A lo que te mudas
Este sitio no es xAI y el modelo detrás de él no es Grok. Es un modelo de pesos abiertos, gestionado por un proveedor independiente y ajustado para responder sin rechazos de contenido para uso adulto legal. El endpoint usa el formato de API de OpenAI, por lo que cualquier SDK o cliente de OpenAI funciona una vez que cambies la URL base y la clave. Eso es lo que lo convierte en un reemplazo práctico para desarrolladores que quieren moverse con poco cambio de código.
Las razones para buscar un reemplazo varían: costo, rechazos en ficción o investigación, límites o diversificar proveedores. Trata el cambio como un cambio de modelo. La API es familiar, pero las respuestas difieren. Para más sobre censura en Grok, ¿Está censurado Grok AI, y para la API original, API de Grok para desarrolladores.
Límite estricto: el contenido sexual que involucra a menores de edad nunca está permitido aquí, en ningún formato.
La migración de tres ediciones
Si tu aplicación usa el patrón del SDK de OpenAI, cambia estos tres valores.
from openai import OpenAI
client = OpenAI(
base_url="https://api.uncensoredgrok.com/v1", # was your current provider's URL
api_key="YOUR_KEY", # new key from this site
)
resp = client.chat.completions.create(
model="uncensored", # was your current model name
messages=[
{"role": "system", "content": "You are a concise assistant."},
{"role": "user", "content": "Summarize the plot of Hamlet in three sentences."},
],
)
print(resp.choices[0].message.content)
Lo mismo funciona en Node pasando baseURL y apiKey al constructor del cliente, y en curl con un encabezado Authorization: Bearer:
curl https://api.uncensoredgrok.com/v1/chat/completions \
-H "Authorization: Bearer YOUR_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"uncensored","messages":[{"role":"user","content":"Hello"}]}'
Los métodos compatibles son POST /v1/chat/completions, POST /v1/responses y GET /v1/models. Obtén tu clave en la página de clave de API.
Lista de verificación: qué verificar antes de cambiar
| Área | Verificar | Aquí |
|---|---|---|
| Chat y respuestas | Cuáles endpoints llamas | Se admiten completiones de chat y respuestas |
| Transmisión | SSE con uso al final | Sí, con stream: true |
| Llamadas a funciones | Herramientas, elección de herramienta, llamadas a herramientas en streaming | Compatible; los resultados se devuelven como role: "tool" |
| Salida estructurada | Modo JSON | Formato de respuesta json_object compatible |
| Muestreo | temperature, top_p, stop, seed, penalizaciones | Passthrough |
| Contexto | Prompt más grande que envías | 100.000 tokens, prompt más respuesta |
| Medios | Características de imagen, audio o video que usas | No disponible; solo texto |
| Embeddings, ajuste fino | Si los usas | No ofrecido |
| Búsqueda web en tiempo real o herramientas específicas del proveedor | Si dependes de ellas | No forman parte de esta API; consulta la documentación |
Revisa tu base de código para ver las funciones específicas de tu proveedor actual. Ahí es donde fallan las migraciones, no en la petición de chat. Si dependes de alguna de ellas, mantén el proveedor antiguo para esa ruta y mueve solo el tráfico de texto plano.
Espera respuestas diferentes y pruébalas
Dos modelos que reciben el mismo prompt generarán respuestas diferentes, incluso cuando ambos son buenos. Los prompts ajustados para un modelo a veces requieren pequeños cambios para otro. Planifica una pasada de prueba:
- Recopila de 30 a 50 prompts reales de tus registros, incluyendo los más difíciles.
- Ejecútalos contra ambos proveedores con la misma configuración.
- Compara manualmente o con un script de evaluación para el formato, la longitud, los rechazos y los errores factuales.
- Corrige los prompts donde el nuevo modelo se desvíe, generalmente especificando más explícitamente el formato y la longitud.
import json
from openai import OpenAI
new = OpenAI(base_url="https://api.uncensoredgrok.com/v1", api_key="NEW_KEY")
prompts = [json.loads(l) for l in open("prompts.jsonl")]
with open("new_results.jsonl", "w") as out:
for p in prompts:
r = new.chat.completions.create(model="uncensored", messages=p["messages"], temperature=0.7)
out.write(json.dumps({"id": p["id"], "reply": r.choices[0].message.content,
"tokens": r.usage.total_tokens}) + "\n")
Lee las respuestas lado a lado. No confíes en un número de benchmark para decirte qué modelo se adapta a tu tarea; tus propios prompts son la prueba. Presta especial atención a tres cosas: si las respuestas respetan tus límites de longitud, si la salida JSON se analiza correctamente a la primera, y cómo el modelo maneja los prompts sensibles que te hicieron buscar una alternativa desde el principio. Guarda el archivo de resultados para poder volver a ejecutarlo después de cualquier cambio posterior.
Costo: un ejemplo práctico
Las tarifas aquí son de $0,15 por cada 1M de tokens de entrada y $0,50 por cada 1M de tokens de salida. Digamos que tu producto envía 10M de tokens de entrada y 2M de tokens de salida en un mes.
- Entrada: 10 x $0,15 = $1,50
- Salida: 2 x $0,50 = $1,00
- Total del mes: $2,50
Para comparar con tu proveedor actual, toma sus tarifas publicadas actuales de su propia página de precios y realiza las mismas dos multiplicaciones. No copies números de artículos, incluido este, porque los precios cambian. La facturación aquí es crédito prepago sin suscripción, el crédito nunca expira, y las peticiones fallidas o rechazadas no se cobran. Las recargas son cualquier cantidad entera desde $20 hasta $500 en cripto (USDT en TRC20 o USDC en Base), con +5% desde $50, +10% desde $100 y +15% desde $200. Consulta la página de precios.
Cuándo deberías quedarte donde estás
Una comparación justa tiene que decir cuándo no cambiar. Quédate con tu proveedor actual, o manténlo para parte de tu tráfico, en estos casos:
- Necesitas entrada o salida multimodal. Esta API maneja solo texto.
- Usas funciones específicas del proveedor, como búsqueda integrada o herramientas especiales. No existen aquí.
- Necesitas el comportamiento exacto de un modelo en particular. Este es un modelo diferente, y ningún ajuste lo hará idéntico.
- Tu volumen necesita más de 8 peticiones simultáneas. Verifica si tu tráfico se ajusta a los límites antes de mudarte.
Cambia, o añade este endpoint como una segunda ruta, cuando tus problemas principales sean los rechazos en contenido adulto legal, una factura que crece con los conteos de tokens, o el deseo de evitar un punto único de fallo. Muchos equipos ejecutan dos proveedores detrás de una pequeña capa: la capa elige el endpoint por tarea y hace respaldo al otro en errores.
import OpenAI from "openai";
const providers = [
new OpenAI({ baseURL: "https://api.uncensoredgrok.com/v1", apiKey: process.env.KEY_A }),
// add a second OpenAI-compatible client here if you want a fallback
];
export async function chat(messages) {
for (const client of providers) {
try {
const r = await client.chat.completions.create({ model: "uncensored", messages });
return r.choices[0].message.content;
} catch (err) {
if (err.status === 429 || err.status >= 500) continue;
throw err;
}
}
throw new Error("all providers failed");
}
Recuerda que los nombres de modelos difieren por proveedor. En una capa real, almacena el ID del modelo junto a cada cliente.
Límites, errores y despliegue seguro
Una clave completa permite 8 peticiones simultáneas y 300 peticiones por minuto. Una clave de prueba permite 2 simultáneas y 60 por minuto. El cuerpo máximo es de 8 MB. Las respuestas incluyen X-Request-Id, X-Balance-USD y encabezados de límite de tasa, para que puedas registrar tu saldo en cada llamada.
Cuando excedes un límite, la API devuelve HTTP 429. El código de error rate_limited indica demasiadas peticiones por minuto, concurrency indica demasiadas a la vez, y una sobrecarga temporal añade un encabezado Retry-After: 5. Una petición en streaming mantiene su espacio de concurrencia hasta que finalice, por lo que los streams largos cuentan contra el límite de 8. Si tu proveedor actual permitía mayor paralelismo, añade una cola.
Para un despliegue seguro, envía un pequeño porcentaje del tráfico (digamos 5%) al nuevo endpoint detrás de una bandera, observa las tasas de error y los comentarios de los usuarios durante unos días, y luego aumenta el porcentaje. Mantén un respaldo al proveedor anterior para errores. Si algo parece incorrecto, la guía de solución de problemas puede ayudar, y la documentación lista cada parámetro.

