Llama a la API con ejemplos de código

La página de Ejemplos es una biblioteca de solicitudes listas que cubren cada cosa que la API puede hacer, desde una llamada de chat básica hasta la transcripción de audio. Elige tu idioma y un modelo, y el fragmento se reescribe para que coincida, de modo que puedas pegarlo directamente en tu aplicación.

---

Abrir Ejemplos

Después de iniciar sesión en el WiLine Edge Cloud:

1. En la barra lateral izquierda, expande Inferencia.
2. Haz clic en Ejemplos.

Cada ejemplo tiene los mismos dos controles sobre su código:

• Idioma — cambia entre Python, Node.js y cURL.
• Modelo — un menú desplegable de los modelos disponibles. Está filtrado a los modelos válidos para ese ejemplo — por ejemplo, La transcripción de audio solo lista modelos de audio (Whisper).

El fragmento se actualiza para coincidir con tus elecciones, y Copiar lo captura. Todos los ejemplos son compatibles con OpenAI, por lo que los SDK existentes funcionan sin cambios — solo la URL base y la clave difieren. Reemplaza wec-... con tu propia clave (consulta Claves API).

Completaciones de chat

La llamada cotidiana y la base para la mayoría de las funciones: envías la conversación hasta ahora como una lista de mensajes y obtienes la respuesta del modelo en una sola respuesta. Comienza aquí si eres nuevo en la API.

Figura 1: El ejemplo de Completaciones de chat — elige un idioma y un modelo, luego copia el fragmento.

from openai import OpenAI

client = OpenAI(
    base_url="https://inference.wiline.com/v1",
    api_key="wec-...",  # tu clave API
)

resp = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V3.1",
    messages=[{"role": "user", "content": "¿Cuál es la capital de Francia?"}],
)
print(resp.choices[0].message.content)

Streaming

Establece stream=True y la respuesta llega token por token a medida que el modelo la escribe, en lugar de todo de una vez al final. El tiempo total es aproximadamente el mismo, pero el usuario ve las palabras aparecer inmediatamente — así que utilízalo en cualquier cosa interactiva, como una interfaz de chat o asistente.

Figura 2: El ejemplo de Streaming — los tokens llegan de forma incremental a medida que el modelo los genera.

from openai import OpenAI

client = OpenAI(base_url="https://inference.wiline.com/v1", api_key="wec-...")

stream = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V3.1",
    messages=[{"role": "user", "content": "Escribe un haiku sobre fibra óptica"}],
    stream=True,
)
for chunk in stream:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="")

Llamada a herramientas

Así es como conectas un modelo a datos en vivo y acciones reales. Le entregas un conjunto de funciones que se le permite llamar; cuando decide que una es necesaria, responde con una tool_call estructurada (el nombre de la función más los argumentos) en lugar de texto plano. Tu código ejecuta esa función y alimenta el resultado de vuelta, y el modelo lo utiliza para terminar la respuesta.

nota

Solo los modelos con la capacidad de Herramientas admiten esto. Consulta las capacidades de un modelo en el Models Hub.

Figura 3: El ejemplo de Llamada a herramientas — el modelo devuelve una llamada a herramienta estructurada en lugar de texto.

from openai import OpenAI

client = OpenAI(base_url="https://inference.wiline.com/v1", api_key="wec-...")

resp = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V3.1",
    messages=[{"role": "user", "content": "¿Cuál es el clima en Austin?"}],
    tools=[{
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Obtener el clima actual para una ciudad",
            "parameters": {
                "type": "object",
                "properties": {"city": {"type": "string"}},
                "required": ["city"],
            },
        },
    }],
    tool_choice="auto",
)
print(resp.choices[0].message.tool_calls)

Transcripción de audio

Para modelos de voz a texto como Whisper, no usas chat en absoluto: subes un archivo de audio al endpoint dedicado /audio/transcriptions y obtienes texto de vuelta. Las configuraciones opcionales pueden agregar diarización de hablantes y marcas de tiempo a nivel de palabra.

Figura 4: El ejemplo de Transcripción de audio — el menú desplegable de modelos lista solo modelos de audio (Whisper).

from openai import OpenAI

client = OpenAI(base_url="https://inference.wiline.com/v1", api_key="wec-...")

with open("audio.mp3", "rb") as audio:
    transcript = client.audio.transcriptions.create(
        model="whisper-large-v3",
        file=audio,
        response_format="json",
    )
print(transcript.text)

Listar modelos

Obtén el catálogo en código: cada id de modelo al que tu clave puede acceder. Útil para poblar un selector de modelos en tu propia interfaz de usuario, o para verificar tu configuración al inicio para que un nombre de modelo incorrecto falle rápidamente en lugar de a mitad de la solicitud. (Este ejemplo no tiene menú desplegable de modelos — devuelve todos.)

Figura 5: El ejemplo de Listar modelos — obtén los ids de modelos disponibles programáticamente.

from openai import OpenAI

client = OpenAI(base_url="https://inference.wiline.com/v1", api_key="wec-...")

for model in client.models.list():
    print(model.id)

---

Próximos pasos

• Crear una clave API — reemplaza wec-... con una clave real.
• Models Hub — encuentra el id de model correcto y verifica capacidades.
• Experimentar en el Playground — prueba un prompt antes de integrarlo.