Claude Code-Guide
Flaq AI Claude-Modelle einrichten und Claude-Code-Skills entdecken
Teste die GPT 6.1 Sol API von OpenAI für Dateianalysen, Dokumentenzusammenfassungen und Fragen zu Dateien über die stabile, preiswerte API von Flaq AI mit Streaming-Antworten.
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-6.1-sol-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
})
});
if (!response.ok) {
const errorBody = await response.json().catch(() => null);
throw new Error(errorBody?.error?.message ?? errorBody?.message ?? `HTTP ${response.status}`);
}
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(/\r?\n\r?\n/);
buffer = frames.pop() || '';
for (const frame of frames) {
const lines = frame.split(/\r?\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-6.1-sol-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-6.1-sol-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 |
|---|
Mit der GPT 6.1 Sol File Analysis API können Entwickler Abläufe für Dokumentenfragen und -prüfungen auf Flaq AI erstellen. Stellen Sie unterstützte Dateien, Bilder und optionale Anweisungen bereit, um eine schriftliche Analyse des Materials anzufordern. Ob die Aufgabe eine Berichtszusammenfassung, ein Vergleich von Referenzdokumenten oder die Erklärung einer bestimmten Textstelle ist, die API bietet Gesprächsinteraktion, Streaming-Ausgabe und Steuerungsmöglichkeiten für die Ausgabelänge.
Analyse anhand von Anhängen: Arbeiten Sie direkt mit unterstützten Dateien, damit die Frage zusammen mit ihrem Quellenmaterial betrachtet werden kann.
Dokumentenzusammenfassungen: Fordern Sie einen Berichtsüberblick, eine Zusammenfassung nach Abschnitten oder eine auf eine bestimmte Zielgruppe zugeschnittene Zusammenfassung an.
Gezielte Informationsanfragen: Fragen Sie nach relevanten Details oder Erklärungen und geben Sie an, wie die Antwort aufgebaut sein soll.
Vergleich zusammengehöriger Dateien: Stellen Sie Dokumente gemeinsam bereit, um Unterschiede, gemeinsame Themen oder Fragen zu untersuchen, die eine eingehendere Prüfung verdienen.
Bild- und Textkontext: Ergänzen Sie unterstützte visuelle Referenzen und Textanweisungen, wenn diese verdeutlichen, wonach in den Dateien gesucht werden soll.
Streaming mit Ausgabesteuerung: Zeigen Sie die schriftliche Analyse schrittweise an und verwenden Sie ein Limit für Ausgabetokens, um den Umfang der Antwort zu steuern.
Eingabe: Unterstützte Datei- oder Bildanhänge, optionale Textanweisungen und relevante Gesprächsnachrichten.
Ausgabe: Schriftliche Zusammenfassungen, Erklärungen, Vergleiche oder Antworten zu den bereitgestellten Inhalten.
Steuerung: Schwerpunkt der Frage, gewünschte Antwortstruktur, optionales Limit für Ausgabetokens und Auswahl des Streamings.
Fähigkeiten: Dokumentenprüfung, dateibasierte Fragenbeantwortung, Zusammenfassung und Analyse über die bereitgestellten Referenzen hinweg.
Zusammenfassungen von Geschäftsberichten: Wandeln Sie hochgeladene Berichte in Arbeitsübersichten um, die für ein Team relevante Abschnitte hervorheben.
Prüfung von Spezifikationen: Stellen Sie Fragen zu Projektdokumenten und sammeln Sie klärungsbedürftige Punkte.
Organisation von Recherchen: Ordnen Sie Erkenntnisse aus bereitgestelltem Lesematerial in einer strukturierten Übersicht.
Dokumentenassistenten: Ermöglichen Sie Nutzern, Folgefragen zu den an ein Gespräch angehängten Dateien zu stellen.
Prüfung redaktioneller Quellen: Extrahieren Sie Themen und Belegmaterial für einen Entwurf, während die Originaldokumente zur Überprüfung verfügbar bleiben.
Hinweis Stellen Sie lesbare Dateien bereit und formulieren Sie die beabsichtigte Frage ausdrücklich. Überprüfen Sie Zitate, extrahierte Werte und Schlussfolgerungen anhand der Quelldokumente, bevor Sie die Ausgabe verwenden.
GPT 6.1 Sol File Analysis im Vergleich zu Claude Sonnet 5.5 File Analysis Beide Routen unterstützen Dokumente und Bilder als Eingabe auf Flaq AI. Vergleichen Sie ihre Interpretationen derselben Dateien, um die passende Option für Ihren Prüfablauf zu wählen.
GPT 6.1 Sol File Analysis im Vergleich zu GPT 6.1 Sol Text-to-Text Text-to-Text empfängt schriftliche Nachrichten ohne Dateianhänge. File Analysis eignet sich für Aufgaben, deren Referenzmaterial als hochgeladene Dokumente vorliegt.
GPT 6.1 Sol File Analysis im Vergleich zu GPT 6.1 Sol Image-to-Text Image-to-Text verarbeitet visuelle Fragen in seiner aktuellen Konfiguration ohne Dokumentenanhänge. File Analysis unterstützt Dokumente zusammen mit visuellem Kontext.
GPT 6.1 Sol File Analysis im Vergleich zu GPT 6.1 Sol Web Search Web Search ermöglicht Onlinerecherchen. File Analysis richtet den Ablauf auf die bereitgestellten Anhänge aus, ohne die Websuche zu aktivieren.
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
GPT 6 Astra und Claude Fable 5.1 in WorkBuddy nutzen