ES ▾
Obtener clave de API

Guía de integración de la API GLM para bots y backends

Una integración de la API GLM se reduce a dónde vive la clave, cuántas peticiones permites ejecutar a la vez y qué ocurre cuando la API dice esperar. Esta guía cubre esas decisiones para backends, bots y herramientas de flujo de trabajo, con código que puedes adaptar.

Actualizado

Cubo de pasarela recibiendo elementos de bloques de aplicación, chat y automatización, representando la integración de la API

Puntos clave

  • Mantén la clave en un servidor que controles y permite que las aplicaciones llamen a tu backend, nunca a la API directamente desde un navegador.
  • Limita las peticiones en curso al límite de la clave: 8 para una clave completa, 2 para una clave de prueba.
  • Planifica el presupuesto con tokens: a $0,15 y $0,50 por 1M, un mensaje típico de bot cuesta una fracción de centavo.
  • Cualquier herramienta con una opción compatible con OpenAI y un campo de URL base personalizada puede usar https://api.glmapikey.com/v1.

Elige primero el patrón de integración

La mayoría de las integraciones de la API GLM caen en una de cuatro formas, y la elección afecta todo: dónde están los secretos, cómo manejas picos y cómo se ve un fallo.

PatrónBueno paraRiesgo principal
Proxy de backendAplicaciones web y móviles con sus propios usuariosEndpoint abierto que cualquiera puede agotar
Worker de colaBots, trabajos por lotes, procesamiento masivo de textoCola de espera cuando las peticiones superan los límites
Bot de chatPersonajes y compañeros en Discord, Telegram o MatrixHistoriales largos que inflan el coste
Herramienta de automatizaciónFlujos de trabajo en herramientas que ofrecen un nodo HTTP o OpenAIFallos silenciosos cuando un paso da error

Las cuatro usan la misma llamada por debajo: POST /v1/chat/completions en https://api.glmapikey.com/v1 con una clave bearer y el modelo uncensored. La API es compatible con OpenAI, así que puedes usar cualquier SDK de OpenAI, o HTTP en bruto si tu pila no tiene SDK. Es un modelo de pesos abiertos gestionado por un proveedor independiente, no la API oficial de ningún proveedor ni un enrutador, así que construye para el comportamiento de un modelo. Solo texto: si tu producto también necesita imágenes o incrustaciones, planifica un segundo proveedor para esas partes.

La página de documentación enumera los endpoints y encabezados, y el artículo clave GLM explica cómo obtener una clave.

Proxy de backend: mantén la clave fuera del cliente

Cualquier cosa que se ejecute en un navegador o en una bundle de aplicación puede inspeccionarse. Si la clave se envía allí, cualquiera puede copiarla y gastar tu crédito. La solución es una ruta de servidor delgada que mantiene la clave, aplica tus propias reglas y reenvía la petición.

from fastapi import FastAPI
from fastapi.responses import StreamingResponse
from openai import AsyncOpenAI
from pydantic import BaseModel

app = FastAPI()
client = AsyncOpenAI(
    base_url="https://api.glmapikey.com/v1",
    api_key="YOUR_KEY",
)

class Ask(BaseModel):
    prompt: str

@app.post("/ask")
async def ask(body: Ask):
    async def gen():
        stream = await client.chat.completions.create(
            model="uncensored",
            messages=[{"role": "user", "content": body.prompt[:4000]}],
            max_tokens=600,
            stream=True,
        )
        async for chunk in stream:
            if chunk.choices and chunk.choices[0].delta.content:
                yield chunk.choices[0].delta.content
    return StreamingResponse(gen(), media_type="text/plain")

La ruta truncará el prompt y limitará la respuesta, que es lo mínimo. Añade controles reales antes del lanzamiento: autenticación de usuario, un presupuesto diario de tokens por usuario y un límite de tasa de peticiones por IP o cuenta. La API devuelve el uso en cada llamada, así que puedes contar tokens por usuario en tu base de datos y rechazar peticiones que superen su cuota.

El streaming a través de un proxy necesita una comprobación: confirma que tu proxy inverso no almacene en búfer las respuestas, o el texto llegará en un bloque al final en lugar de palabra por palabra.

Worker de cola: respeta el límite de concurrencia

Los límites son por clave. Una clave completa permite 8 peticiones simultáneas y 300 peticiones por minuto. Una clave de prueba permite 2 y 60. Para un flujo constante de trabajos, la concurrencia suele ser la que se agota primero, porque cada petición ocupa un espacio hasta que se completa, y una transmitida hasta que termina el streaming.

Un pool de workers dimensionado al límite es la solución limpia. Los trabajos esperan en tu cola en lugar de fallar con 429:

import asyncio
from openai import AsyncOpenAI, RateLimitError

client = AsyncOpenAI(
    base_url="https://api.glmapikey.com/v1",
    api_key="YOUR_KEY",
    max_retries=0,
)
WORKERS = 8  # use 2 on a trial key

async def run_job(prompt: str) -> str:
    for attempt in range(5):
        try:
            r = await client.chat.completions.create(
                model="uncensored",
                messages=[{"role": "user", "content": prompt}],
                max_tokens=500,
            )
            return r.choices[0].message.content
        except RateLimitError as e:
            delay = float(e.response.headers.get("retry-after", 2 * (attempt + 1)))
            await asyncio.sleep(delay)
    raise RuntimeError("gave up after repeated 429 responses")

async def worker(queue: asyncio.Queue, results: list):
    while True:
        prompt = await queue.get()
        try:
            results.append(await run_job(prompt))
        finally:
            queue.task_done()

async def main(prompts):
    queue, results = asyncio.Queue(), []
    for p in prompts:
        queue.put_nowait(p)
    tasks = [asyncio.create_task(worker(queue, results)) for _ in range(WORKERS)]
    await queue.join()
    for t in tasks:
        t.cancel()
    return results

El código de error en el cuerpo 429 te dice por qué te detuvieron: rate_limited para peticiones por minuto, concurrency para demasiadas a la vez, y un 429 normal con Retry-After: 5 para una sobrecarga breve. Honrar el encabezado es más sencillo que adivinar un retraso. Las peticiones fallidas y rechazadas no se cobran, así que los reintentos no cuestan nada.

Bots y personajes

Un bot de chat es el lugar habitual donde aparecen sorpresas de coste, porque un bot que mantiene el historial lo reenvía en cada mensaje. Decide pronto cuántos mensajes de historial mantener y almacena el historial tú mismo, ya que la API no mantiene estado entre llamadas.

Un ejemplo de presupuesto ilustra el punto. Supón que un bot tiene 500 usuarios activos que envían 20 mensajes al día. Cada mensaje lleva 1.500 tokens de entrada (persona, un historial breve y la nueva línea) y devuelve 250 tokens:

  • Por mensaje: 1.500 / 1.000.000 x $0,15 = $0,000225 de entrada, más 250 / 1.000.000 x $0,50 = $0,000125 de salida, es decir $0,00035
  • Por día: 500 x 20 = 10.000 mensajes, es decir $3,50
  • Por 30 días: $105

Si dejas que el historial crezca hasta llenar una ventana de contexto de 12.000 tokens, la entrada por mensaje se multiplica por ocho hasta 12.000 tokens, o $0,0018 solo para la entrada, y la cifra mensual aumenta en consecuencia. Una ventana móvil más un resumen breve de eventos antiguos mantiene la consistencia de la persona a menor costo.

Para bots de compañero y roleplay, mantén las reglas del producto en tu propia capa. El modelo está ajustado para responder sin rechazos de contenido para uso adulto lícito, y el límite estricto es el contenido sexual que involucre a menores, que el servicio rechaza. Si tu bot vive en un servidor público, añade verificación de edad y reglas de canal que coincidan con la plataforma en la que lo ejecutes.

Herramientas de automatización y flujos de trabajo sin código

Las herramientas de flujo de trabajo que ofrecen un nodo estilo OpenAI con una URL base configurable pueden usar esta API cambiando tres campos: la URL a https://api.glmapikey.com/v1, la clave y el nombre del modelo a uncensored. Las herramientas que solo tienen un nodo de petición HTTP genérica pueden enviar la petición en bruto en su lugar:

curl https://api.glmapikey.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "uncensored", "messages": [{"role": "user", "content": "Classify this ticket: printer offline"}], "response_format": {"type": "json_object"}}'

Para pasos de flujo de trabajo que alimentan otro paso, el modo JSON es recomendable, de modo que el siguiente nodo reciba texto analizable. Añade una rama de error para cualquier paso que llame a la API, porque las respuestas 429 y 5xx ocurrirán ocasionalmente y un fallo silencioso en medio de un flujo de trabajo es difícil de encontrar después. Configura un reintento con una espera corta en ese nodo, y asegúrate de que las ramas paralelas no excedan el número de peticiones simultáneas que permite tu clave.

Lo que ven tus usuarios cuando algo falla

Toda integración necesita un plan para el camino no deseado, y la parte visible para el usuario es tan importante como el código de reintento. Tres situaciones surgen en la práctica.

La primera es una sobrecarga breve: un 429 con Retry-After: 5. Reintenta en silencio y muestra un indicador de escritura mientras tanto, para que el usuario vea una respuesta ligeramente más lenta en lugar de un error. La segunda es alcanzar tu límite de pool. Si los ocho espacios están ocupados, pon el mensaje en cola y dile al usuario que está esperando, lo cual es mejor que una pantalla en blanco. La tercera es quedarse sin crédito, lo que ningún reintento soluciona. Vigila el encabezado de saldo, avísate en un umbral y mantén un mensaje de respaldo listo para el día que se agote sin que te des cuenta.

No muestres errores API en bruto a los usuarios finales. Regístralos con el ID de petición y muestra una frase sencilla que diga qué ocurrió y qué hacer a continuación. Nunca incluyas la clave, la URL base ni las trazas de pila en algo que un usuario pueda leer.

Dinero, monitoreo y comprobaciones de lanzamiento

La facturación es prepago. Recargas cualquier cantidad entera de $20 a $500, con +5% desde $50, +10% desde $100 y +15% desde $200. El crédito no caduca y no hay suscripción. Paga con cripto (USDT en TRC20, USDC en Base). Los nuevos usuarios pueden reclamar $0,50 de crédito de prueba con un clic en la página de clave API, válido por 7 días, para que puedas probar una integración antes de financiarla. Consulta la página de precios para las tarifas.

Qué monitorear en producción:

  • Saldo. Lee X-Balance-USD de las respuestas y alerta cuando baje de un umbral que elijas.
  • IDs de petición. Guarda X-Request-Id junto a cada trabajo para que un fallo pueda rastrearse.
  • Uso de tokens. Suma usage por usuario y por función para ver hacia dónde va el dinero.
  • Tasa 429. Un aumento en el recuento indica que tu pool es más grande que los límites de la clave.

Una lista corta de lanzamiento: ejecuta una petición real desde el host de producción, prueba un 429 forzado en staging, confirma que un usuario no puede acceder a la API sin tu autenticación y anota lo que muestra tu servicio cuando la API no está disponible. Los prompts no se usan para entrenamiento, lo cual puedes comunicar a tus propios usuarios, pero indica en tu propia política de privacidad que su texto se envía a un proveedor de terceros para generar respuestas.

Preguntas y respuestas

¿Debería llamar a la API desde el navegador?

No. Mantén la clave en tu servidor y haz que el navegador llame a tu backend, porque una clave en el código del cliente puede copiarse y su crédito gastado por cualquiera.

¿Cuántas peticiones pueden ejecutarse a la vez?

Una clave completa permite 8 peticiones concurrentes y 300 por minuto. Una clave de prueba permite 2 concurrentes y 60 por minuto.

¿Qué debe hacer mi código ante un 429?

Lee el código de error y espera. Usa el valor Retry-After cuando esté presente, que es de 5 segundos en una sobrecarga temporal, y reintenta. Las peticiones fallidas no se cobran.

¿Se mantiene el estado entre llamadas?

No. Envías toda la conversación cada vez, hasta 100.000 tokens para el prompt y la respuesta juntos, y pagas por los tokens de entrada en cada llamada.

¿Puedo usarlo desde herramientas sin código?

Sí, si la herramienta te permite establecer una URL base en su nodo OpenAI o enviar una petición HTTP personalizada a https://api.glmapikey.com/v1/chat/completions con una clave bearer.

Tu clave está a un formulario de distancia

Crea una cuenta, copia la clave, cambia la URL base. Esa es toda la configuración.

Obtener clave de API