Inferencia de chat-completions compatible con OpenAI servida en el hardware propio de Linkrra Sin retención de datos los prompts y las completaciones nunca se almacenan ni se usan para el entrenamiento Modelos disponibles (leído en vivo desde
{
"id": "chatcmpl-a230a35960c8023d",
"object": "chat.completion",
"created": 1791968466,
"model": "qwen3-coder-30b",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "READY",
"refusal": null,
"annotations": null,
"audio": null,
"function_call": null,
"reasoning": null
},
"logprobs": null,
"finish_reason": "stop",
"stop_reason": null,
"token_ids": null,
"routed_experts": null
}
],
"service_tier": null,
"system_fingerprint": "vllm-0.31.0-6fef36b3",
"usage": {
"prompt_tokens": 10,
"total_tokens": 12,
"completion_tokens": 2,
"prompt_tokens_details": null,
"completion_tokens_details": null
},
"prompt_logprobs": null,
"prompt_token_ids": null,
"prompt_text": null,
"kv_transfer_params": null,
"ec_transfer_params": null,
"metrics": null,
"credits": {
"deducted": 6,
"tokens": 12,
"remaining": 3503134171
}
}
curl --location --request POST 'https://zylalabs.com/api/14252/openai-compatible+llm+chat+completions+api/35372/create+a+chat+completion' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{"model":"qwen3-coder-30b","messages":[{"role":"user","content":"Say READY"}],"max_tokens":16}'
{
"object": "list",
"data": [
{
"id": "synap-v1",
"object": "model",
"owned_by": "synap",
"nodes": 0,
"routing": "auto — routes inside the models we run on our own GPUs and picks the cheapest that can do the job (tools/code/reasoning), billed at the price of whichever model actually ran"
},
{
"id": "synap-v1-pro",
"object": "model",
"owned_by": "synap",
"nodes": 0,
"routing": "auto — adds the external models we offer to our own: the strongest model per job class (long context, reasoning, multilingual) rather than the cheapest"
},
{
"id": "team-planner",
"object": "model",
"owned_by": "linkrra-team-agent",
"served_by": "deepseek/deepseek-v4-pro",
"nodes": 0,
"pricing": {
"prompt_per_million": 2.2788,
"completion_per_million": 4.0512,
"currency": "USD",
"basis": "brokered"
},
"capability": "Reasoning, deep",
"tier": "premium",
"context_note": "DeepSeek's flagship, for problems that are genuinely hard.",
"secure": true,
"data_policy": "zero-retention (verified live via tools/verify-zdr.js)"
},
{
"id": "team-worker",
"object": "model",
"owned_by": "linkrra-team-agent",
"served_by": "qwen3-coder-30b",
"nodes": 0,
"pricing": {
"prompt_per_million": 0.0675,
"completion_per_million": 0.27,
"currency": "USD",
"basis": "brokered"
},
"capability": "Coding, everyday",
"tier": "standard",
"context_note": "Runs on our own GPUs. Your prompt never leaves our infrastructure.",
"secure": true,
"data_policy": "zero-retention by construction — served on Linkrra-operated fleet hardware; the request is never handed to a third-party inference provider"
},
{
"id": "gpt-oss-20b",
"object": "model",
"owned_by": "pearlpool-fleet",
"nodes": 1,
"pricing": {
"prompt_per_million": 0.017,
"completion_per_million": 0.085,
"currency": "USD",
"basis": "engine"
},
"capability": "Fast + cheap general model",
"tier": "standard",
"context_note": "Runs on our own GPUs. Your prompt never leaves our infrastructure.",
"secure": true,
"data_policy": "zero-retention by construction — served on Linkrra-operated fleet hardware; the request is never handed to a third-party inference provider",
"schema_version": "2.4",
"name": "OpenAI: gpt-oss-20b",
"input_modalities": [
{
"type": "text",
"supported_inputs": {
"max_context_length": {
"value": 32768,
"unit": "token"
}
},
"pricing": [
{
"type": "prompt",
"unit": "token",
"cost_usd": "0.000000017"
}
]
}
],
"output_modalities": [
{
"type": "text",
"max_length": {
"value": 32768,
"unit": "token"
},
"streaming": true,
"supported_parameters": {
"temperature": {
"type": "range",
"min": 0,
"max": 2
},
"top_p": {
"type": "range",
"min": 0,
"max": 1
},
"max_tokens": {
"type": "integer",
"min": 1,
"max": 32768,
"unit": "token"
},
"stop": {
"type": "array",
"max_items": 4
}
},
"pricing": [
{
"type": "completion",
"unit": "token",
"cost_usd": "0.000000085"
}
]
}
],
"is_ready": true,
"is_free": false,
"created": 1791849600,
"datacenters": [
{
"country_code": "KR"
}
]
},
{
"id": "qwen3-coder-30b",
"object": "model",
"owned_by": "pearlpool-fleet",
"nodes": 2,
"pricing": {
"prompt_per_million": 0.0675,
"completion_per_million": 0.27,
"currency": "USD",
"basis": "engine"
},
"capability": "Coding, everyday",
"tier": "standard",
"context_note": "Runs on our own GPUs. Your prompt never leaves our infrastructure.",
"secure": true,
"data_policy": "zero-retention by construction — served on Linkrra-operated fleet hardware; the request is never handed to a third-party inference provider",
"schema_version": "2.4",
"name": "Qwen: Qwen3 Coder 30B A3B Instruct",
"input_modalities": [
{
"type": "text",
"supported_inputs": {
"max_context_length": {
"value": 32768,
"unit": "token"
}
},
"pricing": [
{
"type": "prompt",
"unit": "token",
"cost_usd": "0.0000000675"
}
]
}
],
"output_modalities": [
{
"type": "text",
"max_length": {
"value": 32768,
"unit": "token"
},
"streaming": true,
"supported_parameters": {
"temperature": {
"type": "range",
"min": 0,
"max": 2
},
"top_p": {
"type": "range",
"min": 0,
"max": 1
},
"max_tokens": {
"type": "integer",
"min": 1,
"max": 32768,
"unit": "token"
},
"stop": {
"type": "array",
"max_items": 4
}
},
"pricing": [
{
"type": "completion",
"unit": "token",
"cost_usd": "0.00000027"
}
]
}
],
"is_ready": true,
"is_free": false,
"created": 1790985600,
"datacenters": [
{
"country_code": "KR"
}
]
},
{
"id": "glm-4.7-flash",
"object": "model",
"owned_by": "pearlpool-fleet",
"nodes": 1,
"pricing": {
"prompt_per_million": 0.055,
"completion_per_million": 0.38,
"currency": "USD",
"basis": "engine"
},
"capability": "Fast general model",
"tier": "standard",
"context_note": "Runs on our own GPUs. Your prompt never leaves our infrastructure.",
"secure": true,
"data_policy": "zero-retention by construction — served on Linkrra-operated fleet hardware; the request is never handed to a third-party inference provider",
"schema_version": "2.4",
"name": "Z.AI: GLM 4.7 Flash",
"input_modalities": [
{
"type": "text",
"supported_inputs": {
"max_context_length": {
"value": 6144,
"unit": "token"
}
},
"pricing": [
{
"type": "prompt",
"unit": "token",
"cost_usd": "0.000000055"
}
]
}
],
"output_modalities": [
{
"type": "text",
"max_length": {
"value": 6144,
"unit": "token"
},
"streaming": true
}
]
}
],
"_note": "Response truncated for documentation purposes"
}
curl --location --request GET 'https://zylalabs.com/api/14252/openai-compatible+llm+chat+completions+api/35373/list+available+models' --header 'Authorization: Bearer YOUR_API_KEY'
Después de registrarte, a cada desarrollador se le asigna una clave de acceso a la API personal, una combinación única de letras y dígitos proporcionada para acceder a nuestro endpoint de la API. Para autenticarte con el Finalizaciones de chat LLM compatibles con OpenAI API simplemente incluye tu token de portador en el encabezado de Autorización.
| Encabezado | Descripción |
|---|---|
Autorización
|
Requerido
Debería ser Bearer access_key. Consulta "Tu Clave de Acceso a la API" arriba cuando estés suscrito.
|
Sin compromiso a largo plazo. Mejora, reduce o cancela en cualquier momento. La Prueba Gratuita incluye hasta 50 solicitudes.
El POST Crear un punto final de finalización de chat devuelve un objeto de finalización de chat que incluye el modelo utilizado, el contenido del mensaje generado y las estadísticas de uso El GET Listar modelos disponibles devuelve una lista de modelos que detalla sus IDs, longitudes de contexto e información de enrutamiento
Los campos clave en la respuesta de finalización del chat incluyen "id" "modelo" "opciones" (con contenido del mensaje) y "uso" (detallando conteos de tokens) En la respuesta de la lista de modelos, los campos importantes incluyen "id" "poseído_por" y "rutina"
La respuesta de finalización del chat está estructurada como un objeto JSON con campos anidados para opciones y uso. La respuesta de la lista de modelos es un array de objetos de modelo cada uno conteniendo atributos específicos como ID y detalles de enrutamiento
El endpoint POST Crear una finalización de chat acepta parámetros como "modelo", "mensajes" y "stream". Los usuarios pueden personalizar las solicitudes especificando el ID del modelo y proporcionando una secuencia de mensajes para contexto
Los casos de uso típicos incluyen la creación de chatbots la generación de agentes conversacionales y la mejora de sistemas de soporte al cliente La API se puede utilizar para crear aplicaciones interactivas que requieren comprensión y generación del lenguaje natural
Los usuarios pueden extraer el campo "contenido" del array "elecciones" para mostrar el mensaje generado El campo "uso" ayuda a rastrear el consumo de tokens lo cual es útil para optimizar las solicitudes y gestionar costos
La precisión de los datos se mantiene a través del uso de modelos avanzados entrenados en conjuntos de datos diversos La API opera en el hardware de Linkrra asegurando un rendimiento y fiabilidad consistentes en la generación de respuestas
Si la respuesta contiene resultados vacíos o parciales, los usuarios deben revisar el arreglo "choices" para mensajes disponibles Implementar el manejo de errores puede ayudar a gestionar salidas inesperadas y garantizar una experiencia de usuario fluida