Modelos Abliterated alojados: usa una API, olvídate de la GPU

Qué significa "alojado" para un modelo estilo abliterated

Las personas que buscan modelos abliterados alojados suelen toparse con el mismo muro. Los pesos son gratuitos para descargar, pero ejecutar un modelo capaz requiere mucha memoria de video, un stack de inferencia compatible y paciencia para la configuración. Un servicio alojado traslada todo eso a las máquinas de otra persona. Tú conservas la parte que te importa: un modelo que responde sin rechazos por contenido para uso adulto lícito.

En este sitio el modelo es un modelo de pesos abiertos ejecutado por un proveedor independiente. Está ajustado para omitir los rechazos, el mismo objetivo que persigue la abliteración. No es la API oficial de Meta, Mistral, Qwen, DeepSeek ni ningún otro proveedor, y no es un enrutador que reenvía tu petición a diferentes modelos. Hay un solo model ID, uncensored, y cada petición se envía a él.

Si quieres información sobre la técnica en sí primero, la página sobre modelos abliterados cubre la idea, y el artículo sobre cómo elegir un LLM abliterado para juego de roles cubre lo que importa para el trabajo con personajes.

Descarga local o API alojada: qué cambia

Ninguna opción es siempre mejor. Esta tabla enumera las diferencias prácticas.

Pregunta	Pesos locales	API alojada
Hardware	Tú proporcionas memoria de la GPU adecuada al modelo y la cuantización	Ninguno por tu parte
Configuración	Descargar, convertir y configurar un entorno de ejecución	Crear una clave, configurar una URL base
Estructura de costos	Hardware y energía iniciales	Por token, desde crédito prepago
Longitud del contexto	Limitado por tu memoria	100.000 tokens, prompt más completación
Privacidad	Todo permanece en tu máquina	Las peticiones van a un servidor; los prompts no se usan para entrenamiento
Uso sin conexión	Funciona	Necesita una conexión

Si tus prompts nunca deben salir de tu hardware, ejecuta localmente y acepta el trabajo de configuración. Si quieres probar una idea esta tarde, o tu app ya se comunica con un endpoint estilo OpenAI, el alojamiento es más rápido. Muchas personas empiezan alojado y pasan a local después, o viceversa.

Haz tu primera petición

Crea una cuenta, abre la página de clave de API y copia tu clave. Luego apunta cualquier SDK de OpenAI a la URL base. El endpoint soporta POST /v1/chat/completions, POST /v1/responses y GET /v1/models.

Python

Copyfrom openai import OpenAI

client = OpenAI(
    base_url="https://api.abliterated.cc/v1",
    api_key="YOUR_KEY",
)

resp = client.chat.completions.create(
    model="uncensored",
    messages=[
        {"role": "system", "content": "You are a blunt, helpful writing partner."},
        {"role": "user", "content": "Draft a tense opening scene for a noir story."},
    ],
    temperature=0.8,
)
print(resp.choices[0].message.content)
print(resp.usage)

curl

Copycurl https://api.abliterated.cc/v1/chat/completions \
  -H "Authorization: Bearer YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"uncensored","messages":[{"role":"user","content":"Say hello in one sentence."}]}'

La lista completa de parámetros está en la página de documentación. max_tokens es opcional; la completación puede usar lo que quede de la ventana de 100.000 tokens después de tu prompt.

El streaming y las llamadas a funciones funcionan como en otros lados

Como la API sigue el formato de OpenAI, las funciones que ya usas se mantienen. Establece stream: true y recibirás eventos enviados por el servidor, con el uso de tokens al final. Las llamadas a funciones aceptan tools y tool_choice, transmiten tool_calls y esperan resultados como mensajes con role: "tool". El modo JSON está disponible a través de response_format.

Copyimport OpenAI from "openai";

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

const stream = await client.chat.completions.create({
  model: "uncensored",
  stream: true,
  messages: [{ role: "user", content: "Write two lines of dialogue between a smuggler and a customs officer." }],
});

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

Se pasan los ajustes de muestreo como temperature, top_p, stop, seed y las penalizaciones de repetición. Si estás construyendo una interfaz alrededor de esto, la guía sobre cómo crear un chatbot desde un LLM muestra cómo mantener el historial de conversaciones y manejar streaming en una app pequeña.

Qué cuesta, con números reales

La tarifa es de $0,15 por cada 1M de tokens de entrada y $0,50 por cada 1M de tokens de salida. No hay suscripción. Recargas crédito y lo gastas; el crédito no caduca y las peticiones fallidas o rechazadas no se cobran.

Aquí hay tres ejemplos, cada uno calculado a partir de esas dos tarifas.

• Turno de chat corto: 2.000 tokens de entrada y 500 de salida. Entrada: 2.000 / 1.000.000 x $0,15 = $0,0003. Salida: 500 / 1.000.000 x $0,50 = $0,00025. Total $0,00055, así que unas 1.800 de estas vueltas cuestan $1.
• Sesión de historia larga: un historial de 40.000 tokens reenviado con 1.000 tokens de salida. Entrada: $0,006, salida: $0,0005, total $0,0065.
• Lote de 1.000 peticiones: 1.500 de entrada y 700 de salida cada una. Eso son 1,5M de tokens de entrada ($0,225) más 0,7M de tokens de salida ($0,35). Total $0,575.

Los historiales largos cuestan más porque pagas por la entrada en cada llamada. Mantén un resumen de los turnos anteriores en lugar de reenviar todo cuando la historia se alarga. Las tarifas y bonificaciones actuales se listan en la página de precios.

Añadir crédito y la prueba gratuita

Las recargas aceptan cualquier cantidad entera desde $20 hasta $500. Las cantidades mayores obtienen un bono: +5% desde $50, +10% desde $100 y +15% desde $200. Puedes pagar con cripto (USDT en TRC20, USDC en Base).

Para probar antes de pagar, regístrate con Google o con correo y contraseña, luego reclama la prueba en la página de clave de API. Son $0,50 de crédito, válidos por 7 días, uno por persona, y no necesitan tarjeta. A la tarifa de turno corto anterior, eso cubre aproximadamente 900 peticiones. Una clave de prueba está limitada a 2 peticiones simultáneas y 60 peticiones por minuto. Una clave completa permite 8 peticiones simultáneas y 300 peticiones por minuto.

¿Listo para probarlo? Obtén una clave de API y ejecuta el fragmento de Python anterior.

Errores comunes al pasar de un entorno local

Un entorno de ejecución local oculta algunos detalles que una API alojada hace explícitos. Estos son los que más suelen confundir a la gente.

• Nombre de modelo incorrecto. Las herramientas locales suelen esperar un nombre de archivo o una etiqueta. Aquí el model ID es siempre uncensored. Cualquier otro valor no hará lo que esperas.
• Falta /v1 en la URL base. La URL base termina en /v1. Los clientes añaden /chat/completions ellos mismos, así que no lo añadas dos veces.
• Plantillas de chat hard-coded. Los ejecutores locales a veces necesitan una plantilla de prompt para el modelo. Con la API envías messages planos y el servidor aplica la plantilla.
• Reenviar todo el historial para siempre. Un modelo local no cuesta nada por token, así que la gente pega transcripciones enteras. En una API, ese hábito se acumula, como muestran los ejemplos de coste. Recorta o resume los turnos antiguos.
• Ignorar respuestas 429. Reintenta con un breve retraso en lugar de disparar la misma petición en un bucle continuo.

Corrigiendo esos cinco errores, un script escrito para un servidor local suele funcionar contra el endpoint alojado sin otros cambios.

Límites a tener en cuenta

Alojado no significa ilimitado. Superar la tasa de peticiones te devuelve HTTP 429 con el código de error rate_limited. Demasiadas peticiones simultáneas devuelven 429 con concurrency. Durante sobrecarga temporal, la API también envía 429 con un encabezado Retry-After: 5, así que espera cinco segundos y reintenta. Una petición en streaming mantiene su espacio de concurrencia hasta que termina el flujo, así que una UI que abre muchos flujos a la vez puede alcanzar el límite de concurrencia antes de lo esperado.

Comprueba el encabezado de respuesta X-Balance-USD para ver tu crédito restante sin una llamada separada. La API es solo texto: sin imágenes, audio, video, embeddings ni fine-tuning. Una regla es fija: el contenido sexual que involucre menores de edad nunca está permitido.

Más guías

• Cómo se crean los modelos Abliterated: una explicación sencilla
• API LLM sin censura: Compatible con OpenAI y modo JSON