Ir al contenido principal
Español— Elegir un idioma
Menú

Tiempo de espera, parámetros prohibidos y configuración

Lección 11 de 12 Actualizado el 3 de noviembre de 2026 Desarrollador
En esta página
  1. Configura correctamente tus solicitudes de razonamiento
  2. Tiempo de espera: al menos 900 segundos
  3. Parámetros prohibidos en modelos de razonamiento
  4. Gestión de errores relacionados con parámetros
  5. Transmisión (Streaming) con modelos de razonamiento
  6. Puntos clave

Actualizado el 3 de noviembre de 2026. Basado en las mejores prácticas de xAI y la guía Reasoning: el tiempo de espera recomendado es de al menos 900 segundos (3.600 en los ejemplos), no «mínimo 3.600 segundos»; la lista de modelos de razonamiento incluye grok-4.6 y grok-4.7; grok-4.7 transmite un resumen de su razonamiento; se han eliminado las justificaciones de los parámetros prohibidos, ausentes en la documentación. Fuentes: Mejores prácticas · Razonamiento.

Configura correctamente tus solicitudes de razonamiento

Los modelos de razonamiento tienen restricciones específicas que los modelos clásicos no presentan. Ignorar estas restricciones puede provocar errores silenciosos, tiempos de espera inesperados o respuestas truncadas. Esta lección cubre los parámetros de configuración esenciales.

Tiempo de espera: al menos 900 segundos

Las mejores prácticas de xAI exigen al menos 900 segundos por solicitud, y 1.800 segundos o más para evaluaciones largas; los ejemplos de la guía Reasoning incluso establecen el retraso en 3.600 segundos (1 hora). Estos números pueden parecer elevados, pero reflejan la realidad: un razonamiento profundo sobre un problema complejo puede llevar varios minutos. xAI también recomienda preferir la transmisión (streaming), que mantiene la conexión activa durante generaciones largas.

¿Por qué un tiempo de espera tan largo?

Cuando un modelo de razonamiento procesa un problema difícil (una demostración matemática, un análisis de código complejo, un razonamiento de múltiples pasos), potencialmente genera miles de tokens de razonamiento interno antes de formular su respuesta. Este proceso es lineal y no se puede paralelizar.

Configuración del tiempo de espera

import httpx
from openai import OpenAI

# Configuración con tiempo de espera alto
client = OpenAI(
    api_key="your-api-key",
    base_url="https://api.x.ai/v1",
    timeout=httpx.Timeout(3600.0, connect=10.0)
)

En JavaScript con el SDK de OpenAI:

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'your-api-key',
  baseURL: 'https://api.x.ai/v1',
  timeout: 3600 * 1000  // 3600 segundos en milisegundos
});

Tiempo de espera del servidor web

Si tu aplicación está detrás de un proxy inverso (nginx, Apache), configura también el tiempo de espera del lado del servidor:

# nginx
location /api/ {
    proxy_read_timeout 3600s;
    proxy_connect_timeout 10s;
    proxy_send_timeout 3600s;
}

Parámetros prohibidos en modelos de razonamiento

Tres parámetros comúnmente utilizados con modelos clásicos no se pueden enviar a los modelos de razonamiento de xAI: según la guía Reasoning, una solicitud que los contenga devolverá un error. La documentación no ofrece la razón de estas prohibiciones; recuerda la regla.

presencePenalty

// ERROR en modelos de razonamiento
{
  "model": "grok-4.20-0309-reasoning",
  "presence_penalty": 0.5,  // ¡Prohibido!
  "messages": [...]
}

presencePenalty penaliza los tokens que ya aparecieron en la respuesta para fomentar la diversidad.

frequencyPenalty

// ERROR en modelos de razonamiento
{
  "model": "grok-4.20-0309-reasoning",
  "frequency_penalty": 0.3,  // ¡Prohibido!
  "messages": [...]
}

frequencyPenalty penaliza los tokens proporcionalmente a su frecuencia de aparición.

stop

// ERROR en modelos de razonamiento
{
  "model": "grok-4.20-0309-reasoning",
  "stop": ["\n\n"],  // ¡Prohibido!
  "messages": [...]
}

El parámetro stop detiene la generación cuando aparece una secuencia específica. Para limitar la longitud de la respuesta, usa max_completion_tokens en su lugar, que limita solo la respuesta visible, junto con una instrucción de formato en el prompt.

Gestión de errores relacionados con parámetros

Al migrar código existente a un modelo de razonamiento, limpia los parámetros no compatibles:

def prepare_params(model, base_params):
    """Limpia los parámetros para modelos de razonamiento."""
    reasoning_models = [
        # gama actual
        "grok-4.7", "grok-4.6", "grok-4.5", "grok-4.20-0309-reasoning",
        # identificadores históricos, aún presentes en código existente
        "grok-3-mini", "grok-4-fast-reasoning",
    ]

    params = {**base_params, "model": model}

    if model in reasoning_models:
        # Eliminar parámetros prohibidos
        for forbidden in ["presence_penalty", "frequency_penalty", "stop"]:
            params.pop(forbidden, None)

        # Reemplazar max_tokens con max_completion_tokens
        if "max_tokens" in params:
            params["max_completion_tokens"] = params.pop("max_tokens")

    return params

Transmisión (Streaming) con modelos de razonamiento

La transmisión funciona con modelos de razonamiento, pero el comportamiento depende de la generación: en grok-3-mini (generación anterior), reasoning_content aparecía en claro en el flujo, antes de los tokens de respuesta. En grok-4.20-0309-reasoning, el razonamiento permanece interno y no se transmite: solo la respuesta final llega al flujo. Excepción notable: en la API de Responses, grok-4.7 transmite un resumen de su razonamiento, en eventos response.reasoning_summary_text.delta que puedes mostrar antes de la respuesta.

Ejemplo histórico con grok-3-mini:

stream = client.chat.completions.create(
    model="grok-4.20-0309-reasoning",
    messages=[{"role": "user", "content": "Why is the sky blue?"}],
    reasoning_effort="high",
    stream=True
)

for chunk in stream:
    delta = chunk.choices[0].delta
    if hasattr(delta, 'reasoning_content') and delta.reasoning_content:
        print(f"[Reasoning] {delta.reasoning_content}", end="")
    elif delta.content:
        print(f"[Response] {delta.content}", end="")

Puntos clave

  • Permite al menos 900 segundos por solicitud (3.600 en los ejemplos de la guía Reasoning) y prefiere la transmisión
  • Tres parámetros están prohibidos: presencePenalty, frequencyPenalty y stop
  • Limpia los parámetros al migrar desde modelos clásicos
  • Usa max_completion_tokens en lugar de max_tokens
  • La transmisión funciona, pero el comportamiento difiere según el modelo