---
title: "Streaming de respuestas de LLM por SSE: uso y reintentos"
description: "Streaming en BroadNet Inference: Server-Sent Events, el marcador [DONE], el uso de tokens en el último fragmento y qué hacer si el stream termina antes."
url: https://broadrouter.com/es/guides/streaming-chat-completions/
lang: es
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/guides/streaming-chat-completions/) (actualizado el 2026-11-15).

# Streaming de chat completions y conexiones interrumpidas

Actualizado 2026-11-15

Configure stream en true en /v1/chat/completions y lea los Server-Sent Events hasta el marcador literal data: \[DONE\]. Agregue stream\_options include\_usage para recibir los conteos de tokens en el último fragmento. Si la conexión termina antes de \[DONE\], considere la respuesta incompleta y registre el X-Request-ID.

El streaming permite que un agente o una interfaz de chat muestre la respuesta a medida que se genera. BroadNet Inference usa el formato estándar de streaming de chat completions, así que el [SDK de OpenAI para Python](https://broadrouter.com/es/guides/openai-python-sdk/) y el [SDK de OpenAI para Node](https://broadrouter.com/es/guides/openai-node-sdk/) se encargan del procesamiento por usted.

## Con curl

```bash
curl -N -D stream-headers.txt https://inference.broadnet.ai/v1/chat/completions \
  -H "Authorization: Bearer $BROADNET_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"broadnet/gemma-4-26b-a4b","stream":true,"stream_options":{"include_usage":true},"messages":[{"role":"user","content":"Count from one to three."}]}'
```

`-N` desactiva el búfer de curl y `-D` guarda los encabezados, incluido `X-Request-ID`.

## ¿Cómo se ve el stream?

La respuesta es un stream de [Server-Sent Events](https://broadrouter.com/es/glossary/sse/). Según el estándar HTML de WHATWG, cada evento es una o más líneas `data:` seguidas de una línea en blanco, y una línea que empieza con dos puntos es un comentario que puede ignorar. Cada línea `data:` contiene un fragmento JSON, y el texto llega en `choices[0].delta.content`.

## Las reglas

1.  Lea eventos hasta la línea literal `data: [DONE]` y luego cierre el lector.
2.  Con `stream_options: {"include_usage": true}`, justo antes de `[DONE]` llega un fragmento adicional. Trae `usage` de toda la solicitud y una lista `choices` vacía, así que revise `choices` antes de acceder a un índice.
3.  Cuando el modelo los informa, ese uso incluye `completion_tokens_details.reasoning_tokens` (DeepSeek V4.1 Flash, GLM 5.3 y Qwen3.8 27B razonan primero) y `prompt_tokens_details.cached_tokens`. Los tokens en caché se facturan al precio más bajo de entrada en caché.

## Con el SDK de Python

```python
import os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

stream = client.chat.completions.create(
    model="broadnet/gemma-4-26b-a4b",
    messages=[{"role": "user", "content": "Count from one to three."}],
    stream=True,
    stream_options={"include_usage": True},
)
usage = None
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)
    if chunk.usage:
        usage = chunk.usage
print()
print(usage)  # None means the stream ended before the usage chunk
```

El SDK lee hasta `[DONE]` por usted. La [guía del SDK de OpenAI para Node](https://broadrouter.com/es/guides/openai-node-sdk/) muestra el mismo bucle en JavaScript.

## Cuando el stream termina antes de tiempo

Si la conexión se cierra antes de `[DONE]`, la respuesta está incompleta. Las indicaciones de BroadNet:

-   registre el `X-Request-ID`;
-   decida si su aplicación puede hacer de forma segura una solicitud **nueva**. Un reintento es una nueva inferencia y se factura de nuevo en el pago por uso.

Para agentes en un [plan ilimitado](https://broadrouter.com/es/guides/unlimited-llm-api-sessions/), los reintentos no cuestan nada extra, pero siguen ocupando la sesión mientras se ejecutan.

La documentación de BroadNet indica que todavía se requiere una verificación por modelo antes de depender del streaming en producción, así que pruébelo con el modelo que va a usar.

## Solución de problemas

-   **Todo se imprime al final.** curl necesita `-N`. Detrás de su propio proxy, desactive el búfer de respuestas para `text/event-stream`.
-   **`IndexError` o `undefined` en el último fragmento.** El fragmento de uso tiene una lista `choices` vacía. Revise `chunk.choices` antes de leer `[0]`.
-   **No hay uso.** No envió `stream_options`, o el stream se cortó antes del último fragmento.
-   **El stream se detiene con `finish_reason` `length` y poco texto.** Un modelo de razonamiento gastó `max_tokens` en razonar. Consulte [por qué los modelos de razonamiento devuelven respuestas vacías](https://broadrouter.com/es/guides/reasoning-tokens-empty-response/).
-   **429 al hacer streaming en paralelo.** Cada stream abierto cuenta como una solicitud en curso; una clave de pago por uso permite 4. Consulte [códigos de error de BroadNet y reintentos](https://broadrouter.com/es/guides/errors-and-retries/).

## Términos de esta guía

[Streaming (respuestas en tiempo real)](https://broadrouter.com/es/glossary/streaming/)

El streaming es una forma de devolver la respuesta de un modelo de lenguaje en pequeños fragmentos mientras aún se genera, en lugar de una sola respuesta al final. Las APIs compatibles con OpenAI hacen streaming mediante server-sent events cuando la solicitud define stream como true.

[Pago por uso (pay-as-you-go)](https://broadrouter.com/es/glossary/pay-as-you-go/)

El pago por uso es un modelo de precios en el que usted paga solo lo que usa, medido por unidades como tokens, solicitudes o minutos de audio, sin suscripción ni compromiso mínimo. La mayoría de las APIs de LLM cobran así, desde un saldo prepagado o con una factura periódica.

[Concurrencia (concurrency)](https://broadrouter.com/es/glossary/concurrency/)

La concurrencia es el número de solicitudes que un cliente tiene en curso al mismo tiempo. Las APIs de LLM suelen limitarla por clave o por plan, aparte de las solicitudes por minuto, porque cada solicitud abierta ocupa capacidad de GPU hasta que su respuesta termina.

[Server-sent events (SSE)](https://broadrouter.com/es/glossary/sse/)

Server-sent events (SSE), o eventos enviados por el servidor, es un estándar web para que un servidor envíe un flujo de eventos de texto a un cliente a través de una única respuesta HTTP de larga duración con el tipo de contenido text/event-stream. Cada evento es una o más líneas de campo, como data:, terminadas por una línea en blanco.

[Token](https://broadrouter.com/es/glossary/token/)

Un token es la unidad de texto que un modelo de lenguaje lee y escribe: una palabra, parte de una palabra, un signo de puntuación o una secuencia de bytes producida por el tokenizador del modelo. Las APIs de LLM cuentan, limitan y normalmente facturan el uso en tokens.

[Tokens de entrada en caché (cached input tokens)](https://broadrouter.com/es/glossary/cached-input-tokens/)

Los tokens de entrada en caché son tokens del prompt que un proveedor de LLM procesó recientemente y puede reutilizar desde un caché en lugar de calcularlos de nuevo; normalmente son un prefijo repetido, como un prompt de sistema o un documento. Los proveedores los cobran a una tarifa menor que los tokens de entrada nuevos.

[API de Chat Completions](https://broadrouter.com/es/glossary/chat-completions-api/)

La API de Chat Completions es el endpoint HTTP de OpenAI, POST /v1/chat/completions, que recibe un nombre de modelo y una lista de mensajes etiquetados con su rol y devuelve el siguiente mensaje del modelo. Su forma de solicitud y respuesta se convirtió en el formato común que reutilizan los proveedores y SDKs compatibles con OpenAI.

## Preguntas frecuentes

### ¿Cómo obtengo el uso de tokens al hacer streaming de chat completions?

Envíe stream\_options con include\_usage en true. Justo antes de data: \[DONE\] llega un fragmento adicional, con usage completo y un arreglo choices vacío. Si el stream se corta antes, ese fragmento nunca llega.

### ¿Por qué curl imprime toda la respuesta en streaming de una sola vez?

curl usa un búfer de salida de forma predeterminada. Agregue la opción -N (sin búfer) para que cada Server-Sent Event se imprima al llegar.

### ¿Se factura dos veces un stream reintentado?

En el pago por uso, sí: un reintento es una nueva solicitud de inferencia. En un plan ilimitado de DeepSeek V4.1 Flash no hay medidor de tokens, pero el reintento sigue ocupando la sesión mientras se ejecuta.

### ¿El streaming cuesta más que una solicitud normal?

No. El streaming cambia cómo se entrega la respuesta, no cómo se factura. En el pago por uso paga los mismos precios por token de entrada y de salida que en una solicitud sin streaming.

## Guías relacionadas

-   [Usar el SDK de OpenAI para Python con BroadNet Inference](https://broadrouter.com/es/guides/openai-python-sdk/)
-   [Códigos de error de BroadNet Inference y cuándo reintentar](https://broadrouter.com/es/guides/errors-and-retries/)
-   [¿Por qué un modelo de razonamiento devuelve una respuesta vacía?](https://broadrouter.com/es/guides/reasoning-tokens-empty-response/)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-guides-streaming-chat-completions&utm_content=page-cta) ·

**Fuentes**

-   [Referencia de la API de BroadNet Inference, streaming (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-guides-streaming-chat-completions&utm_content=sources#requests)
-   [Estándar HTML de WHATWG, server-sent events (consultado el 2026-11-14)](https://html.spec.whatwg.org/multipage/server-sent-events.html)
-   [SDK de OpenAI para Python, docstring de stream\_options include\_usage (consultado el 2026-11-14)](https://github.com/openai/openai-python/blob/main/src/openai/types/chat/chat_completion_stream_options_param.py)
