Documentación de la API de Ollama: Comparación de API sin Censura

Por qué elegir una API sin censura?

Las APIs sin censura proporcionan acceso directo a modelos que no rechazan temas adultos legales, ficticios o controvertidos. Este enfoque elimina la necesidad de gestionar dependencias específicas del modelo o ajustar capas de alineación tú mismo.

Nuestro servicio alojado ofrece un modelo de pesos abiertos optimizado para minimizar los rechazos. Envías entrada de texto estándar y recibes salida de texto sin preocuparte por que los filtros de contenido bloqueen tu flujo de trabajo. La API soporta streaming mediante SSE, llamada de funciones y modo JSON, garantizando compatibilidad con los stacks de desarrollo modernos.

A diferencia de los despliegues locales, no necesitas monitorear la temperatura de la GPU ni gestionar actualizaciones de controladores. La infraestructura escala automáticamente, permitiéndote centrarte en construir tu aplicación en lugar de mantener tu servidor.

Ollama local frente a API alojada: La compensación

El despliegue local ofrece total privacidad de datos y cero latencia por WAN, pero requiere una gestión significativa del hardware. Debes configurar los controladores CUDA, los contenedores Docker y variables de entorno como OLLAMA_HOST.

Las APIs alojadas abstraen el hardware. Te conectas usando una URL base y una clave de API, tal como lo harías con los principales proveedores en la nube. Esto elimina la necesidad del NVIDIA Container Toolkit o de gestionar archivos de modelos locales.

La compensación es costo frente a conveniencia. Las ejecuciones locales son gratuitas después de la compra de hardware, mientras que las APIs alojadas cobran por token. Para uso ocasional o prototipado rápido, la ruta alojada suele ser más rápida de implementar.

Comparativa de costos: hardware GPU vs. facturación por tokens

Los costes de inferencia local son fijos: compras la GPU una vez. La facturación alojada escala con el uso. Nuestro modelo cobra $0.15 por cada 1M de tokens de entrada y $0.50 por cada 1M de tokens de salida. Este modelo prepagado significa que los errores y las denegaciones son gratuitos, por lo que solo pagas por los resultados reales.

Para producción de alto volumen, el hardware local suele ganar en precio. Para desarrollo esporádico o equipos pequeños, la facturación de tokens prepagados evita la sobrecarga de recursos GPU inactivos. Puedes recargar con criptomonedas a partir de $20, con crédito bonus disponible para depósitos más grandes.

Sin suscripción mensual que te ate. El crédito nunca expira, lo que te permite pausar el uso sin perder fondos.

Rendimiento: Docker, CUDA y limitaciones locales

El rendimiento local depende en gran medida de tu versión de CUDA y la generación de hardware. Ollama soporta CUDA 5.0+, pero los modelos modernos funcionan mejor en arquitectura Ampere o superior. VLLM, por ejemplo, requiere Volta o superior.

Docker añade una ligera sobrecarga pero simplifica la gestión de dependencias. Puedes usar herramientas como Coolify para configurar Ollama con Open Webgui con mínimo esfuerzo. Sin embargo, debes asegurarte de que la variable OLLAMA_HOST esté configurada correctamente, generalmente a 0.0.0.0 para acceso externo.

Las APIs alojadas ofrecen un rendimiento constante independientemente de tu máquina local. Esto es crucial cuando necesitas una latencia predecible para aplicaciones en tiempo real.

Tabla de decisiones: Ollama local vs. Esta API

Característica	Local Ollama	API alojada sin censura
Complejidad de configuración	Alto (CUDA, Docker, Config)	Bajo (Clave API + URL base)
Modelo de costos	Capex de Hardware	Uso de tokens prepagados
Privacidad	Control Total	Prompts no utilizados para entrenamiento
Ventana de Contexto	Depende de la VRAM	100.000 Tokens
Actualizaciones	Manual	Automático

Restricciones Técnicas: Ventana de Contexto y Límites

Los modelos locales están limitados por la VRAM de tu GPU. Un modelo de 7B podría caber, pero los modelos más grandes se intercambiarán a la CPU, ralentizando la inferencia significativamente. Nuestra API soporta una ventana de contexto de 100,000 tokens, permitiéndote procesar documentos grandes sin las limitaciones de hardware local.

La API limita a 16.000 tokens la salida máxima por solicitud. Si no estableces max_tokens, el valor predeterminado es 2.048 tokens. Esto garantiza una facturación predecible y una asignación de recursos adecuada.

Los límites de velocidad están establecidos en 300 solicitudes por minuto por clave. Esto es suficiente para la mayoría de las cargas de trabajo de desarrollo y producción moderada. Puedes usar una clave activa por cuenta, reemplazándola si es necesario.

Transparencia de facturación: Prepagado vs. Suscripción

Los modelos de suscripción a menudo cobran por tiempo inactivo. La facturación de tokens prepagados cobra solo por lo que usas. Nuestro crédito nunca expira, así que puedes recargar una vez y usarlo durante meses o años.

Los pagos son exclusivamente en criptomonedas: USDT (TRC20) o USDC (Base). Puedes depositar cualquier cantidad entida entre $20 y $500. Se añade crédito bonus automáticamente: +5% desde $50, +10% desde $100 y +15% desde $200.

Las cuentas nuevas reciben $0.50 en crédito de prueba válido por 7 días. Errores como cobros dobles se corrigen a través de la página de Soporte, pero el crédito en sí no es reembolsable.

FAQ: Preguntas comunes sobre la API de Ollama

¿Cómo uso el modelo sin censura? Envía solicitudes a nuestra URL base con el id del modelo "uncensored". Acepta parámetros estándar del SDK de OpenAI como temperature, top_p y stop. El modelo no rechaza temas adultos legales o controversiales.

¿Es esta la API oficial de Ollama? No. Somos un servicio independiente. Ollama es una herramienta para ejecutar modelos localmente. Alojamos un modelo de peso abierto diferente a través de un endpoint compatible con OpenAI.

¿Qué ocurre si me quedo sin crédito? Las solicitudes fallarán hasta que recargues. Puedes añadir crédito mediante criptomonedas en cualquier momento. Tu crédito existente no caduca.

¿Usas mis prompts para entrenamiento? No. No usamos tus prompts para el entrenamiento. Tus datos permanecen privados.