OpenAI/gpt-6-luna-web-search

gpt-6-luna-web-search

Teste die GPT 6 Luna API von OpenAI für Websuche, Recherche und Antworten auf Basis von Onlinequellen über die stabile, günstige API von Flaq AI mit Streaming-Antworten.

Web Search

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-web-search',
    messages: [
      {
        role: 'user',
        content: 'Find the latest public information about Flaq AI and summarize it for a product brief.'
      }
    ],
    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);
    }
  }
}

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-web-search',
        'messages': [
            {
                'role': 'user',
                'content': 'Find the latest public information about Flaq AI and summarize it for a product brief.',
            }
        ],
        '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)

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-web-search",
    "messages": [
      {
        "role": "user",
        "content": "Find the latest public information about Flaq AI and summarize it for a product brief."
      }
    ],
    "stream": true,
    "max_tokens": 2048
  }'

Neuen Chat starten

Senden Sie eine Nachricht, um zu beginnen.

Preise für GPT 6 Luna Web Search

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

Schnelle und kostengünstige GPT 6 Luna Web Search API (schnelle Webrecherche und Informationsabruf mit OpenAI)

Die GPT 6 Luna Web Search API auf Flaq AI verbindet ein kosteneffizientes GPT-6-Modell mit dem Abruf von Webinhalten für quellenbezogene Antworten und aktuelle Recherchen. Diese Websuch-API-Integration wurde für Kundenanfragen in großen Mengen, Nachrichtenfeeds und Marktbeobachtung entwickelt und hilft Entwicklern, öffentliche Informationen abzurufen, Quellen zu vergleichen und Ergebnisse zur Prüfung zusammenzufassen.

Zentrale Funktionen der GPT 6 Luna Web Search API

Webgestützter Informationsabruf: Aktuelle öffentliche Informationen für kundenorientierte Chat-Anwendungen und Rechercheabläufe abrufen und zusammenführen.
Kostenbewusste Suchabläufe: GPT 6 Luna für gezielte Anfragen in großen Mengen einsetzen, wenn Effizienz im Vordergrund steht.
Prägnante Zusammenfassung von Fakten: Unterschiedliche Suchauszüge und Onlinequellen in klare, sachliche Zusammenfassungen ohne unnötige Ausschmückungen umwandeln.
Unterstützung für multimodalen Kontext: Unterstützte Screenshots oder Referenzdokumente zusammen mit dem Suchprompt anhängen, um den Informationsabruf anhand konkreter visueller oder textlicher Inhalte zu steuern.
Fortlaufende Rückfragen über mehrere Gesprächsrunden: Iterative Fragen stellen und Suchanfragen in aufeinanderfolgenden Nachrichten verfeinern, während der Gesprächskontext erhalten bleibt.
Streaming-Ausgabe mit geringer Latenz: Suchergebnisse und zusammengefasste Antworten schrittweise über Server-Sent Events übertragen, damit sie sofort interaktiv angezeigt werden können.

So nutzen Sie die GPT 6 Luna Web Search API für schnelle Webrecherchen auf Flaq AI

Eingabe: Eine Nutzerfrage oder ein Recherchethema in Gesprächsnachrichten, optional ergänzt durch unterstützte Bilder oder Dokumente.
Ausgabe: Prägnante Antworten und Zusammenfassungen auf Basis abgerufener öffentlicher Informationen; Nutzer sollten wichtige Aussagen anhand der Originalquellen prüfen.
Ausgabelänge: Optional eine maximale Anzahl an Ausgabetokens für kurze Stichpunktzusammenfassungen oder ausführliche Übersichten festlegen. Für diesen Parameter ist kein Standardhöchstwert angegeben; die Ausgabegrenzen des Modells gelten weiterhin.
Streaming: Die Zusammenfassung der Suchergebnisse schrittweise über Server-Sent Events zur sofortigen Anzeige bereitstellen.
Fähigkeiten: Schneller Webabruf, aktuelle Faktenprüfung, Suchverfeinerung über mehrere Gesprächsrunden und Einbindung multimodalen Kontexts über die Flaq AI API-Integration.

Beste Anwendungsfälle für die Integration der GPT 6 Luna Web Search API

Kundensupport in Echtzeit: Kundenservice-Bots befähigen, aktuelle Versandkosten, Öffnungszeiten, neue Richtlinien und öffentliche Servicehinweise nachzuschlagen.
Beobachtung aktueller Nachrichten und Ereignisse: Eilmeldungen, Veranstaltungsupdates und Trendthemen rasch für Medienfeeds und soziale Aggregatoren zusammenfassen.
Prüfung von Produktpreisen und Verfügbarkeit: Öffentliche Händlerwebsites schnell auf Preise, Produktänderungen und Ankündigungen zur Lagerverfügbarkeit prüfen.
Quellenbezogene Antworten auf Sachfragen: Bildungsplattformen und Such-Widgets dabei unterstützen, Fragen anhand abgerufener Quellen zu beantworten, die Leser überprüfen können.
Auswertung von Wettbewerberankündigungen: Öffentliche Produktankündigungen zusammenfassen und Änderungen vergleichen, wenn die Anwendung neue Suchanfragen übermittelt.

Hinweis Stellen Sie sicher, dass Prompts, angehängte Inhalte und Abrufaufgaben den Nutzungsrichtlinien von OpenAI, den Bedingungen von Flaq AI und den geltenden Nutzungsbedingungen der Websites entsprechen. Grenzen Sie bei einem Fehler die Suchanfrage ein, entfernen Sie eingeschränkte Begriffe oder Anhänge und versuchen Sie es erneut.

GPT 6 Luna Web Search im Vergleich zur Konkurrenz: Vergleichsanalyse

GPT 6 Luna Web Search im Vergleich zu GPT 6 Sol Web Search
GPT 6 Sol Web Search eignet sich für Abläufe, die ausführlichere Vergleiche öffentlicher Quellen erfordern. GPT 6 Luna Web Search ist auf gezielte, kostensensible Anfragen in größeren Mengen ausgerichtet.
GPT 6 Luna Web Search im Vergleich zu GPT 5.6 Luna Web Search
GPT 5.6 Luna Web Search ist eine frühere Option für suchgestützte Antworten. GPT 6 Luna Web Search bringt die neuere GPT-6-Familie in gezielte Rechercheanfragen ein; vergleichen Sie vor der Umstellung die Relevanz der Quellen und die Antwortqualität anhand Ihrer eigenen Anfragen.
GPT 6 Luna Web Search im Vergleich zu suchzentrierten Antwortmaschinen
Suchzentrierte Antwortmaschinen liefern häufig starre Textauszüge und zahlreiche Quellenlinks. GPT 6 Luna Web Search liefert eine dialogorientierte, vollständig zusammenhängende Synthese, die direkt auf das Promptformat und die Systemanweisungen des Nutzers abgestimmt ist.
GPT 6 Luna Web Search im Vergleich zu Gemini Grounded Search
Gemini-Modelle für quellenbasierte Suche sind auf das Google-Suchökosystem ausgerichtet. GPT 6 Luna Web Search bietet eine OpenAI-native Suchoption mit nativen Chat-Completions-Konventionen, Nachrichtenverarbeitung über mehrere Gesprächsrunden und wettbewerbsfähigen Preisen auf Flaq AI.