Claude precio: inicio rápido y referencia de API

Instalación y configuración del entorno

Comienza instalando la biblioteca de cliente oficial para tu lenguaje. Nuestro servicio se encuentra detrás del estándar /v1 ruta, por lo que solo necesita actualizar la URL base y la clave API. La URL base en este sitio es HTTPS://api.claudeprecio.com/v1. La autenticación se basa en una única clave activa por cuenta. Puede generar esta clave inmediatamente mediante Google o correo electrónico en la página "Obtener clave API" No se requiere número de teléfono. La clave se muestra una vez, así que cópiela de forma segura.

Realizando tu primera solicitud con Python

Envía una solicitud de finalización utilizando el SDK estándar de Python. Apunta el cliente a nuestra URL base y establece el modelo en "uncensored". Este modelo de peso abierto se ejecuta en nuestros propios servidores y está ajustado para responder sin rechazos de contenido. Puedes pasar parámetros como temperature o top_p igual que harías con cualquier servicio compatible con OpenAI. La estructura de la solicitud permanece idéntica al formato estándar.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.claudeprecio.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)

Verifica que la respuesta contenga el texto generado. Si recibes un error 401, tu clave es inválida. Un error 402 indica crédito prepagado insuficiente. Los errores durante la generación no consumen tokens, por lo que solo pagas por la salida exitosa.

Respuestas en streaming y seguimiento del uso

Habilita la transmisión estableciendo stream=True en la configuración de tu cliente. La API devuelve Eventos Enviados por Servidor (SSE) para cada token generado. Esto te permite mostrar texto en tiempo real mientras esperas la respuesta completa. Los datos de uso, incluidos los recuentos de tokens de entrada y salida, se incluyen en el último fragmento del flujo. Este enfoque reduce la latencia percibida para salidas largas. Funciona sin problemas con los SDK estándar.

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

Maneja las interrupciones del flujo de forma elegante. Las caídas de red pueden dejar respuestas parciales. Revisa siempre el último fragmento para obtener estadísticas precisas del uso de tokens. Esto asegura que tu panel de facturación coincida con el consumo real.

Parámetros: temperatura, top_p y seed

Controla la creatividad y la reproducibilidad usando parámetros de generación estándar. El temperature valor ajusta la aleatoriedad, con valores más bajos produciendo salidas más deterministas. Usa top_p para limitar el muestreo a la masa de probabilidad superior. Establecer seed para fijar el estado aleatorio para obtener resultados reproducibles en múltiples llamadas. Estos parámetros funcionan idénticamente al estándar de OpenAI. Ajústalos según tu caso de uso, ya sea programación o escritura creativa.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.claudeprecio.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);

Combina esta configuración para un control preciso. Por ejemplo, una temperatura baja con una semilla fija asegura salidas consistentes para las pruebas. El modelo admite todos los parámetros estándar como stop secuencias y presence_penalty. Experimenta para encontrar el equilibrio adecuado para tu proyecto específico.

Llamada a funciones y modo JSON

Usa la llamada a funciones para integrar la API en tus aplicaciones. Define las herramientas en el cuerpo de la solicitud, y el modelo devolverá JSON estructurado que contiene los argumentos de la función. Habilita el modo JSON estableciendo response_format para {"type": "json_object"}. Esto garantiza que la salida sea siempre JSON válido, lo cual simplifica el análisis. Úsalo para la extracción de datos o respuestas estructuradas. El modelo maneja eficientemente definiciones de herramientas complejas.

Copycurl https://api.claudeprecio.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Calculate total cost for 10 million input tokens and 3 million output tokens"}]
  }'

Prueba la invocación de funciones con una definición de herramienta sencilla. Verifica que el modelo respete el esquema de la herramienta. El modo JSON es especialmente útil cuando necesitas estructuras de salida predecibles. Combínalo con streaming para el procesamiento de datos en tiempo real. Esta característica hace que la API sea adecuada para aplicaciones de nivel de producción.

Límites, errores y ventana de contexto

La ventana de contexto admite 100,000 tokens para la entrada y salida combinadas. La salida máxima por solicitud es de 16,000 tokens. Si max_tokens no está establecido, el límite por defecto es 2.048. Tienes permitido 300 solicitudes por minuto por clave. La concurrencia está limitada a 8 solicitudes simultáneas por clave. El cuerpo de la solicitud no debe exceder 8 MB. Los errores como 401, 402 y 429 se manejan mediante códigos de estado HTTP estándar. El uso de tokens se factura con precisión y los errores son gratuitos.