API de Ollama frente a OpenRouter: ¿cuál se adapta a ti?

Respuesta corta

La comparación API de Ollama frente a OpenRouter es realmente una comparación de dos tipos de cosas diferentes. Ollama es un programa que ejecuta modelos de pesos abiertos en una máquina que controlas y los expone mediante una API HTTP local. OpenRouter es un servicio alojado que se sitúa delante de muchos modelos de muchos proveedores y te permite elegir uno por nombre a través de una única API estilo OpenAI.

Así que la elección depende de dónde quieras que viva el cómputo y a cuántos modelos quieres acceder. Si necesitas inferencia sin conexión o totalmente privada, ejecuta Ollama. Si quieres probar muchos modelos diferentes sin alojar ninguno, un enrutador tiene sentido. Si lo que quieres es un modelo que responda sin rechazos de contenido para uso adulto legal, detrás de una API simple de pago por token, un servicio dedicado es una tercera opción, y este sitio es una.

Lado a lado

Esta tabla se limita a lo que se conoce públicamente sobre cada opción y los hechos de este servicio. Para los precios de cualquier otro servicio, consulta su página de precios actual.

	Ollama	OpenRouter	Esta API
Dónde se ejecuta	Tu propia máquina o servidor	Alojado, enruta a proveedores	Alojado, un proveedor independiente
Modelos	Cualquier modelo que extraigas y que quepa en la memoria	Muchos modelos de muchos proveedores	Un modelo de pesos abiertos, ID uncensored
Estilo de API	API nativa más /v1 estilo OpenAI	Estilo OpenAI	Compatible con OpenAI
Hardware necesario para tu uso	Sí, dimensionado al modelo	No	No
Funciona sin conexión	Sí	No	No
Facturación	Tu hardware y electricidad	Por token, varía según el modelo	$0,15 por 1M de entrada, $0,50 por 1M de salida
Comportamiento de negación	Depende del modelo que elijas	Depende del modelo y del proveedor que elijas	Ajustado para responder sin rechazos para uso adulto lícito

Cuándo Ollama es la mejor opción

Ollama gana siempre que los datos deban permanecer en tu máquina. Nada sale del equipo, no hay cuenta y funciona en un avión. También es el mejor lugar para experimentar: puedes extraer un nuevo modelo abierto en minutos, comparar varios con tus propios prompts y probar versiones cuantizadas que quepan en GPUs pequeñas.

Es una opción menos adecuada cuando no puedes proporcionar hardware. Los modelos más grandes necesitan memoria GPU real, y el rendimiento en un portátil está limitado. Servir a un equipo desde un servidor significa que ahora ejecutas infraestructura: actualizaciones, presión de memoria, reinicios. La API nativa tampoco tiene autenticación integrada, así que exponerla más allá de localhost necesita un proxy delante. Algunas funciones que quizás quieras, como contextos largos o varios usuarios a la vez, son realmente preguntas sobre memoria y colas en tu propio servidor, así que prueba con la carga que esperes antes de confiar en ello.

Si te mantienes local, el lado de Python es fácil; el SDK de OpenAI funciona contra http://localhost:11434/v1 con cualquier cadena como clave.

Cuándo OpenRouter es la mejor opción

Un enrutador es bueno para la amplitud. Una cuenta y una API te dan acceso a muchos modelos, por lo que puedes probar un modelo diferente para cada tarea, comparar respuestas o recurrir a otro modelo cuando uno no esté disponible. Si tu producto necesita un modelo cerrado específico de un proveedor específico, un enrutador que lo ofrezca te ahorra registrarte con cada proveedor por separado.

Los compromisos siguen el mismo diseño. El comportamiento depende del modelo que elijas y las políticas de contenido difieren entre modelos y proveedores, por lo que el mismo prompt puede ser rechazado en uno y respondido en otro. Los precios varían por modelo, por lo que prever costos implica consultar el modelo que uses. Revisa sus precios actuales y la lista de modelos antes de comprometerte, porque cambian.

Si solo necesitas un modelo, gran parte de esa amplitud queda sin usar.

Cuándo una API dedicada sin censura es la mejor opción

Este servicio hace una cosa. Ofrece un único modelo de pesos abiertos, uncensored, ejecutado por un proveedor independiente y ajustado para responder sin rechazos de contenido para uso adulto legal. No es la API oficial de ningún proveedor de modelos ni un enrutador. El límite estricto es que el contenido sexual que involucra a menores nunca está permitido.

Se adapta a ficción, roleplay y aplicaciones de compañía para adultos, herramientas de escritura, y trabajo de investigación o estilo red-team donde los rechazos rompen el flujo. Como el modelo nunca cambia bajo ti, el comportamiento es predecible: ajustas el prompt una vez en lugar de por modelo. Los precios son fijos: $0,15 por 1M de tokens de entrada y $0,50 por 1M de tokens de salida del crédito prepago, sin suscripción ni cargo por peticiones fallidas o rechazadas.

Es la opción incorrecta si necesitas generación de imágenes, audio o video, embeddings o fine-tuning, porque es solo texto. También es la opción incorrecta si necesitas una elección de modelos de proveedores, o si tus datos no pueden salir de tu propia máquina. En esos casos usa un enrutador o ejecuta Ollama.

Cambiar es principalmente un cambio de URL base

Los tres usan un formato de chat completions estilo OpenAI, por lo que una pequeña capa de configuración te permite moverte entre ellos. Aquí hay un cliente Python que lee su destino del entorno, por defecto esta API.

Copyimport os
from openai import OpenAI

client = OpenAI(
    base_url=os.getenv("LLM_BASE_URL", "https://api.ollamaapi.cc/v1"),
    api_key=os.getenv("LLM_API_KEY", "YOUR_API_KEY"),
)

resp = client.chat.completions.create(
    model=os.getenv("LLM_MODEL", "uncensored"),
    messages=[{"role": "user", "content": "Draft a short scene set in a night market."}],
    stream=False,
)
print(resp.choices[0].message.content)

Para ejecutar el mismo script contra Ollama, establece la URL base en http://localhost:11434/v1 y el modelo a uno que hayas extraído. Para un enrutador, usa la URL base y los nombres de modelos de su propia documentación. La misma forma en curl:

Copycurl https://api.ollamaapi.cc/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"uncensored","messages":[{"role":"user","content":"Hello"}]}'

La API alojada admite streaming, llamadas a herramientas, modo JSON y una ventana de contexto de 100.000 tokens. La guía de inicio rápido recorre cada uno.

Límites y diferencias operativas

Una vez que superas el primer prototipo, las diferencias prácticas son sobre límites y fiabilidad en lugar de funciones.

Con Ollama los límites son tuyos. La concurrencia depende de cuántas peticiones pueda servir tu hardware a la vez, y la longitud del contexto es una configuración que eliges frente a la memoria disponible. Cuando la caja está ocupada, las peticiones esperan. Cuando se cae, tu aplicación también, y arreglarla es tu trabajo.

Con un enrutador, los límites y la disponibilidad dependen del modelo y del proveedor al que enrutes, y pueden diferir de un modelo a otro. Lee la documentación del modelo específico en el que planees confiar.

Con esta API los límites son fijos y cortos como para recordarlos. Una clave completa permite 8 peticiones simultáneas y 300 peticiones por minuto, y una clave de prueba permite 2 simultáneas y 60 por minuto. El cuerpo máximo es de 8 MB. Superarlo devuelve HTTP 429, con código de error rate_limited para peticiones por minuto o concurrency para demasiadas a la vez; una sobrecarga temporal también devuelve 429 con un encabezado Retry-After: 5. Una petición streaming mantiene su espacio de concurrencia hasta que termina el stream, por lo que los streams largos cuentan contra el 8. Los encabezados de respuesta incluyen X-Balance-USD y los valores de límite, lo que hace el monitoreo simple.

Una forma práctica de decidir

1. ¿Tiene que quedarse en tu máquina los datos? Sí significa Ollama.
2. ¿Necesitas modelos de varios proveedores? Sí significa un enrutador.
3. ¿Quieres un modelo estable sin rechazos para uso adulto legal, y sin hardware que ejecutar? Sí significa una API dedicada.
4. ¿Tienes capacidad GPU ociosa? Si es así, local puede costar menos que cualquier opción alojada.

No tienes que comprometerte. Comienza con la prueba de $0,50, que los nuevos usuarios reclaman con un clic en la página de clave de API después de iniciar sesión, válida por 7 días, sin necesidad de tarjeta. Ejecuta tus prompts reales, revisa la salida y mira la tarifa por token antes de añadir crédito. Las recargas van de $20 a $500, por tarjeta o cripto, y el crédito no caduca. Si tus prompts son estrictamente privados, recuerda que los prompts aquí no se usan para entrenamiento, pero la inferencia local los mantiene completamente fuera de la red.

Más guías

• API de Ollama en Python y una alternativa alojada
• Precios de la API de Ollama: coste local frente a pago por token
• Guía de la clave API de Mistral