Modelos Unfiltered AI para Ollama frente a una API alojada
Si estás buscando modelos de IA sin filtros para Ollama, la verdadera pregunta es dónde debe ejecutarse el modelo: en tu propia GPU o en la de otra persona. Lo local gana en privacidad y uso sin conexión; lo alojado gana en configuración, tamaño del modelo y sin factura de hardware.
Actualizado


Puntos clave
- Ollama local necesita suficiente memoria para todo el modelo; lo alojado solo necesita una clave.
- Ollama y esta API son compatibles con el formato OpenAI, así que cambiar es solo un cambio de URL base.
- El costo de hosting aquí es de $0,15 por 1M de tokens de entrada y $0,50 por 1M de tokens de salida, por lo que un uso ligero cuesta centavos.
- Elige lo local para uso sin conexión o con aislamiento de red, lo alojado para aplicaciones siempre activas y contexto largo.
Tabla de decisión rápida
| Situación | Mejor ajuste |
|---|---|
| Sin GPU, o una laptop con poca memoria | API alojada |
| Los datos nunca deben salir de tu máquina | Ollama local |
| Una aplicación o bot que debe estar activo todo el tiempo | API alojada |
| Uso sin conexión o con aislamiento de red | Ollama local |
| Documentos largos (hasta 100.000 tokens de contexto) | API alojada, a menos que tu GPU tenga memoria de sobra |
| Generación continua pesada en hardware que ya posees | Ollama local |
| Probando un modelo por una tarde | Ambos; lo alojado es más rápido para iniciar |
La mayoría termina usando ambos. El resto del artículo explica por qué cada fila cae donde lo hace, para que puedas ajustar la tabla para tu propio caso.
Lo que realmente toma ejecutar localmente
Ollama descarga un archivo de modelo y lo ejecuta en tu CPU o GPU. La primera restricción es la memoria. Una regla aproximada: los pesos necesitan aproximadamente el número de parámetros multiplicado por los bytes por peso. Con cuantización de 4 bits, eso es alrededor de medio byte por parámetro, así que un modelo de 7B necesita aproximadamente de 3,5 a 4 GB para los pesos, un modelo de 13B unos 7 GB y un modelo de 70B unos 35 GB, antes de la caché que crece con la longitud del contexto.
Esas cifras son estimaciones, y la cuantización cuesta algo de calidad de respuesta. Cuando el modelo no cabe en la memoria de la GPU, Ollama derrama capas a la CPU y la velocidad cae drásticamente. Los prompts largos empeoran esto, porque la caché de atención crece con cada token que alimentas.
También está el problema de la elección del modelo. Las adaptaciones comunitarias etiquetadas como sin filtros o ablitradas varían mucho en calidad, y cada una tiene sus propias peculiaridades de plantilla de prompt. Parte del costo del uso local es tu tiempo dedicado a encontrar una que se comporte.
Qué cambia un endpoint alojado
El modelo de IA sin filtros alojado en este sitio es un modelo de pesos abiertos gestionado por un proveedor independiente. No eliges la cuantización, gestionas controladores ni esperas descargas. Obtienes una clave y la llamas.
- Contexto: 100.000 tokens, prompt más completación.
- Funcionalidades: streaming, llamadas a funciones, modo JSON y los parámetros de muestreo habituales.
- Concurrencia: hasta 8 peticiones simultáneas con una clave completa, algo que una GPU doméstica a menudo no puede igualar con la misma calidad.
- Privacidad: los prompts no se usan para entrenamiento, pero sí viajan a un servidor. El modo local es más estricto en ese aspecto y nada de esto cambia eso.
El intercambio es claro. Renuncias a la garantía de que nada sale de tu máquina y ganas un modelo que está ejecutándose cuando lo necesitas, sin hardware que comprar o enfriar.
Costo: cuándo compensa comprar hardware
Los precios de hosting son de $0,15 por 1M de tokens de entrada y $0,50 por 1M de tokens de salida, con crédito prepago y sin suscripción. Para un turno de chat de 800 tokens de entrada y 400 de salida, eso es $0,00012 + $0,0002 = $0,00032.
- 1.000 turnos: $0,32
- 100.000 turnos: $32
- 1.000.000 turnos: $320
Ahora compara con hardware. Supón, como ejemplo puro, que gastas $600 en una GPU solo para esto. Divide por $0,00032 y obtienes 1.875.000 turnos antes de que el hardware iguale la factura de hosting, y eso ignora la electricidad y tu tiempo. Si ya posees una GPU capaz, el uso local es gratuito en el margen y la comparación se invierte.
La lectura práctica: el uso hobby y moderado cuesta unos pocos dólares al mes en la nube, lo que rara vez justifica una compra. Un pipeline que genera decenas de millones de tokens al día es otra historia y las sumas merecen una hoja de cálculo adecuada. Las tarifas actuales están siempre en la página de precios. Para tu propia estimación, multiplica tus tokens diarios esperados por las dos tarifas anteriores.
Velocidad y confiabilidad
La velocidad local depende enteramente de tu hardware y del tamaño del modelo. Un modelo que cabe en la memoria de la GPU se siente instantáneo; uno que se derrama en la memoria del sistema puede sentirse dolorosamente lento. Este artículo no cita cifras de tokens por segundo, porque varían demasiado entre tarjetas y cuantizaciones para ser útiles.
La velocidad alojada depende de la carga. Cuando el servicio se satura brevemente, devuelve HTTP 429 con un encabezado Retry-After: 5, y tu cliente debería esperar y reintentar. Más de 300 peticiones por minuto en una clave completa devuelve rate_limited, y más de 8 a la vez devuelve concurrency. Ninguno se cobra.
La diferencia de confiabilidad se trata principalmente de quién hace el mantenimiento. Tu propia máquina necesita actualizaciones, suficiente espacio libre en disco y un proceso activo. La API alojada necesita una clave con crédito en ella.
Cambio de herramientas entre Ollama y la API
Ollama expone un endpoint compatible con OpenAI en el puerto 11434, y esta API sigue el mismo formato. Eso significa que un script puede hablar con cualquiera, elegido por variables de entorno.
import os
from openai import OpenAI
if os.environ.get("USE_LOCAL") == "1":
client = OpenAI(base_url="http://localhost:11434/v1", api_key="ollama")
model = os.environ["LOCAL_MODEL"] # the name you pulled in Ollama
else:
client = OpenAI(
base_url="https://api.unfilteredaimodels.com/v1",
api_key=os.environ["API_KEY"],
)
model = "uncensored"
r = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": "Describe a rainy harbour town in two sentences."}],
)
print(r.choices[0].message.content)
El mismo truco funciona en interfaces de chat y herramientas de agentes que solicitan una URL base compatible con OpenAI. Mantén dos perfiles, uno apuntando a localhost y otro a https://api.unfilteredaimodels.com/v1, y cambia entre ellos. La documentación enumera los parámetros admitidos si una herramienta envía algo inusual.
Los prompts que ajustaste localmente generalmente se transfieren, pero verifícalos. Un modelo diferente puede responder de manera diferente al mismo prompt del sistema, así que ejecuta algunos de tus propios prompts de prueba después de cambiar.
Inicio en el lado alojado
Crea una cuenta y visita la página de claves de API. Los nuevos usuarios pueden reclamar $0,50 de crédito de prueba con un clic, válido durante 7 días y sin necesidad de tarjeta. Con 800 tokens de entrada y 400 de salida por vuelta, eso cubre unas 1.560 vueltas, suficiente para decidir si el modelo alojado se adapta a tu proyecto antes de gastar nada.
Las recargas pagadas comienzan en $20 con cualquier cantidad entera hasta $500, y el crédito no caduca. Si mantienes una configuración de Ollama también, no pierdes nada: usa local para borradores privados y la API alojada para los trabajos que necesitan disponibilidad, contexto largo o concurrencia.
Más guías
Preguntas y respuestas
Tu clave está a un paso de estar lista
Crea una cuenta, copia la clave, cambia la URL base. Esa es toda la configuración.
¿Puede Ollama ejecutar modelos sin filtros?
- Sí, Ollama ejecuta cualquier archivo de modelo compatible que descargues, incluidas adaptaciones comunitarias que rechazan menos. La calidad y el formato del prompt varían según el modelo, así que pruébalo antes de confiar en uno.
¿Es lo suficientemente privada una API alojada?
- Los prompts no se usan para entrenamiento, pero se procesan en un servidor remoto. Si nada puede salir de tu máquina, lo local es la opción más estricta.
¿Puedo usar mi código de cliente de Ollama con la API alojada?
- A menudo, sí. Ambos usan el formato de OpenAI, así que cambias la URL base a https://api.unfilteredaimodels.com/v1, añades tu clave y configuras el modelo como sin censura.
¿Cuánto cuesta la opción alojada por mes?
- Depende del volumen. A $0,15 por 1M de tokens de entrada y $0,50 por 1M de tokens de salida, 100.000 turnos de chat de 800 tokens de entrada y 400 de salida cuestan unos $32.