Streaming

Con "stream": true la respuesta llega por partes (Server-Sent Events), en vez de esperar a que termine entera. Es lo que hace que un chat se sienta rápido.

Python

stream = client.chat.completions.create(
    model="colibri",
    messages=[{"role": "user", "content": "Cuéntame la historia del cajón peruano"}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

JavaScript

const stream = await client.chat.completions.create({
  model: "colibri",
  messages: [{ role: "user", content: "Cuéntame la historia del cajón peruano" }],
  stream: true,
});
for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
}

curl

curl -N https://api.jeimy.ai/v1/chat/completions \
  -H "Authorization: Bearer $JEIMY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "colibri", "stream": true,
       "messages": [{"role": "user", "content": "Hola"}]}'

Qué llega

Cada evento es una línea data: con un trozo en JSON, y el último es data: [DONE]:

data: {"choices":[{"index":0,"delta":{"content":"¡Ho"}}], ...}

data: {"choices":[{"index":0,"delta":{"content":"la!"}}], ...}

data: {"choices":[{"index":0,"delta":{},"finish_reason":"stop"}], ...}

data: {"choices":[],"usage":{"prompt_tokens":8,"completion_tokens":3,"total_tokens":11}}

data: [DONE]

Mientras el modelo piensa pueden llegar líneas de comentario : procesando, que mantienen viva la conexión. Los SDK las ignoran solas; si lees el stream a mano, sáltate toda línea que empiece por :.

Nota

El uso llega en el penúltimo evento, con choices vacío. Si tu código lee choices[0] sin comprobar, en ese evento falla: comprueba siempre que haya al menos uno.

En el formato Anthropic (/v1/messages) el streaming sigue la secuencia de eventos de esa API: message_start, content_block_start, content_block_delta, content_block_stop, message_delta y message_stop.