API Hermes: Guía para desarrolladores sobre generación sin censura

¿Qué es la API Hermes?

La hermes api se refiere a un endpoint de modelo de lenguaje grande sin censura diseñado para desarrolladores que requieren generación de texto sin los filtros de contenido típicos de los principales proveedores comerciales. Este servicio opera como una alternativa especializada a las APIs de LLM de propósito general, centrado en un único ID de modelo etiquetado como uncensored. A diferencia de las pasarelas multi-modelo que enrutan peticiones a varios proveedores, este endpoint sirve un modelo de pesos abiertos alojado en servidores dedicados, optimizado para responder preguntas sobre temas adultos, políticos o controversiales sin rechazos.

El caso de uso principal es la integración en aplicaciones donde la moderación de contenido la gestiona el cliente o donde el modelo en sí no debe bloquear contenido adulto lícito. La API es estrictamente texto de entrada, texto de salida. No ofrece embeddings, generación de imágenes ni procesamiento de audio. Los desarrolladores que busquen un motor puro de generación de texto para escritura creativa adulta o sin restricciones encontrarán este endpoint adecuado para su integración directa en sus codebases existentes.

Es importante destacar que este es un servicio independiente. No ofrece modelos de GPT, Claude ni de otros proveedores. El modelo se ejecuta en su propia infraestructura y se accede a través de una interfaz REST estándar. El nombre hermes api se usa a menudo de forma coloquial en la comunidad de desarrolladores para referirse a esta capacidad de generación sin censura, distinta de las variantes base de código abierto.

¿Por qué elegir un modelo sin censura?

Los LLMs estándar suelen emplear mecanismos de rechazo que se activan por palabras clave o contexto relacionados con temas adultos, disidencia política o aficiones de nicho. Para desarrolladores que construyen plataformas de contenido, motores de roleplay o herramientas de escritura creativa, estos rechazos pueden romper la experiencia de usuario. Un modelo sin censura como el proporcionado aquí prioriza responder al prompt sobre imponer una directiva moral o de seguridad específica, siempre que el contenido no sea ilegal (como el que involucra a menores).

Elegir un endpoint sin censura permite un mayor control sobre el resultado final. Si necesitas que el modelo describa violencia, temas sexuales o eventos históricos controversiales sin un 403 o una respuesta filtrada, esta API está diseñada para ese propósito. Es particularmente útil para entusiastas de uncensored llama y uncensored mistral que desean el comportamiento de esos modelos base sin las capas adicionales de seguridad añadidas por los proveedores comerciales.

• Consistencia: El modelo no rechaza aleatoriamente basándose en un contexto vago.
• Libertad creativa: Ideal para la generación de ficción, erotismo o humor atrevido.
• Simplicidad: Un modelo, un comportamiento, sin lógica de enrutamiento compleja.

Compatibilidad con SDKs de OpenAI

La ventaja más significativa de este endpoint es su estricta adherencia a la especificación de la API de OpenAI. Puedes usar el SDK de Python oficial openai, el cliente de Node.js o cualquier otra biblioteca compatible con OpenAI simplemente cambiando la URL base y la clave de API. El endpoint admite POST /v1/chat/completions y GET /v1/models, asegurando que los cuerpos de petición y las estructuras de respuesta estándar funcionen sin configuración adicional.

Para integrar, reemplaza la URL base predeterminada por https://api.openrouternsfw.com/v1 y proporciona tu clave de API. El ID de modelo que envías en el cuerpo de la petición es uncensored. Esto significa que tu código existente para manejar historiales de chat, prompts de sistema y mensajes de usuario no requiere modificaciones. Esta compatibilidad se extiende a usuarios de uncensored grok y deepseek api que ya están familiarizados con la estructura JSON de OpenAI.

El endpoint admite respuestas en streaming vía Server-Sent Events (SSE), permitiéndote procesar tokens a medida que se generan. También admite llamadas a funciones (tools), modo JSON para salida estructurada y parámetros estándar como temperature y top_p. Esto lo convierte en un reemplazo listo para usar para muchas integraciones de LLM estándar.

Configuración: Temperatura y Top P

Controlar la aleatoriedad y creatividad del resultado se logra mediante parámetros estándar. El valor temperature ajusta la distribución de probabilidad del siguiente token. Una temperatura baja (p. ej., 0,2) hace que el resultado sea más determinista y enfocado, mientras que una temperatura alta (p. ej., 0,8) aumenta la creatividad y la variabilidad. Para la generación de contenido adulto, una temperatura moderada suele ofrecer el mejor equilibrio entre coherencia y variedad.

El parámetro top_p controla el muestreo de núcleo. Limita al modelo a considerar solo los tokens cuya probabilidad acumulada excede p. Esta es otra forma de controlar la aleatoriedad, a menudo usada en conjunción con la temperatura. Por ejemplo, un top_p de 0,95 significa que el modelo considera solo el 95% de los tokens más probables.

Otros parámetros compatibles incluyen secuencias stop, seed para reproducibilidad, y presence_penalty y frequency_penalty para desalentar la repetición. Estas configuraciones se pasan en el cuerpo de la petición tal como lo harías con cualquier modelo compatible con OpenAI. Ajustar estas opciones te permite ajustar la salida de la hermes api para estilos o niveles de detalle específicos.

Manejo de respuestas en streaming

El streaming es esencial para experiencias de usuario en tiempo real. La API admite Server-Sent Events (SSE), permitiéndote recibir tokens a medida que se generan en lugar de esperar a la respuesta completa. Esto reduce la latencia percibida y mejora la experiencia de usuario para interfaces de chat.

Al usar los SDKs oficiales, el streaming se habilita estableciendo stream=True en la petición. El SDK emitirá fragmentos de datos a medida que lleguen. El último fragmento del stream suele contener las estadísticas de uso, incluyendo el número de tokens de entrada y salida. Esto te permite rastrear los costes con precisión en tiempo real.

Para implementaciones sin SDK, puedes analizar el flujo SSE directamente. Cada fragmento comienza con data: seguido de un objeto JSON. El último fragmento contendrá data: [DONE]. Asegúrate de que tu cliente maneje interrupciones de red de forma elegante, ya que las conexiones de streaming pueden caerse. La hermes api garantiza que los datos de uso se informen de forma fiable en el último fragmento para facturación.

Eficiencia de tokens y límites

El modelo admite una ventana de contexto de 100,000 tokens, que incluye tanto el prompt como la completación. Esto es suficiente para la generación de contenido largo y tareas de razonamiento complejas. No hay un límite de salida separado por solicitud y, si no especificas max_tokens, la respuesta puede extenderse hasta el final de la ventana. Para respuestas muy largas, puede que necesites implementar lógica para fragmentar el prompt o solicitar múltiples completaciones.

La tarifa es transparente y se basa en el uso de tokens. Los tokens de entrada cuestan $0,15 por cada 1 millón de tokens, y los tokens de salida cuestan $0,50 por cada 1 millón de tokens. Los errores y rechazos (por el filtro de contenido menor) son gratuitos, así que solo pagas por las generaciones exitosas. Este modelo es eficiente para la generación de texto a gran escala.

• Ventana de contexto: 100.000 tokens en total.
• Salida máxima: hasta el final de la ventana de 100,000 tokens.
• Límite de peticiones: 300 peticiones por minuto por clave.
• Concurrencia: 8 peticiones simultáneas por clave.

Comparación con otros modelos

Al evaluar la hermes api, es útil compararla con otras opciones uncensored llama o uncensored mistral. A diferencia de las soluciones autoalojadas como Ollama, este servicio no requiere gestión de infraestructura. Obtienes un endpoint fiable sin configurar GPUs ni gestionar pesos de modelos. A diferencia de las puertas de enlace multi-modelo, ofrece un comportamiento único y consistente sin sobrecarga de enrutamiento.

En comparación con modelos comerciales como GPT-4o o Claude, este endpoint es significativamente más barato para la generación de texto a gran escala y no aplica filtros de contenido. Sin embargo, puede que no iguale las capacidades de razonamiento de los modelos propietarios más grandes. Es más adecuado para tareas donde la flexibilidad del contenido es más importante que la lógica de última generación.

Para usuarios de deepseek api, la estructura de precios es competitiva, pero la arquitectura del modelo es diferente. La hermes api está optimizada para la generación de texto sin censura, lo que la convierte en una herramienta especializada en lugar de una IA de propósito general. Si necesitas incrustaciones o generación de imágenes, deberás usar un servicio diferente, ya que este endpoint es solo de texto.

Primeros pasos con ejemplos de código

Integrar la API es sencillo. Necesitas una clave de API, que puedes generar registrándote con Google o correo electrónico. La clave se proporciona inmediatamente. Luego, configura tu SDK con la URL base https://api.openrouternsfw.com/v1 y el ID de modelo uncensored.

Aquí tienes un ejemplo básico de Python usando el SDK oficial:

Copiarfrom openai import OpenAI

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

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

Y un ejemplo de Node.js:

Copiarimport OpenAI from "openai";

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

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

Para respuestas en streaming, el SDK analiza el SSE automáticamente. Puedes iterar sobre los fragmentos a medida que llegan. Esto permite mostrar texto en tiempo real en tu aplicación. La hermes api garantiza que el formato de respuesta coincida con el estándar de OpenAI, por lo que no se requiere lógica de análisis personalizada para casos de uso estándar.

Más guías

• ¿Alternativa gratuita a OpenRouter? Lo que realmente obtienes
• Cómo usar OpenRouter en Janitor AI: Configuración del proxy
• Bot de Discord de código abierto con un LLM sin censura