Ejecuta flujos de Flowise con cualquier modelo del catálogo vía un solo Base Path.

Respuesta rápida: credencial, Base Path, id de modelo.

En el lienzo de Flowise, arrastra un nodo ChatOpenAI desde el panel de Chat Models, haz clic en Connect Credential, y crea una nueva credencial de OpenAI con tu clave de APIsRouter. Luego abre Additional Parameters en el nodo y configura Base Path a https://api.apisrouter.com/v1. Cada llamada que haga el nodo va ahora al gateway en lugar de a los hosts de OpenAI. Para el campo de modelo: el nodo ChatOpenAI estándar ofrece un desplegable de nombres de modelo de OpenAI, así que para ids de gateway como claude-sonnet-4-6 o deepseek-v4-flash usa el nodo ChatOpenAI Custom en su lugar, que acepta cualquier id de modelo como texto libre. Este es un patrón documentado de Flowise, descrito en la documentación oficial exactamente para esta clase de endpoint compatible con OpenAI.

Connect Credential:  new OpenAI credential
                     API Key: sk-YOUR-APISROUTER-KEY

Model Name:          claude-sonnet-4-6

Additional Parameters:
  Base Path:         https://api.apisrouter.com/v1

Cómo habla Flowise con el endpoint.

Flowise (FlowiseAI en GitHub, unas 55K estrellas) es el constructor visual para apps LLM: chatflows y flujos de agente ensamblados a partir de nodos en un lienzo, cubriendo modelos de chat, pipelines de RAG sobre almacenes de documentos, agentes que usan herramientas, y endpoints de API que puedes llamar desde tus propios productos. Cada nodo LLM de un flujo emite peticiones estándar de chat-completions, y el Base Path decide dónde aterrizan esas peticiones. Como el gateway sirve a muchos proveedores detrás de una sola URL, una credencial cubre cada modelo del catálogo. Un chatflow de RAG puede correr su síntesis de respuesta en claude-sonnet-4-6 mientras una rama de clasificación en el mismo flujo corre deepseek-v4-flash, cada uno configurado como su propio nodo con su propio id de modelo, ambos facturando a través de la misma clave. La documentación describe el mismo mecanismo de Base Path para otros servicios compatibles con OpenAI, así que este es uso estándar de Flowise en lugar de un workaround. Una advertencia honesta: los embeddings son un tipo de nodo separado. Si tu flujo usa embeddings de OpenAI, configura el nodo OpenAI Embeddings Custom con el mismo patrón de Base Path, y verifica primero el id del modelo de embedding contra el catálogo, ya que las superficies de chat y embedding son distintas.

Flowise autoalojado: notas de redes en Docker.

La mayoría de las instalaciones de Flowise corren en Docker, y el Base Path se resuelve desde dentro del contenedor. Una URL de gateway pública como https://api.apisrouter.com/v1 funciona desde cualquier sitio, así que no aplica ninguna red especial; esta advertencia existe porque gran parte de la documentación de la comunidad se escribió para servidores de inferencia locales, donde importan direcciones host.docker.internal. Contra un gateway alojado puedes ignorar toda esa clase de consejo. La parte que sí importa operativamente: las credenciales en Flowise se almacenan en el servidor y se comparten entre flujos, así que una credencial de APIsRouter creada una vez es reutilizable por cada nodo en cada flujo de la instancia. Para equipos, eso más el uso por clave en la consola del gateway te da una separación limpia: una credencial por entorno o por proyecto, y la consola atribuye tokens y gasto a cada una.

curl -s https://api.apisrouter.com/v1/models \
  -H "Authorization: Bearer $APISROUTER_API_KEY" | head -30

Elegir modelos por nodo.

Los flujos multiplican las llamadas a modelos de maneras que un solo chat nunca hace: un pipeline de RAG con reescritura de consulta, calificación de recuperación y síntesis de respuesta puede tocar el LLM tres o más veces por mensaje de usuario. Poner el modelo insignia solo donde se gana su tarifa, y un nivel de volumen en todo lo demás, es una decisión de desplegable por nodo una vez configurado el Base Path.

• claude-sonnet-4-6 para el nodo conversacional o de agente principal, donde la calidad de la respuesta lleva el peso del flujo.
• claude-haiku-4-5-20251001 para ramas de alto volumen: enrutamiento, etiquetado, resúmenes cortos dentro de flujos más grandes.
• gpt-5.4-mini como la elección de volumen de la familia GPT para flujos construidos alrededor del comportamiento estilo OpenAI.
• gemini-3.5-flash donde una rama ingiere documentos largos o imágenes a una tarifa intermedia.
• deepseek-v4-flash para las llamadas de utilidad de mayor volumen, donde el precio por token es la restricción de diseño.

Pago por uso · por debajo del precio oficial

Selected models are priced below official list prices. Exact input, output, cache, and per-request prices are shown for each model.

Modos de fallo específicos de Flowise.

El orden de depuración en dos comandos aplica aquí como en todas partes: prueba el endpoint con curl primero, listado de modelos y luego una completion con el id exacto, y solo entonces depura dentro de Flowise. Eso separa los problemas de gateway de la configuración del lienzo en menos de un minuto.

• El desplegable de modelos no lista tu id: es lo esperado en el nodo ChatOpenAI estándar. Usa ChatOpenAI Custom, que acepta ids de modelo en texto libre.
• 401 desde el nodo: la credencial tiene la clave equivocada, o al nodo está adjunta una credencial distinta de la que crees. Las credenciales son adjuntos por nodo, así que revisa el nodo, no solo el almacén de credenciales.
• 404 en cada llamada: al Base Path le falta /v1 o tiene un segmento de ruta final que no debería tener. El nodo añade rutas a la base que le das.
• Funciona en un flujo, falla en otro: cada nodo lleva su propia configuración de Base Path bajo Additional Parameters. Copiar un nodo la copia; construir un nodo nuevo no.
• Los nodos de embedding siguen llegando a OpenAI: los nodos de chat y embedding se configuran de forma independiente. Configura el Base Path en el nodo de embeddings también, o espera facturación mixta.

Quién enruta Flowise a través de un gateway.

• Creadores que envían chatbots de clientes y quieren elección de modelo por flujo sin una cuenta de proveedor por cliente.
• Equipos con mucho RAG cuyos pipelines de recuperación multiplican las llamadas LLM por mensaje y necesitan niveles de volumen en los pasos de utilidad.
• Agencias que ejecutan una instancia de Flowise para muchos proyectos, usando una credencial por clave de proyecto para una atribución de uso limpia por cliente.
• Desarrolladores que comparan Claude, GPT y DeepSeek en el mismo flujo, donde cada candidato es una edición del campo de modelo en un nodo duplicado.
• Autoalojadores que quieren que toda la instancia se facture desde un solo saldo prepago en lugar de varias tarjetas de proveedor.

Preguntas frecuentes