Claude Code-Guide
Flaq AI Claude-Modelle einrichten und Claude-Code-Skills entdecken
Teste die GPT 6.1 Sol API von OpenAI für Bildverständnis, visuelle Fragen und Bildanalysen 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-image-to-text',
messages: [
{
role: 'user',
content: [
{ type: 'text', text: 'Describe the image and extract any visible text.' },
{
type: 'image_url',
image_url: {
url: 'https://example.com/sample-image.jpg'
}
}
]
}
],
stream: true,
max_tokens: 2048
})
});
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-image-to-text',
'messages': [
{
'role': 'user',
'content': [
{'type': 'text', 'text': 'Describe the image and extract any visible text.'},
{
'type': 'image_url',
'image_url': {
'url': 'https://example.com/sample-image.jpg'
}
},
],
}
],
'stream': True,
'max_tokens': 2048,
},
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-image-to-text",
"messages": [
{
"role": "user",
"content": [
{ "type": "text", "text": "Describe the image and extract any visible text." },
{
"type": "image_url",
"image_url": {
"url": "https://example.com/sample-image.jpg"
}
}
]
}
],
"stream": true,
"max_tokens": 2048
}'
| Parameter | Preis | Ursprünglicher Preis | Rabatt |
|---|
Die GPT 6.1 Sol Image-to-Text API verbindet auf Flaq AI visuelle Eingaben mit schriftlichen Antworten. Übermitteln Sie ein Bild und bei Bedarf eine Frage, um eine Beschreibung, eine Erklärung sichtbarer Inhalte oder eine Antwort zu einem bestimmten Detail anzufordern. Entwickler können diese API für visuelles Verständnis in Werkzeugen zur Bildprüfung, Inhaltsworkflows und dialogorientierten Produkten einsetzen, mit Streaming-Ausgabe und einstellbarer Antwortlänge.
Bildbezogene Fragen: Lenken Sie die Aufmerksamkeit mit natürlichsprachlichen Anweisungen auf ein bestimmtes Objekt, eine Beziehung oder einen Bereich eines Bildes.
Beschreibende Textausgabe: Fordern Sie eine schriftliche Beschreibung sichtbarer Inhalte für die Prüfung, Indexierung oder redaktionelle Vorbereitung an.
Optionale Promptvorgaben: Ergänzen Sie eine Frage oder Formatierungsanweisung, um die Antwort auf die Informationen auszurichten, die Ihr Workflow benötigt.
Gezielte visuelle Prüfung: Stellen Sie Fragen zur Komposition, zu sichtbaren Objekten oder lesbaren Bildinhalten, ohne die Anfrage zu einer Bildgenerierungsaufgabe zu machen.
Antworten per Streaming: Zeigen Sie die schriftliche Antwort schrittweise in einer Gesprächs- oder Prüfoberfläche an.
Flexibler Antwortumfang: Legen Sie ein Limit für Ausgabetokens fest und fordern Sie eine kurze Bildunterschrift oder eine ausführlichere Erklärung an.
Eingabe: Ein unterstütztes Bild, optional mit einer Textfrage oder Anweisung.
Ausgabe: Eine Textbeschreibung, Erklärung oder Antwort zu den bereitgestellten visuellen Inhalten.
Steuerung: Schwerpunktsetzung per Prompt, optionales Limit für Ausgabetokens und Antwortausgabe mit oder ohne Streaming.
Funktionen: Beantwortung visueller Fragen, Bildbeschreibungen und schriftliche Prüfung sichtbarer Bildinhalte.
Bildkatalogisierung: Erstellen Sie beschreibende Texte für eine Sammlung von Produkt- oder redaktionellen Bildern, die vor der Veröffentlichung geprüft werden.
Entwürfe für barrierefreie Inhalte: Generieren Sie erste Bildbeschreibungen, die Redakteure prüfen und an die umgebenden Inhalte anpassen können.
Assistenten zur visuellen Prüfung: Ermöglichen Sie Nutzern, Fragen zu einem bereitgestellten Foto oder Screenshot zu stellen.
Kreative Analyse: Fordern Sie Beobachtungen zur Komposition und zu sichtbaren Details als Grundlage für eine Designdiskussion an.
Inhaltsvorbereitung: Wandeln Sie eine visuelle Referenz in einen schriftlichen Ausgangspunkt für eine Bildunterschrift oder ein Briefing um.
Hinweis Verwenden Sie ein klares Bild und eine gezielte Frage. Prüfen Sie die Erkennung kleiner Schrift, feine Details und abgeleitete Beschreibungen anhand des Originalbildes; diese Route liefert Text statt bearbeiteter oder generierter Bilder.
GPT 6.1 Sol Image-to-Text vs. GPT 6.1 Sol Text-to-Text Text-to-Text empfängt schriftliche Nachrichten ohne Bildanhänge. Image-to-Text ist die Route mit visueller Eingabe für Aufgaben, bei denen das Bild selbst benötigt wird.
GPT 6.1 Sol Image-to-Text vs. GPT 6.1 Sol File Analysis File Analysis ermöglicht Dokumentanhänge sowie Bildeingaben. Image-to-Text konzentriert den Workflow auf visuelles Material und akzeptiert in seiner Flaq-AI-Konfiguration keine Dateianhänge.
GPT 6.1 Sol Image-to-Text vs. Claude Sonnet 5.5 File Analysis Die File-Analysis-Route von Claude kann neben Dokumenten auch Bilder empfangen. Vergleichen Sie Antworten auf repräsentative visuelle Inhalte, wenn Sie zwischen bildzentrierten und dokumentorientierten Workflows wählen.
GPT 6.1 Sol Image-to-Text vs. GPT 6.1 Sol Web Search Web Search ist für Onlinerecherche vorgesehen und kann ergänzende Anhänge annehmen. Image-to-Text verarbeitet die bereitgestellten visuellen Inhalte ohne aktivierte Websuche.
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