Inicio/Agentes
Probador de API compatible con OpenAI: verifica cualquier endpoint

No necesitas un probador de api compatible con openai especial para verificar un endpoint. Cuatro peticiones y un script corto de Python te dicen si una URL base se comporta realmente como la API de OpenAI.
Actualizado
Puntos clave
- Comienza con GET /v1/models, luego una completación de chat mínima.
- Prueba el streaming y lee el uso al final del flujo.
- Envía peticiones incorrectas a propósito para ver cómo se ven los errores.
- Un script puede ejecutar todas las comprobaciones e imprimir éxito o fallo.
Las cuatro verificaciones importantes
Muchos servicios dicen ser compatibles con OpenAI. Algunos copian solo la ruta de chat, otros cambian el formato de error, otros omiten detalles de streaming. Un probador debe confirmar en qué depende tu código cliente:
- Autenticación y descubrimiento:
GET /v1/modelscon una clave Bearer. - Una completación de chat mínima:
POST /v1/chat/completions. - Streaming: la misma llamada con
stream: true. - Errores: lo que devuelve para una clave incorrecta, un nombre de modelo incorrecto y un cuerpo mal formado.
Los ejemplos a continuación usan el endpoint de este sitio, https://api.uncensoredapis.com/v1, y el modelo uncensored. Cambia la URL base y el modelo de lo que estés probando. Si aún no tienes una clave, créala aquí; las cuentas nuevas pueden obtener un crédito de prueba de $0,50 sin tarjeta.
Verificación 1: listar los modelos con curl
export API_KEY="sk-your-key"
curl -s -w "\nHTTP %{http_code}\n" \
https://api.uncensoredapis.com/v1/models \
-H "Authorization: Bearer $API_KEY"
Espera HTTP 200 y un objeto JSON con una matriz data. Cada elemento tiene un id. Aquí el ID que usarás en todas partes es uncensored. Esta única llamada comprueba DNS, TLS, el prefijo de ruta y la clave, así que si falla no tiene sentido probar nada más. Las causas habituales son un /v1 faltante en la URL base, una barra final extra o una clave pegada con un salto de línea.
Verificación 2: una petición de chat mínima
curl -s https://api.uncensoredapis.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"uncensored","messages":[{"role":"user","content":"Reply with the word ok."}]}'
En la respuesta, comprueba choices[0].message.content, finish_reason y el objeto usage con los conteos de tokens de prompt y completión. Usa también los encabezados: añade -i y busca X-Request-Id, X-Balance-USD, X-RateLimit-Limit-Requests y X-RateLimit-Limit-Concurrency. Son útiles para registro y para el seguimiento de costos más tarde. El mismo servicio también acepta POST /v1/responses, que cubre la explicación de la referencia de API.
Verificación 3: un script de Python que prueba todo
Curl es suficiente para un primer vistazo, pero un script que puedas volver a ejecutar tras cada cambio es mejor. Este usa el paquete oficial openai e informa de cada verificación.
import sys
from openai import OpenAI, AuthenticationError, NotFoundError, RateLimitError
BASE = "https://api.uncensoredapis.com/v1"
MODEL = "uncensored"
client = OpenAI(base_url=BASE, api_key=sys.argv[1])
def check(name, fn):
try:
print("PASS", name, "-", fn())
except Exception as e:
print("FAIL", name, "-", type(e).__name__, e)
def models():
ids = [m.id for m in client.models.list().data]
assert MODEL in ids, ids
return ids
def chat():
r = client.chat.completions.create(
model=MODEL, messages=[{"role": "user", "content": "Say ok."}])
assert r.choices[0].message.content
return r.usage.total_tokens
def stream():
parts, usage = [], None
for c in client.chat.completions.create(
model=MODEL, stream=True,
messages=[{"role": "user", "content": "Count to five."}]):
if c.choices and c.choices[0].delta.content:
parts.append(c.choices[0].delta.content)
usage = getattr(c, "usage", None) or usage
assert parts
return f"{len(parts)} chunks, usage={usage}"
def bad_model():
try:
client.chat.completions.create(
model="no-such-model", messages=[{"role": "user", "content": "hi"}])
except NotFoundError as e:
return "NotFoundError " + str(e.status_code)
except Exception as e:
return type(e).__name__
raise AssertionError("bad model name was accepted")
for n, f in [("models", models), ("chat", chat), ("stream", stream), ("bad model", bad_model)]:
check(n, f)
Ejecútalo con python tester.py sk-your-key. La comprobación de modelo incorrecto registra cualquier clase de error que lance tu SDK, lo cual es información útil por sí misma. Si el servicio acepta un nombre de modelo desconocido, probablemente lo enrute o lo mapee, y deberías averiguar cómo.
Verificación 4: manejo de errores
Tu aplicación verá fallos, así que obsérvalos deliberadamente.
- Clave incorrecta: cambia un carácter en la clave. Espera HTTP 401 y un cuerpo de error JSON, no una página HTML.
- Cuerpo mal formado: envía
{"model":"uncensored"}sin mensajes. Espera un 4xx con un mensaje legible. - Límites de velocidad: esta API devuelve 429 con el código
rate_limitedpara peticiones por minuto yconcurrencypara demasiadas peticiones simultáneas. Una sobrecarga temporal también devuelve 429, conRetry-After: 5.
Un buen cliente trata 429 como una señal para esperar y reintentar, y 4xx distintos de 429 como un error por corregir. Escribe la regla de reintento una vez y pruébala lanzando diez peticiones al mismo tiempo. Los límites por tipo de clave están en la página de errores y límites de peticiones.
Brechas de compatibilidad a buscar
Aprobar las cuatro verificaciones es un buen comienzo. Estos son los lugares donde los clones difieren más a menudo, así que prueba cada uno si tu aplicación depende de ello:
- Parámetros: envía
temperature,top_p,stop,seedy las penalizaciones. Algunos servidores los ignoran en silencio. Ejecuta el mismo prompt tres veces con unseedfijo y una temperatura baja y compara las salidas. - Roles de mensaje: prueba primero un mensaje
system, luego un historial largo de múltiples turnos. Comprueba que el mensaje del sistema realmente cambie el comportamiento. - Llamadas a herramientas: pide una llamada a una función que definas, luego envía el resultado de vuelta como un mensaje
role: "tool". En modo streaming,tool_callsllegan en piezas que debes concatenar. - Modo JSON: establece
response_formaten{"type":"json_object"}y analiza 20 respuestas. - Tamaño del cuerpo: esta API acepta cuerpos de hasta 8 MB. Una petición sobre el límite debe fallar con un 4xx claro, no colgarse.
Anota cada brecha que encuentres y decide si tu código puede sortearla. Guarda las notas junto al script, porque la próxima vez que el proveedor lance una actualización querrás volver a ejecutar las mismas comprobaciones y comparar. Si pruebas varios proveedores, ejecuta el script idéntico contra cada uno y guarda la salida en una tabla, de modo que las diferencias sean visibles de un vistazo en lugar de perderse en la memoria. Un parámetro faltante suele ser inofensivo. Un formato de error diferente o un streaming fallido, no.
Lo que aprobar no demuestra
Una ejecución verde muestra compatibilidad de protocolo. No dice nada sobre la calidad de la respuesta, la velocidad bajo carga o el precio. Esos necesitan pruebas separadas con tus propios prompts. Dos adiciones rápidas valen la pena: una petición con un prompt largo cerca de tu tamaño real (este endpoint tiene una ventana de contexto de 100,000 tokens), y una petición de llamadas a funciones si tu app usa agentes.
También ten en cuenta contra qué estás probando. Este servicio aloja un modelo de pesos abiertos, ajustado para responder sin rechazos de contenido para uso adulto lícito. Es solo texto y no es la API oficial de ningún proveedor de modelos. Los precios son $0,15 por 1M de tokens de entrada y $0,50 por 1M de tokens de salida, listados en la página de precios, y las peticiones fallidas no se facturan, por lo que las ejecuciones de prueba repetidas cuestan muy poco. La documentación lista cada parámetro admitido.
Más guías
Preguntas y respuestas
¿Existe una herramienta en línea para probar un endpoint compatible con OpenAI?
Cualquier cliente HTTP funciona: curl, Postman o un script corto con el SDK de OpenAI. La ventaja de un script es que puedes volver a ejecutarlo después de cada cambio.
¿Qué URL base debo poner en el SDK?
Usa la URL completa incluyendo /v1, por ejemplo https://api.uncensoredapis.com/v1. No añadas /chat/completions, ya que el SDK lo añade.
¿Por qué obtengo 404 en una petición que parece correcta?
La causa más común es una URL base sin /v1 o con una ruta duplicada. Verifícala con un GET a /v1/models primero.
¿Cómo verifico mi saldo restante mientras pruebo?
Lee la cabecera X-Balance-USD en cualquier respuesta, o llama a GET /v1/balance.
Tu clave está a un formulario de distancia
Crea una cuenta, copia la clave, cambia la URL base. Esa es toda la configuración.