kompleks, menjadikannya cocok untuk berbagai aplikasi.

7. Nous-Hermes-Llama2

Nous-Hermes-Llama2 adalah LLM tidak tersensor lain yang telah memperoleh popularitas karena kinerja dan fleksibilitasnya yang kuat. Ini didasarkan pada arsitektur Llama2 dan telah disesuaikan untuk beroperasi tanpa filter konten.

Fitur Utama

• Kinerja Kuat: Model ini berkinerja baik di berbagai tugas, mulai dari penulisan kreatif hingga dokumentasi teknis.
• Penerapan Fleksibel: Model ini dapat diterapkan di berbagai platform, membuatnya dapat diakses untuk berbagai kasus penggunaan.

8. Mythomax

Mythomax adalah LLM tidak tersensor yang terkenal karena kemampuan kreatifnya. Ini sangat populer di kalangan pengguna yang memerlukan model yang dapat menghasilkan konten imajinatif dan tidak terbatas.

Fitur Utama

• Keluaran Kreatif: Model ini unggul dalam menghasilkan teks kreatif dan imajinatif, menjadikannya ideal bagi penulis dan pembuat konten.
• Fleksibilitas Tinggi: Model ini dapat menangani berbagai prompt tanpa batasan, memberikan pengguna alat serbaguna untuk berbagai aplikasi.

9. Airoboros-30B

Airoboros-30B adalah LLM tidak tersensor yang kuat yang menawarkan kinerja tinggi dan kepatuhan. Ini dirancang untuk menangani kueri kompleks dan menghasilkan respons terperinci tanpa filter konten.

Fitur Utama

• Kinerja Tinggi: Model ini mampu menangani kueri kompleks dan menghasilkan respons terperinci.
• Berbagai Aplikasi: Cocok untuk berbagai aplikasi, mulai dari dokumentasi teknis hingga penulisan kreatif.

Apakah LLM Tidak Tersensor Benar-Benar Berfungsi?

Sementara LLM tidak tersensor menawarkan keuntungan signifikan, mereka juga menghadapi tantangan etika yang substansial. Kurangnya moderasi konten berarti bahwa model-model ini dapat menghasilkan konten berbahaya, bias, atau tidak pantas, yang dapat memiliki implikasi hukum dan reputasi yang serius.

LLM Tidak Tersensor Tidak Tersensor, Tapi Mungkin Tidak "Gratis"

• Bias dan Keadilan: Tanpa filter konten, tidak ada jaminan bahwa LLM akan memberikan kebenaran 100%. Model tidak tersensor dapat mempertahankan dan memperkuat bias yang ada dalam data pelatihan. Ini dapat mengarah pada keluaran yang tidak adil dan diskriminatif.
• Anda Masih Perlu Memicu LLM, Dengan Benar: Memberikan pedoman yang jelas dan contoh penggunaan yang bertanggung jawab dapat membantu pengguna berinteraksi secara etis dengan model. Mendorong pengguna untuk menghindari prompt yang berbahaya dan menggunakan model untuk tujuan yang konstruktif sangat penting.
• Penyetelan dan Pengarahan Dapat Meningkatkan LLM Tidak Tersensor: Penyetelan model dengan dataset tambahan dan menerapkan teknik pengarahan saat uji dapat meningkatkan kepatuhan model terhadap pedoman etika. Strategi-strategi ini dapat membantu meningkatkan keandalan dan keamanan model.

Kesimpulan

LLM yang tidak tersensor seperti Dolphin 2.7 Mixtral 8x7b mewakili kemajuan signifikan dalam teknologi AI, menawarkan kemampuan yang kuat untuk berbagai aplikasi. Namun, potensi mereka untuk menghasilkan konten yang berbahaya memerlukan pertimbangan hati-hati dan penggunaan yang bertanggung jawab. Platform seperti Ollama menyediakan antarmuka yang berharga untuk berinteraksi dengan model-model ini, tetapi pengguna harus tetap waspada dan mengadopsi strategi mitigasi yang sesuai untuk memastikan penerapan yang etis dan aman. Seiring bidang AI terus berkembang, menyeimbangkan manfaat LLM yang tidak tersensor dengan kebutuhan akan perlindungan etika akan menjadi sangat penting dalam memanfaatkan potensi penuh mereka.