OpenAI/gpt-6-luna-file-analysis

gpt-6-luna-file-analysis

Teste die GPT 6 Luna API von OpenAI für Fragen zu Dokumenten, Dateizusammenfassungen sowie Datei- und Bildanalyse über die stabile, günstige API von Flaq AI mit Streaming.

File Analysis

API-Beispiele

JavaScriptPythoncURL

Anfragebeispiel

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-luna-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);
    }
  }
}

Anfragebeispiel

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-luna-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)

Anfragebeispiel

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-luna-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
  }'

Neuen Chat starten

Senden Sie eine Nachricht, um zu beginnen.

Preise für GPT 6 Luna File Analysis

Parameter	Preis	Ursprünglicher Preis	Rabatt

Token: input	$0.1000 pro 1 Mio. Eingabe-Token	-	Standard
Token: output	$0.5000 pro 1 Mio. Ausgabe-Token	-	Standard

README

GPT 6 Luna File Analysis API mit hohem Durchsatz (schnelle Dokumentverarbeitung und Extraktion mit OpenAI)

Die GPT 6 Luna File Analysis API auf Flaq AI bietet eine kosteneffiziente GPT-6-Option für Fragen zu Dokumenten, Datenextraktion und die Erstellung von Zusammenfassungen. Diese Dateianalyse-API-Integration hilft Unternehmen, unterstützte Dokumente und Bildanhänge in wiederkehrenden Geschäftsabläufen zu prüfen.

Zentrale Funktionen der GPT 6 Luna File Analysis API

Dokumentprüfung in großem Umfang: Unterstützte Textdokumente, Formulare, Berichte und Bildanhänge in wiederkehrenden Verarbeitungsaufgaben analysieren.
Kostenbewusste Dateiextraktion: GPT 6 Luna für wiederkehrende Dokumentfragen und die Extraktion von Feldern einsetzen, wenn betriebliche Effizienz wichtig ist.
Extraktion von Feldern und Entitäten in großen Mengen: Namen, Daten, Beträge, Einzelpositionen und strukturierte Felder automatisch aus Rechnungen, Belegen und Standardformularen extrahieren.
Schnelle Zusammenfassungen für Führungskräfte: Lange Berichte und mehrseitige Dokumentationen zu prägnanten Stichpunkten und umsetzbaren Erkenntnissen verdichten.
Multimodales Dokumentverständnis: Digitale Textdateien und bildbasierte Scans innerhalb eines einheitlichen Gesprächsablaufs analysieren.
Streaming-Bereitstellung in Echtzeit: Extraktionsergebnisse und Zusammenfassungen schrittweise über Server-Sent Events für reaktionsschnelle Benutzeroberflächen übertragen.

So nutzen Sie die GPT 6 Luna File Analysis API für schnelle Dokumentverarbeitung auf Flaq AI

Eingabe: Gesprächsnachrichten mit optionalen unterstützten Dokumenten oder Bildern sowie Anweisungen zur Extraktion, zu Zielfeldern oder zu Zusammenfassungen.
Ausgabe: Strukturierte Schlüssel-Wert-Extraktionen, Dokumentklassifizierungen, Zusammenfassungen für Führungskräfte und gezielte Antworten auf Grundlage der bereitgestellten Dateien.
Ausgabelänge: Optional eine maximale Anzahl an Ausgabetokens für kurze Auszüge oder ausführliche Zusammenfassungen festlegen. Für diesen Parameter ist kein Standardhöchstwert angegeben; die Ausgabegrenzen des Modells gelten weiterhin.
Streaming: Dokumentanalysen schrittweise über Server-Sent Events empfangen, damit die Oberfläche schneller reagiert.
Fähigkeiten: Schnelle Dokumentauswertung, Extraktion strukturierter Felder, Dokumentklassifizierung und multimodales Text- und Bildverständnis über die Flaq AI API-Integration.

Beste Anwendungsfälle für die Integration der GPT 6 Luna File Analysis API

Automatisierte Rechnungs- und Belegauswertung: Lieferanteninformationen, Transaktionsdaten, Einzelpositionen und Gesamtbeträge in großem Umfang für Buchhaltungs- und ERP-Abläufe extrahieren.
Sichtung von Anhängen an Supporttickets: Von Nutzern eingereichte Protokolle, Screenshot-Anhänge und PDF-Anleitungen auswerten, um die Ersteinschätzung von Problemen zu beschleunigen.
Sichtung von Lebensläufen und Bewerbungen: Qualifikationen, Berufserfahrung und Kontaktdaten von Bewerbern aus großen Mengen von Lebensläufen für Recruiting-Plattformen extrahieren.
Verarbeitung standardisierter Formulare: Versicherungsansprüche, Aufnahmefragebögen und Kreditanträge in standardisierte Datenbankeinträge überführen.
Dokumentklassifizierung in großen Mengen: Eingehende E-Mail-Anhänge, gescannte Verträge und Geschäftspost in organisatorische Ordner einsortieren.

Hinweis Laden Sie bitte nur Dokumente, Bilder und Promptanweisungen hoch, die den Sicherheits- und Nutzungsrichtlinien von OpenAI, den Bedingungen von Flaq AI und den geltenden Datenschutzstandards Ihrer Organisation entsprechen. Prüfen Sie bei einem Fehler, ob die Dateiformate unterstützt werden, entfernen Sie eingeschränkte Inhalte und versuchen Sie es erneut.

GPT 6 Luna File Analysis im Vergleich zur Konkurrenz: Vergleichsanalyse

GPT 6 Luna File Analysis im Vergleich zu GPT 6 Sol File Analysis
GPT 6 Sol File Analysis ist für anspruchsvolle Rechtsverträge, komplexe technische Spezifikationen und differenzierte Streitfallanalysen über mehrere Dokumente hinweg konzipiert. GPT 6 Luna File Analysis konzentriert sich auf schnelle Erfassung, Massenextraktion und kosteneffizienten Durchsatz für Standarddokumente.
GPT 6 Luna File Analysis im Vergleich zu GPT 5.6 Luna File Analysis
GPT 5.6 Luna File Analysis ist eine frühere Option für effiziente Dokumentabläufe. GPT 6 Luna File Analysis bringt die neuere GPT-6-Familie in die Text- und Bildprüfung ein; bewerten Sie vor der Umstellung die Extraktionsqualität anhand Ihrer eigenen Dokumente.
GPT 6 Luna File Analysis im Vergleich zu spezialisierten Dokument-OCR-Diensten
Spezialisierte OCR-Werkzeuge können Text und Felder aus Dokumenten extrahieren. GPT 6 Luna File Analysis kann zusätzlich natürlichsprachliche Fragen zu den bereitgestellten Inhalten beantworten und angeforderte Details in Textform ordnen.
GPT 6 Luna File Analysis im Vergleich zu Gemini Flash File Analysis
Gemini Flash eignet sich für Google-Cloud-Pipelines. GPT 6 Luna File Analysis bietet eine OpenAI-native Lösung zur Dokumentextraktion, die sich nahtlos in standardmäßige Chat-Completions-Architekturen auf Flaq AI integrieren lässt.