Skip to main content
La API REST de Pioneer te permite ejecutar inferencia, gestionar datasets, iniciar trabajos de entrenamiento y evaluar modelos de forma programática. Todos los recursos residen bajo una única URL base, y cada solicitud se autentica con tu clave de API. Pioneer también expone endpoints compatibles con OpenAI y Anthropic, por lo que puedes integrarlo con cualquier herramienta que ya admita esos formatos. URL base: https://api.pioneer.ai

​
Autenticación

Cada solicitud requiere un encabezado X-API-Key. Crea tu clave en el panel de Pioneer en agent.pioneer.ai/api-keys, o abre Settings -> API Keys después de iniciar sesión. Consulta la página de Autenticación para más detalles, incluyendo los endpoints de gestión de claves.

​
Flujo de trabajo recomendado

Sigue esta secuencia cuando estés construyendo un modelo ajustado de principio a fin:
1

Crear o subir un dataset

Usa POST /generate para generar datos etiquetados sintéticos. La respuesta incluye un job_id; consulta GET /generate/jobs/{job_id} hasta que el estado devuelva ready.Para subir tus propios datos etiquetados, utiliza el flujo de subida en tres pasos:
  1. Llama a POST /felix/datasets/upload/url para obtener una URL prefirmada de S3,
  2. Envía tu archivo con PUT directamente a S3
  3. Llama a POST /felix/datasets/upload/process para iniciar el procesamiento.
Consulta GET /felix/datasets/{name}/{version} hasta que el estado sea ready.
Consulta la página de Datasets para más detalles.
2

Iniciar un trabajo de entrenamiento

Llama a POST /felix/training-jobs con tu model_name, datasets y base_model. La respuesta incluye un job_id. Guárdalo para los siguientes pasos.
3

Consultar el estado del entrenamiento

Llama a GET /felix/training-jobs/:id repetidamente hasta que el campo de estado sea complete. Los trabajos completados incluyen métricas de F1, precisión y recall.
4

Ejecutar una evaluación

Llama a POST /felix/evaluations con el ID de tu trabajo de entrenamiento y el nombre de un dataset reservado para validar el rendimiento antes de servir tráfico.
5

Ejecutar inferencia

Llama a POST /inference con base_model configurado como el ID de tu trabajo de entrenamiento y dataset_name configurado como tu dataset reservado. También puedes usar cualquier ID de modelo base (por ejemplo fastino/gliner2-base-v1) sin ajuste fino.
Reemplaza los valores de marcador como YOUR_DATASET_NAME y YOUR_TRAINING_JOB_ID con valores reales antes de ejecutar cualquier comando de ejemplo.

​
Grupos de endpoints

Inferencia

Ejecuta predicciones contra modelos ajustados o modelos base usando el formato de Pioneer, o mediante endpoints compatibles con OpenAI y Anthropic listos para usar.

Entrenamiento y datos

Gestiona datasets, genera datos de entrenamiento sintéticos, inicia y monitorea trabajos de entrenamiento y ejecuta evaluaciones.

Proyectos

Organiza los recursos en proyectos, despliega modelos entrenados y ejecuta inferencia contra un endpoint del proyecto.

Claves de API

Crea claves en el panel, y luego lista y revoca claves existentes de forma programática.

​
Compatibilidad con OpenAI y Anthropic

Pioneer ofrece reemplazos directos para los SDK de OpenAI y Anthropic. Apunta tu cliente existente a https://api.pioneer.ai/v1 y utiliza tu clave de API de Pioneer. No se requieren otros cambios. Pasa los campos específicos de Pioneer como schema usando extra_body (SDK de OpenAI) o el mecanismo equivalente de parámetros adicionales para tu biblioteca cliente.