Respuesta rápida
¿Cómo llamo a LLMwithCrypto desde Node.js?
Instala el paquete oficial con npm install openai y luego crea el cliente con baseURL: "https://llmwithcrypto.com/api/v1" y apiKey: process.env.LLMWITHCRYPTO_API_KEY. LLMwithCrypto responde client.chat.completions.create() en el formato de OpenAI para 12 modelos de pesos abiertos, con streaming y tool calls donde el modelo los admite, según la documentación del 23 de octubre de 2026.
Lo que necesitas
| Node.js | 18 o superior, módulos ES (.mjs o "type": "module") |
|---|---|
| Paquete | openai (oficial) |
| URL base | https://llmwithcrypto.com/api/v1 |
| Clave | En la variable de entorno LLMWITHCRYPTO_API_KEY, nunca en el código ni en el navegador |
¿Cómo envío una sola consulta?
Crea el cliente una vez al arrancar y reutilízalo en todas partes. Mantén la clave en el servidor: una clave incluida en el código del navegador puede leerla cualquiera que abra la página, así que llama a la API desde tu backend y envía solo la respuesta al navegador.
import OpenAI from 'openai';
const client = new OpenAI({
baseURL: 'https://llmwithcrypto.com/api/v1',
apiKey: process.env.LLMWITHCRYPTO_API_KEY,
});
const resp = await client.chat.completions.create({
model: 'deepseek-v4-pro',
messages: [
{ role: 'system', content: 'Answer in two sentences.' },
{ role: 'user', content: 'What is a context window?' },
],
max_tokens: 200,
});
console.log(resp.choices[0].message.content);
console.log(resp.usage.prompt_tokens, 'in,', resp.usage.completion_tokens, 'out');
¿Cómo ejecuto un lote sin alcanzar el rate limit?
Ejecuta un número fijo de consultas a la vez. El pequeño helper mapLimit de abajo mantiene cuatro en curso y devuelve los resultados en orden; no hace falta ningún paquete adicional. Cada cuenta tiene un límite de peticiones y de tokens por minuto, que se muestra en el panel; pídelo a soporte y se puede ampliar.
import OpenAI from 'openai';
const client = new OpenAI({
baseURL: 'https://llmwithcrypto.com/api/v1',
apiKey: process.env.LLMWITHCRYPTO_API_KEY,
});
async function translate(text) {
const resp = await client.chat.completions.create({
model: 'qwen3-235b-a22b-instruct-2507',
messages: [
{ role: 'system', content: 'Translate into Spanish. Reply with the translation only.' },
{ role: 'user', content: text },
],
max_tokens: 200,
});
return resp.choices[0].message.content;
}
// at most 4 requests in flight
async function mapLimit(items, limit, fn) {
const out = new Array(items.length);
let next = 0;
async function worker() {
while (next < items.length) {
const i = next++;
out[i] = await fn(items[i]);
}
}
await Promise.all(Array.from({ length: limit }, worker));
return out;
}
const lines = ['Your order has shipped.', 'Your payment was received.', 'Your key was revoked.'];
console.log(await mapLimit(lines, 4, translate));
¿Cómo transmito la respuesta en streaming?
Pasa stream: true y usa for await en el resultado. Cada chunk lleva un fragmento de texto en choices[0].delta.content; con stream_options: { include_usage: true } el último chunk incluye el recuento de tokens.
import OpenAI from 'openai';
const client = new OpenAI({
baseURL: 'https://llmwithcrypto.com/api/v1',
apiKey: process.env.LLMWITHCRYPTO_API_KEY,
});
const stream = await client.chat.completions.create({
model: 'deepseek-v4.1-flash',
messages: [{ role: 'user', content: 'Write a haiku about latency.' }],
stream: true,
stream_options: { include_usage: true },
max_tokens: 120,
});
for await (const chunk of stream) {
const text = chunk.choices[0]?.delta?.content;
if (text) process.stdout.write(text);
if (chunk.usage) console.log(`\n${chunk.usage.prompt_tokens} in, ${chunk.usage.completion_tokens} out`);
}
¿Cómo consulto los créditos disponibles?
El endpoint de créditos no forma parte del SDK de OpenAI, así que llámalo con fetch. Es gratuito; llámalo antes de un lote grande para asegurarte de que el saldo lo cubre.
const res = await fetch('https://llmwithcrypto.com/api/v1/credits', {
headers: { Authorization: `Bearer ${process.env.LLMWITHCRYPTO_API_KEY}` },
});
const credits = await res.json();
console.log('credit left:', credits.balance_usd, 'USD');
¿Cómo gestiono los errores?
El SDK lanza un OpenAI.APIError por cada error HTTP, con el status en err.status y el code del cuerpo en err.code. Comprueba el código, no el mensaje: insufficient_balance significa recargar, model_not_found significa un id incorrecto, rate_limit_exceeded significa esperar y reintentar.
El SDK ya reintenta algunos errores dos veces con una pausa (maxRetries). Para lotes largos, mantén ese valor por defecto, limita la concurrencia como se indica arriba y registra los fallos que des por perdidos. La página de errores enumera todos los status y cuáles merecen un reintento. Las llamadas fallidas no cuestan nada: Pagas por token desde tu saldo: los tokens de entrada y de salida se cuentan con el tokenizador propio del modelo y se cobran al precio de ese modelo por 1M de tokens. Una llamada que termina en error no cuesta nada.
¿Cómo migro una app de OpenAI existente?
Cambia las opciones del cliente, baseURL y apiKey, y sustituye cada nombre de modelo gpt-… por un id de la página de modelos. Los prompts, el código de streaming y el parseo de choices y usage se quedan igual. Ejecuta tus tests con el nuevo modelo antes de cambiar el tráfico: el tool calling y la salida JSON dependen de lo que admita cada modelo.
Node.js: preguntas frecuentes
¿Puedo llamar a la API desde el navegador?
Técnicamente sí, pero nunca con tu clave en la página. Llámala desde tu servidor, o desde una función serverless que guarde la clave.
¿Funciona el SDK de Vercel AI?
Cualquier librería que acepte una base URL compatible con OpenAI funciona. La API habla el formato chat completions de OpenAI: apunta el SDK de OpenAI, LangChain o cualquier herramienta compatible con OpenAI a nuestra URL base con tu clave, y cambia el nombre del modelo.
¿Qué pasa cuando se acaban los créditos?
Las llamadas devuelven 402 insufficient_balance y no cuestan nada. La página de errores muestra cómo reaccionar.