ES ▾
mistralapikey.com

Alternativa a la API de Mistral sin censura

Obtener clave de API
URL base
https://api.mistralapikey.com/v1
Modelo
sin censura

Chat API compatible con OpenAI: Python, Node y curl

Una llamada de chat API compatible con OpenAI es una POST con una lista de mensajes y una respuesta del modelo. Esta guía recorre la petición, conversaciones multi-turno, streaming y los errores que puedes encontrar, usando un endpoint sin censura como ejemplo.

Actualizado

Burbujas de chat intercambiando cubos ligeros entre un dispositivo y una torre de servidor, ilustrando una petición de chat API

Las peticiones por minuto

Cualquier cliente que pueda comunicarse con el formato de chat de OpenAI puede comunicarse con este servicio. Cambias dos cosas, la base URL y la clave, y mantienes todo lo demás. Aquí la base URL es https://api.mistralapikey.com/v1 y el ID del modelo es uncensored. La autenticación es un encabezado estándar Authorization: Bearer.

Una petición inicial se ve así:

curl https://api.mistralapikey.com/v1/chat/completions   -H "Authorization: Bearer YOUR_API_KEY"   -H "Content-Type: application/json"   -d '{
    "model": "uncensored",
    "messages": [
      {"role": "system", "content": "You are a concise assistant."},
      {"role": "user", "content": "Explain what an API key is in two sentences."}
    ]
  }'

Este es un servicio independiente que ejecuta un modelo de pesos abiertos, ajustado para responder sin rechazos de contenido para uso adulto lícito. No es la API oficial de Meta, Mistral, OpenAI ni ningún otro proveedor. Expone dos métodos, POST /v1/chat/completions y GET /v1/models, y solo maneja texto. Si aún necesitas una clave, la página clave de API explica el registro y el crédito de prueba gratis.

Leer la respuesta

Una respuesta exitosa es un objeto JSON con la estructura habitual. El texto está en choices[0].message.content, la razón de finalización está en choices[0].finish_reason, y los conteos de tokens están en usage.

{
  "id": "chatcmpl-...",
  "object": "chat.completion",
  "model": "uncensored",
  "choices": [
    {
      "index": 0,
      "message": {"role": "assistant", "content": "An API key is a secret string..."},
      "finish_reason": "stop"
    }
  ],
  "usage": {"prompt_tokens": 31, "completion_tokens": 48, "total_tokens": 79}
}

Un finish_reason de stop significa que el modelo terminó su respuesta. Un valor de length significa que alcanzó un límite de tokens, así que aumenta max_tokens o déjalo sin establecer. Los encabezados también importan: X-Request-Id identifica la llamada para soporte, X-Balance-USD muestra tu crédito restante, y X-RateLimit-Limit-Requests y X-RateLimit-Limit-Concurrency reportan tus límites.

Mensajes y roles

El array messages es toda la conversación, en orden. Cada elemento tiene un role y content.

  • system establece el comportamiento, el tono y las reglas. Ponlo primero.
  • user es lo que escribió la persona.
  • assistant es lo que dijo el modelo anteriormente en la conversación.
  • tool transporta el resultado de una llamada a funciones, si usas tool calling.

El modelo solo sabe lo que está en el array. No se recuerda nada entre peticiones, así que el servidor no mantiene una sesión por ti. Esa es la cosa más importante que debes entender sobre los endpoints de chat, y explica por qué un "chat" cuesta más en cada turno: el historial que envías se factura como entrada cada vez.

Chat multi-turno en Python

Para mantener una conversación, mantén una lista, añade el mensaje del usuario, llama a la API, añade la respuesta del asistente y repite. Esto es un chat de terminal completo.

from openai import OpenAI

client = OpenAI(
    base_url="https://api.mistralapikey.com/v1",
    api_key="YOUR_API_KEY",
)

history = [{"role": "system", "content": "You are a friendly, direct assistant."}]

while True:
    text = input("you> ").strip()
    if not text:
        break
    history.append({"role": "user", "content": text})

    resp = client.chat.completions.create(
        model="uncensored",
        messages=history,
        temperature=0.7,
    )
    answer = resp.choices[0].message.content
    history.append({"role": "assistant", "content": answer})

    print("bot>", answer)
    print(f"   [{resp.usage.prompt_tokens} in / {resp.usage.completion_tokens} out]")

Observa los números entre corchetes mientras chateas. El conteo de "entrada" sube en cada turno porque incluye todo lo dicho hasta ahora. Ese crecimiento es normal y también es tu principal palanca para el control de costos, cubierto más abajo.

Respuestas en streaming en Node

Para una interfaz de chat quieres que el texto aparezca a medida que se genera. Establece stream: true y la API envía eventos enviados por el servidor. El SDK de Node de OpenAI envuelve esto en un iterador asíncrono.

import OpenAI from "openai";

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

const stream = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Write a four-line poem about debugging." }],
  stream: true,
});

for await (const chunk of stream) {
  const piece = chunk.choices[0]?.delta?.content ?? "";
  process.stdout.write(piece);
}
process.stdout.write("\n");

El uso se reporta al final del stream, así que aún puedes registrar los conteos de tokens sin una segunda llamada. Un detalle operativo: una petición en streaming mantiene su slot de concurrencia hasta que el stream termina. Si un usuario cierra una pestaña, cancela la petición en tu lado para liberar el slot antes.

Parámetros que puedes usar

Los controles de muestreo estándar se pasan al modelo. Estos son los que tocarás más.

CampoQué haceConsejo práctico
temperatureAleatoriedad en la elección de palabras0 a 0.3 para extracción, 0.7 a 1.0 para texto creativo
top_pLimita el muestreo a las palabras más probablesCambia esto o temperature, rara vez ambos
max_tokensLímite superior en la longitud de la respuestaOpcional; establécelo para limitar el costo en prompts de respuesta abierta
stopSecuencias que terminan la generaciónÚtil para formatos basados en líneas
seedMuestreo repetibleÚtil para pruebas
frequency_penalty, presence_penaltyDesalienta la repeticiónLos valores pequeños tienen mucho impacto
response_formatModo JSONUsa {"type":"json_object"} y describe las claves en el prompt

Tool calling está disponible a través de tools y tool_choice también. La página quickstart cubre la configuración para SDKs comunes.

Cuánto cuesta una conversación

Los precios son $0.15 por 1M tokens de entrada y $0.50 por 1M tokens de salida, desde crédito prepago. La ventana de contexto es de 100,000 tokens para prompt y respuesta juntos. Debido a que el historial se reenvía, el costo de un chat crece más rápido que el número de mensajes.

Toma un chat donde cada mensaje del usuario tiene unos 100 tokens y cada respuesta unos 200 tokens, más un mensaje de sistema de 200 tokens. El turno 1 envía 300 tokens de entrada. El turno 10 envía aproximadamente 200 + 10 x 100 + 9 x 200 = 3,000 tokens de entrada. El turno 30 envía unos 200 + 30 x 100 + 29 x 200 = 9,000.

Suma los 30 turnos de entrada: el total es 30 x 200 + 100 x (1 + 2 + ... + 30) + 200 x (0 + 1 + ... + 29) = 6,000 + 46,500 + 87,000 = 139,500 tokens de entrada. La salida es 30 x 200 = 6,000 tokens. Costo: 139,500 / 1M x $0.15 = $0.020925, más 6,000 / 1M x $0.50 = $0.003. Todo el chat de 30 turnos asciende a unos $0.024. Barato, pero nota que la entrada es 23 veces mayor que la salida, y crecería con el cuadrado de la longitud si nunca recortas.

Formas de mantenerlo bajo: elimina o resume turnos antiguos una vez que el historial supera un tamaño que elijas, mantén el prompt del sistema corto y establece max_tokens cuando no necesites respuestas largas. Las peticiones fallidas o rechazadas no se cobran. Los montos de recarga y los niveles de bonificación se listan en la página de precios.

Recortar el historial sin romper el chat

Una vez que una conversación se hace larga tienes dos opciones: pagar por el historial completo en cada turno o cortarlo. Una regla simple es mantener el mensaje del sistema y los últimos varios turnos. Esta función hace eso y deja el resto de tu bucle sin cambios.

from openai import OpenAI

client = OpenAI(
    base_url="https://api.mistralapikey.com/v1",
    api_key="YOUR_API_KEY",
)

def trimmed(history, keep=8):
    system = history[:1]
    rest = history[1:]
    return system + rest[-keep:]

resp = client.chat.completions.create(
    model="uncensored",
    messages=trimmed(history),
)

El precio de recortar es que el modelo olvida lo que ya no ve. Para bots de soporte está bien. Para historias largas puedes preferir pedirle al modelo que escriba un resumen corto de los turnos antiguos una vez, guárdalo como una nota del sistema y elimina los originales. Eso cuesta una llamada extra pero mantiene la trama.

Escribir un mensaje del sistema útil

Mantenlo corto y concreto: quién es el asistente, cuánto deben durar las respuestas y cualquier regla de formato. "Eres un agente de soporte para una tienda de bicicletas. Responde en máximo tres oraciones y haz una pregunta si la petición no está clara" hace más que una página de virtud general. Cada palabra de esto se factura como entrada en cada turno, así que un mensaje del sistema de 1,000 tokens añade $0.00015 a cada petición.

Errores y límites

Una clave completa permite 8 peticiones concurrentes y 300 peticiones por minuto; una clave de prueba permite 2 y 60. El cuerpo máximo de la petición es 8 MB. Si superas un límite recibirás HTTP 429, con uno de estos significados:

  • Código de error rate_limited: demasiadas peticiones por minuto. Espácialas.
  • Código de error concurrency: demasiadas peticiones al mismo tiempo. Ponlas en cola.
  • Un encabezado Retry-After: 5: sobrecarga temporal. Espera 5 segundos y reintenta.

Un 401 significa que falta la clave o es incorrecta. Mantén las claves fuera del código del front-end; llama a la API desde tu servidor. Si vienes de una configuración de Mistral, la página clave de API de Mistral cubre el acceso con este servicio.

Para código de producción, envuelve las llamadas en un reintento con una breve espera, como ya hacen los SDK de OpenAI para algunas fallas, y registra el valor X-Request-Id junto a cada error. Cuando algo parezca incorrecto, esa ID es la forma más rápida de señalar a soporte la petición exacta. También configura un tiempo de espera en el cliente: una finalización larga en un prompt grande puede tardar un poco, y no quieres que una conexión bloqueada ocupe una de tus 8 ranuras de concurrencia.

El servicio no produce contenido sexual que involucre a menores de edad, y los prompts no se usan para entrenamiento.

Preguntas y respuestas

¿Qué significa compatible con OpenAI?

Significa que el endpoint acepta el mismo formato de petición que la API de completiones de chat de OpenAI, por lo que los SDK y herramientas de OpenAI funcionan después de cambiar la base URL y la clave.

¿El servidor recuerda la conversación?

No. Envía todo el historial de mensajes con cada petición. El servidor no mantiene ninguna sesión entre llamadas.

¿Qué endpoints están disponibles?

POST /v1/chat/completions y GET /v1/models. El servicio es solo de texto, sin endpoints de imagen, audio ni embeddings.

¿Cómo hago streaming de la respuesta?

Establece stream a true. La API envía eventos SSE e informa el uso al final del streaming.

¿Qué nombre de modelo uso?

Usa uncensored como ID de modelo en cada petición.

Tu clave está a un formulario de distancia

Crea una cuenta, copia la clave, cambia la URL base. Esa es toda la configuración.