Inteligencia Artificial Aplicada · IA-171

OpenAI y OpenRouter desde Google Colab

Primeras integraciones programáticas y comparación de modelos con un mismo cuaderno de Colab.

Disponible Intermedio 6 módulos · 24 clases

Formato asíncrono Desarrollo, Docentes FP Python, OpenRouter, Google Colab

IA DESARROLLO

Lo que aprenderás

Configurar los secretos de Google Colab para que las claves no queden escritas en el cuaderno.
Llamar a la API de OpenAI y a OpenRouter desde el mismo código cambiando solo el modelo.
Comparar salidas de varios modelos sobre un mismo conjunto de peticiones de prueba.
Registrar tokens de entrada y salida de cada llamada para comparar el coste relativo.
Procesar por lotes un fichero de entradas y volcar los resultados a un CSV revisable.
Dejar el cuaderno preparado para que otra persona lo ejecute sin tocar el código.

Contenido del curso

6 módulos · 24 clases en vídeo · práctica guiada en cada módulo

Módulo 1 · Entorno de trabajo 4 clases

Google Colab: cuadernos, entornos de ejecución y ficheros
Secretos de Colab para las claves de API
Instalación de dependencias en el cuaderno
Primera llamada de comprobación

Módulo 2 · OpenAI desde código 4 clases

Cliente, autenticación y estructura de la petición
Mensajes de sistema y de usuario
Parámetros de generación y su efecto
Leer la respuesta y sus metadatos

Módulo 3 · OpenRouter 4 clases

Qué aporta un enrutador de modelos
Un mismo código para distintos proveedores
Identificadores de modelo y disponibilidad
Diferencias de formato entre proveedores

Módulo 4 · Comparar modelos 4 clases

Construir la batería de peticiones de prueba
Ejecutar el mismo conjunto en varios modelos
Tabla comparativa de resultados
Criterios de evaluación y desempates

Módulo 5 · Coste y consumo 4 clases

Tokens de entrada y de salida en cada respuesta
Registro acumulado por ejecución
Reducir consumo sin perder calidad
Límites de gasto y control de errores por frecuencia

Módulo 6 · Lotes y entrega 4 clases

Procesar un fichero de entradas por lotes
Volcado a CSV y revisión de resultados
Preparar el cuaderno para otra persona
Caso práctico: comparativa documentada para una decisión real

Requisitos

Python a nivel de funciones, bucles y manejo de ficheros.
Conocer los fundamentos de una llamada a API: cabeceras, cuerpo, JSON y códigos de error.
Cuenta de Google para usar Colab y claves de OpenAI y OpenRouter.
No hace falta instalar nada en el equipo: todo se ejecuta en el navegador.

Descripción

Elegir modelo por lo que se lee en redes sale caro. La única forma seria de decidir es pasar las peticiones propias por varios modelos y comparar resultados, formato y consumo. OpenRouter permite hacerlo sin abrir una cuenta por proveedor, y Colab permite montar ese banco de pruebas sin instalar nada.

El curso construye ese cuaderno de comparación paso a paso: gestión de secretos, cliente único que apunta a OpenAI o a OpenRouter cambiando un parámetro, batería de peticiones propias, ejecución por lotes sobre un fichero de entradas y volcado de resultados a CSV con el registro de tokens de cada llamada.

El último bloque se ocupa de que el cuaderno sirva a otras personas: parámetros arriba, documentación de uso, control de errores y coste acotado. Al terminar se dispone de una herramienta reutilizable para cada nueva decisión de modelo, y de la base para los cursos de evaluación y observabilidad de sistemas basados en modelos.

¿Para quién es este curso?

Perfiles de desarrollo que deben justificar con datos la elección de modelo para un proyecto.
Profesorado de FP que prepara prácticas de integración con modelos ejecutables desde el navegador.
Analistas técnicos que procesan lotes de texto y necesitan resultados en formato tabular.