.py · text/x-python
Pydantic v2: Modelo BaseModel Python Pydantic v2
Los modelos Pydantic v2 usan type hints Python y clases BaseModel (con alias Field para claves camelCase) respaldados por núcleo Rust.
Respuesta rápida: Los modelos Pydantic v2 usan type hints Python y clases BaseModel (con alias Field para claves camelCase) respaldados por núcleo Rust. Endpoints FastAPI, salidas estructuradas de LLM en Python y validación estricta en Python 3.10+.
| Tipo de estructura | Código tipado |
|---|---|
| Legibilidad humana | Alta |
| Soporte de anidación | Sí |
| Eficiencia de tokens LLM | Media |
| Extensión de archivo | .py |
| Tipo MIME | text/x-python |
| Ideal para | Endpoints FastAPI, salidas estructuradas de LLM en Python y validación estricta en Python 3.10+. |
Ventajas
- Estándar nativo de esquemas estructurados en FastAPI, OpenAI y LangGraph
- Conserva nombres snake_case idiomáticos mapeados con Field(alias=...)
- Su motor en Rust valida cargas JSON mucho más rápido que Pydantic v1
Compromisos
- Las APIs de Pydantic v1 y v2 difieren (model_validate vs. parse_obj)
- Claves JSON en camelCase o reservadas requieren Field(alias=...)
- Las referencias circulares exigen from __future__ import annotations
Referencias
Convierte y limpia Pydantic v2 localmente
Guías técnicas relacionadas
- Generar esquemas TypeScript, Zod y Pydantic v2 desde JSONTransforma muestras JSON de APIs en interfaces TypeScript estrictas, validadores Zod en ejecución y clases Pydantic v2 con alias e inferencia opcional.
- TOON frente a JSON: Reduce un 30–60% los tokens en prompts LLMDescubre cómo Token-Oriented Object Notation (TOON) elimina claves JSON repetidas para ahorrar costos de tokens en GPT-5, Claude 4 y Gemini 2.5.
- Crear datasets JSONL válidos para fine-tuning desde CSV y JSONGenera archivos .jsonl válidos para fine-tuning de OpenAI chat, Alpaca y Gemini desde hojas de cálculo y arreglos JSON en local con validación por línea.
- Por qué los conversores en servidor filtran secretos — Arquitectura cero subidasDescubre por qué pegar .env, JWTs, CSVs de clientes o contratos en conversores web filtra datos y cómo comprobar 0 bytes subidos localmente.
Formatos relacionados
Los 24 formatosPreguntas frecuentes sobre Pydantic v2
¿Cómo trata JSON a Pydantic claves camelCase como userId?
TxtTo pasa las claves a snake_case idiomático (user_id) añadiendo Field(alias="userId") para validar el JSON entrante sin fricción.
¿Los objetos anidados se elevan a clases Python de nivel superior?
Sí. Cada objeto JSON anidado se eleva a su propia clase BaseModel ordenada encima de la clase raíz.
¿Por qué incluir from __future__ import annotations en Pydantic v2?
Permite usar la sintaxis moderna PEP 604 (str | None) y referencias adelantadas de forma limpia desde Python 3.9+.