Claude Code-Guide
Flaq AI Claude-Modelle einrichten und Claude-Code-Skills entdecken
Teste die GPT 5.6 Terra File Analysis API kostenlos für kosteneffiziente Extraktion aus mehreren Dateien, Vergleiche, Zusammenfassungen und stabile professionelle Workflows.
const response = await fetch('https://api.flaq.ai/api/v1/chat/completions', {
method: 'POST',
headers: {
Authorization: 'Bearer YOUR_API_KEY',
Accept: 'text/event-stream',
'Content-Type': 'application/json'
},
body: JSON.stringify({
model: 'gpt-5.6-terra-file-analysis',
messages: [
{
role: 'user',
content: [
{ type: 'text', text: 'Summarize this file and extract the key risks.' },
{
type: 'file',
file: {
filename: 'demo.pdf',
file_data: 'https://example.com/demo.pdf'
}
}
]
}
],
stream: true,
max_tokens: 4096
})
});
const reader = response.body.getReader();
const decoder = new TextDecoder();
let buffer = '';
let assistantText = '';
while (true) {
const { done, value } = await reader.read();
if (done) break;
buffer += decoder.decode(value, { stream: true });
const frames = buffer.split('\n\n');
buffer = frames.pop() || '';
for (const frame of frames) {
const lines = frame.split('\n').filter(Boolean);
let eventName = 'message';
const dataLines = [];
for (const line of lines) {
if (line.startsWith('event:')) {
eventName = line.slice(6).trim();
} else if (line.startsWith('data:')) {
dataLines.push(line.replace(/^data:\s*/, ''));
}
}
const raw = dataLines.join('\n').trim();
if (raw === '[DONE]') {
console.log('\nFinal text:', assistantText);
continue;
}
let payload;
try {
payload = JSON.parse(raw);
} catch {
continue;
}
if (eventName === 'error' || payload.error) {
const msg = payload.error?.message ?? payload.message ?? 'Chat request failed';
throw new Error(msg);
}
const delta = payload.choices?.[0]?.delta;
if (delta?.content) {
assistantText += delta.content;
console.log(assistantText);
}
}
}
import json
import requests
response = requests.post(
'https://api.flaq.ai/api/v1/chat/completions',
headers={
'Authorization': 'Bearer YOUR_API_KEY',
'Accept': 'text/event-stream',
'Content-Type': 'application/json',
},
json={
'model': 'gpt-5.6-terra-file-analysis',
'messages': [
{
'role': 'user',
'content': [
{'type': 'text', 'text': 'Summarize this file and extract the key risks.'},
{
'type': 'file',
'file': {
'filename': 'demo.pdf',
'file_data': 'https://example.com/demo.pdf'
}
},
],
}
],
'stream': True,
'max_tokens': 4096,
},
stream=True,
)
response.raise_for_status()
event_name = 'message'
assistant_text = ''
for raw_line in response.iter_lines(decode_unicode=True):
if not raw_line:
event_name = 'message'
continue
if raw_line.startswith('event:'):
event_name = raw_line.replace('event:', '', 1).strip()
continue
if raw_line.startswith('data:'):
raw_data = raw_line.replace('data:', '', 1).strip()
if raw_data == '[DONE]':
print('\nFinal text:', assistant_text)
continue
payload = json.loads(raw_data)
if event_name == 'error' or payload.get('error'):
error = payload.get('error') or payload
raise RuntimeError(error.get('message', 'Chat request failed'))
choices = payload.get('choices') or []
if choices:
delta = choices[0].get('delta') or {}
content = delta.get('content')
if content:
assistant_text += content
print(content, end='', flush=True)
curl -N -X POST "https://api.flaq.ai/api/v1/chat/completions" \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Accept: text/event-stream" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-5.6-terra-file-analysis",
"messages": [
{
"role": "user",
"content": [
{ "type": "text", "text": "Summarize this file and extract the key risks." },
{
"type": "file",
"file": {
"filename": "demo.pdf",
"file_data": "https://example.com/demo.pdf"
}
}
]
}
],
"stream": true,
"max_tokens": 4096
}'
| Parameter | Preis | Ursprünglicher Preis | Rabatt |
|---|
Die GPT 5.6 Terra Dateianalyse-API auf Flaq AI liefert ausgewogene Dokumentenschlussfolgerung für wiederkehrende professionelle Abläufe. Diese kosteneffiziente OpenAI-API-Integration kombiniert natürlichsprachige Anweisungen mit mehreren unterstützten Dateien und optionalem Bildkontext für Extraktion, Zusammenfassung, Vergleich und Analyse. Mit konversationellen Nachfragen und Streaming-Antworten können Teams Geschäfts-, Technik- und Forschungsdokumente skalierbar verarbeiten, ohne eine separate Dateianalyse-Infrastruktur zu betreiben.
Hinweis Stellen Sie sicher, dass Prompts, hochgeladene Dateien und Anwendungsabläufe den Sicherheits- und Nutzungsrichtlinien von OpenAI entsprechen. Prüfen Sie bei Fehlern die Eingaben auf eingeschränkte oder nicht unterstützte Inhalte, vereinfachen Sie die Anfrage und versuchen Sie es erneut.
GPT 5.6 Terra gegenüber GPT 5.6 Sol
GPT 5.6 Sol zielt auf komplexeste Dateischlussfolgerung der Spitzenklasse. GPT 5.6 Terra bietet ausgewogene Dokumentintelligenz für breite Produktionsnutzung.
GPT 5.6 Terra gegenüber GPT 5.6 Luna
GPT 5.6 Luna betont schnelle und hocheffiziente Dokumentverarbeitung. GPT 5.6 Terra gleicht Durchsatz mit stärkeren alltäglichen Analyseanforderungen aus.
GPT 5.6 Terra gegenüber GPT 5.5 File Analysis
GPT 5.5 unterstützt etablierte Dokumentabläufe mit zuverlässiger Schlussfolgerung. GPT 5.6 Terra eröffnet einen günstigeren Zugang zur neueren GPT-Familie für wiederkehrende Analysen.
GPT 5.6 Terra gegenüber Claude File Analysis
Claude-Modelle bieten starke Dokumentenschlussfolgerung im Anthropic-Ökosystem. GPT 5.6 Terra bietet einen ausgewogenen OpenAI-nativen Weg zur produktiven Dateianalyse.
GPT 5.6 Terra gegenüber Dokumentpipelines mit offenen Modellen
Offene Modelle bieten flexible Bereitstellung, erfordern aber zusätzliche Bereitstellungs- und Verarbeitungsinfrastruktur. GPT 5.6 Terra liefert verwaltete Dokumentanalyse über den API-Ablauf von Flaq AI.
Flaq AI Claude-Modelle einrichten und Claude-Code-Skills entdecken

Flaq AI GPT-Modelle einrichten und Codex-Skills entdecken
Flaq AI LLM-Modelle in Hermes Agent verwenden
Verwenden Sie GLM 5.2, Kimi K3 und DeepSeek v4 in ZCode
DeepSeek Harness mit DeepSeek-Modellen von Flaq AI ausführen
Verbinden Sie KI-Agenten mit den Bild- und Videogenerierungstools von Flaq