Puntos clave
- Sin censura no significa sin límites: existen límites en peticiones por minuto, peticiones simultáneas y contexto.
- Clave completa: 8 peticiones simultáneas y 300 por minuto. Clave de API de prueba: 2 y 60.
- El contexto es de 100.000 tokens entre prompt y respuesta; el crédito no caduca nunca.
- Un error 429 se gestiona con una espera y un reintento, y las peticiones fallidas no se pagan.
Dos cosas distintas: sin rechazos y sin topes
Al buscar IA sin límites de uso se mezclan dos ideas. La primera es la ausencia de rechazos de contenido: el modelo usado aquí está entrenado para responder sin bloqueos para uso adulto lícito. La segunda sería la ausencia de límites técnicos, y esta no existe en ningún servicio serio. Hay límites en el ritmo de las peticiones, en el número de llamadas paralelas, en la longitud del contexto y en el tamaño del cuerpo de la petición.
Vale la pena conocerlos antes de construir algo, porque son predecibles y casi todos se pueden ajustar con un poco de código. Un límite sigue siendo absoluto y no depende de ninguna configuración: sin contenido sexual que involucre a menores de edad.
Los límites, en una tabla
| Límite | Clave completa | Clave de prueba |
|---|---|---|
| Peticiones simultáneas | 8 | 2 |
| Peticiones por minuto | 300 | 60 |
| Contexto (prompt + respuesta) | 100.000 tokens | 100.000 tokens |
| Tamaño máximo del cuerpo | 8 MB | 8 MB |
| Caducidad | El crédito no caduca | 7 días |
La respuesta incluye las cabeceras X-RateLimit-Limit-Requests y X-RateLimit-Limit-Concurrency, para que tu código pueda leer los límites en lugar de tenerlos escritos a mano. También encontrarás X-Request-Id, útil si escribes al soporte, y X-Balance-USD con el crédito restante.
El parámetro max_tokens es opcional: la respuesta puede usar todo el espacio restante en la ventana. Si el prompt y el espacio para la respuesta superan la ventana, max_tokens se reduce a lo que queda; el error 400 llega solo cuando el prompt por sí solo no cabe en los 100.000 tokens. En la práctica, conviene resumir o eliminar la parte antigua de un historial largo, para que a la respuesta le quede espacio.
Cuánto cuesta mantenerse dentro de los límites
La tarifa es $0,15 por 1M de tokens de entrada y $0,50 por 1M de salida. Algunos cálculos concretos, todos verificables.
Una petición típica
Prompt de 3.000 tokens y respuesta de 800:
- entrada: 3.000 × $0,15 / 1.000.000 = $0,00045;
- salida: 800 × $0,50 / 1.000.000 = $0,0004;
- total: $0,00085 por petición, es decir, $0,85 cada 1.000 peticiones.
El caso extremo
Una petición que llena la ventana, por ejemplo 90.000 tokens de prompt y 10.000 de respuesta, cuesta 90.000 × $0,15 / 1M = $0,0135 más 10.000 × $0,50 / 1M = $0,005, es decir $0,0185. Mil peticiones así cuestan $18,50. Un prompt de 100.000 tokens con respuesta mínima cuesta unos $0,015.
Qué compras con las recargas
Con $20, la recarga mínima, a $0,00085 por petición obtienes unas 23.529 peticiones ($20 / $0,00085 = 23.529,4). El crédito de prueba de $0,50 basta para unas 588 peticiones del mismo tipo. Si recargas $100 recibes $110 de crédito, con $200 recibes $230. Las recargas van de $20 a $500 y se pagan en cripto con USDT en TRC20 o USDC en Base. Consulta los detalles en precios.
Qué limita realmente la velocidad
El número que suele importar no son los 300 por minuto, sino las 8 peticiones simultáneas. Un escenario: procesas 10.000 documentos, cada uno con 2.000 tokens de entrada y 300 de salida, y cada petición dura en promedio 10 segundos (el tiempo real depende de la carga y la longitud, mídelo tú).
- Con 8 peticiones en paralelo completas 0,8 peticiones por segundo, es decir, 48 por minuto, muy por debajo del límite de 300.
- 10.000 / 0,8 = 12.500 segundos, unas 3,5 horas.
- Coste: 20M de tokens de entrada = $3,00, 3M de salida = $1,50, total $4,50.
Así que la restricción es la concurrencia, no el ritmo. Para acortar los tiempos se necesitan peticiones más cortas, no un ritmo más alto. Un detalle que sorprende: una petición en streaming ocupa su espacio hasta el final del flujo, así que si dejas abierto un stream olvidado bloqueas uno de los 8 slots.
Gestionar los errores 429
Superado un límite la API responde con HTTP 429. El código de error indica cuál: rate_limited para las peticiones por minuto, concurrency para las simultáneas. En caso de sobrecarga temporal siempre llega un 429, con la cabecera Retry-After: 5. En los tres casos la regla es la misma: espera y reintenta. Las peticiones fallidas no se cobran.
Este ejemplo limita la concurrencia a 8 con un semáforo y reintenta con espera creciente.
import asyncio, os
from openai import AsyncOpenAI, RateLimitError
client = AsyncOpenAI(
base_url="https://api.apiiasenzacensura.com/v1",
api_key=os.environ["API_KEY"],
max_retries=0,
)
slot = asyncio.Semaphore(8) # usa 2 con la chiave di prova
async def chiedi(testo, tentativi=5):
for n in range(tentativi):
async with slot:
try:
r = await client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": testo}],
)
return r.choices[0].message.content
except RateLimitError:
pass
await asyncio.sleep(5 * (n + 1))
raise RuntimeError("troppi tentativi")
async def main():
testi = [f"Riassumi in una frase il documento {i}" for i in range(20)]
risultati = await asyncio.gather(*(chiedi(t) for t in testi))
print(len(risultati), "risposte")
asyncio.run(main())
La espera ocurre fuera del semáforo, así que un slot en pausa no bloquea a los demás. Para los detalles sobre el formato de los errores consulta la documentación.
Controlar el crédito mientras trabajas
Dado que el coste es por token, un bucle mal escrito puede consumir crédito más rápido de lo previsto. Dos precauciones económicas: lee el saldo y establece tú un límite.
curl -i https://api.apiiasenzacensura.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"uncensored","messages":[{"role":"user","content":"Ciao"}],"max_tokens":20}'
En las cabeceras de la respuesta encuentras X-Balance-USD. También puedes consultar GET /v1/balance con la misma clave, o el endpoint estilo OpenAI /v1/dashboard/billing/credit_grants. Una comprobación cada cierta cantidad de peticiones te permite detener un lote cuando el saldo baje de un umbral tuyo. Configura también max_tokens en los trabajos en serie, para evitar respuestas larguísimas que no necesitas.
Cómo hacer que el crédito dure más
Dado que el costo depende de los tokens, la forma más efectiva de gastar menos es enviar menos. Tres hábitos que casi siempre funcionan.
- Acorta el historial. En un chat, cada turno envía al modelo todo el historial. Después de 20 turnos de 350 tokens cada uno, solo el historial pesa 7.000 tokens de entrada en cada nueva pregunta, es decir, $0,00105 solo por releerlo (7.000 × $0,15 / 1M). Resumir los turnos antiguos en pocas líneas recorta este gasto.
- Mantén breve el prompt de sistema. Un prompt de 1.500 tokens repetido en 10.000 peticiones suma 15M de tokens de entrada, es decir, $2,25. Reduciéndolo a 500 tokens bajas a $0,75.
- Pon un límite a las respuestas. Los tokens de salida cuestan más de tres veces los de entrada ($0,50 frente a $0,15). Pedir respuestas concisas o configurar
max_tokensen tareas donde bastan dos líneas es el ahorro más directo.
La temperatura y otros parámetros de muestreo, como top_p o seed, también se pasan al modelo. El parámetro seed es útil si quieres repetir una prueba y comparar dos prompts de forma más limpia.
Qué decir a quien promete ilimitado
Cuando un servicio promete peticiones ilimitadas sin explicar los límites, pregunta siempre cuáles son. Un modelo con límites declarados y precio por token es más fácil de planificar. Aquí sabes de antemano cuántas peticiones puedes hacer y cuánto gastas, sin suscripción y sin que el crédito caduque. Si quieres empezar, obtén tu clave y usa el crédito de prueba de $0,50, que se solicita con un clic tras el registro y no requiere pago.

