پرش به محتوا
همه مستندات

راهنما

نمونه‌برداری برای داستان

DeepSeek نمونه‌برداری‌هایی را می‌پذیرد که برنامه‌های داستان می‌فرستند: temperature، top_p، top_k، min_p و جریمه‌های frequency، presence و repetition. GLM هیچ‌کدامشان را نمی‌پذیرد.

بررسی‌شده در ۴ آبان ۱۴۰۵

مقادیر شروع

فیلداز این شروع کنکارش
temperature0.9میزان ماجراجویی در انتخاب واژه‌ها. اگر پاسخ‌ها از مسیر خارج شدند، به 0.7 پایین بیاورش.
top_p0.95دنبالهٔ بلندِ واژه‌های نامحتمل را می‌برد. ۱ یعنی خاموش.
min_p0.05واژه‌هایی را که خیلی کمتر از بهترین واژه محتمل‌اند کنار می‌گذارد. با دمای بالاتر خوب جور می‌شود.
top_k0 (خاموش)فقط k واژهٔ محتمل‌تر را نگه می‌دارد. وقتی top_p یا min_p تنظیم شده، خاموشش بگذار.
repetition_penalty1.05حلقه‌های تکرار عبارت‌های موردعلاقه در گفتگوهای بلند را می‌شکند. ۱ یعنی خاموش.
frequency_penalty0وقتی repetition_penalty تنظیم است، روی ۰ بگذار، وگرنه اسم‌ها کنار گذاشته می‌شوند.
presence_penalty0فقط اگر داستان صحنه را مدام تکرار می‌کند، به 0.2 ببرش.

ارسالشان

curl
curl https://nokeep.ai/v1/chat/completions \
  -H "Authorization: Bearer $NOKEEP_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "deepseek-v4.1-flash-uncensored",
  "temperature": 0.9,
  "top_p": 0.95,
  "min_p": 0.05,
  "repetition_penalty": 1.05,
  "max_tokens": 400,
  "messages": [
    {
      "role": "system",
      "content": "You are Mara, a ship’s navigator with a dry wit. Stay in character."
    },
    {
      "role": "user",
      "content": "The storm is closing in. What do we do?"
    }
  ]
}'

SDKهای OpenAI آرگومانی برای min_p، top_k یا repetition_penalty ندارند. در Python آنها را در extra_body بفرست، و در JavaScript به‌صورت فیلد اضافی.

Python
reply = client.chat.completions.create(
    model="deepseek-v4.1-flash-uncensored",
    temperature=0.9,
    extra_body={"min_p": 0.05, "repetition_penalty": 1.05},
    messages=messages,
)

با GLM

glm-5.3-flash-uncensored هیچ نمونه‌برداری‌ای نمی‌پذیرد. هر کدام را که بفرستی حذف می‌شود و در x-nokeep-ignored نام برده می‌شود تا برنامه‌ات کار کند؛ پاسخ فقط با تنظیمات خود مدل ساخته می‌شود.