Guía de Claude Code
Configura modelos Claude de Flaq AI y explora skills de Claude Code
Prueba la API Claude Sonnet 5.5 de Anthropic para revisar documentos, resumirlos y responder preguntas sobre archivos con la API estable y asequible de Flaq AI con respuestas en streaming para apps.
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: 'claude-sonnet-5.5-file-analysis',
messages: [
{
role: 'user',
content: [
{ type: 'text', text: 'Summarize the key points of this PDF.' },
{
type: 'file',
file: {
filename: 'gptproto.pdf',
file_data: 'https://tos.gptproto.com/resource/gptproto.pdf'
}
}
]
}
],
stream: true,
max_tokens: 1000,
})
});
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': 'claude-sonnet-5.5-file-analysis',
'messages': [
{
'role': 'user',
'content': [
{'type': 'text', 'text': 'Summarize the key points of this PDF.'},
{
'type': 'file',
'file': {
'filename': 'gptproto.pdf',
'file_data': 'https://tos.gptproto.com/resource/gptproto.pdf'
}
},
],
}
],
'stream': True,
'max_tokens': 1000,
},
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": "claude-sonnet-5.5-file-analysis",
"messages": [
{
"role": "user",
"content": [
{ "type": "text", "text": "Summarize the key points of this PDF." },
{
"type": "file",
"file": {
"filename": "gptproto.pdf",
"file_data": "https://tos.gptproto.com/resource/gptproto.pdf"
}
}
]
}
],
"stream": true,
"max_tokens": 1000
}'
| Parámetros | Precio | Precio original | Descuento |
|---|
La API de Claude Sonnet 5.5 File Analysis ayuda a los desarrolladores a convertir material de referencia subido en respuestas escritas útiles en Flaq AI. Combina documentos o imágenes con una pregunta para solicitar resúmenes, explicaciones y comparaciones basados en el contenido proporcionado. La interfaz basada en mensajes, la entrega en streaming y la longitud de salida ajustable facilitan los asistentes documentales y los flujos de investigación que necesitan pasar de archivos de origen a una respuesta legible.
Preguntas centradas en documentos: Haz preguntas concretas sobre los documentos proporcionados en lugar de copiar manualmente cada pasaje relevante en una conversación exclusivamente textual.
Entrada flexible de referencias: Combina archivos compatibles, una imagen e instrucciones de texto para proporcionar el material necesario para una tarea de revisión documental.
Flujos de resumen y extracción: Solicita una visión general, puntos clave o información seleccionada del material proporcionado, especificando el formato de salida en el prompt.
Revisión de varios documentos: Proporciona archivos relacionados y pide al modelo que identifique temas comunes, diferencias o puntos que requieran un examen más detallado.
Seguimiento conversacional: Conserva los mensajes relevantes para perfeccionar un resumen o pedir una explicación de un hallazgo concreto.
Controles de streaming y longitud: Muestra el análisis generado progresivamente y establece un límite de tokens de salida adecuado al nivel de detalle solicitado.
Entrada: Documentos o imágenes adjuntos compatibles, junto con instrucciones de texto opcionales y mensajes relevantes.
Salida: Análisis escritos, resúmenes o respuestas, con opciones de respuesta en streaming o sin streaming.
Controles: Orienta el análisis con una pregunta concreta, un formato solicitado y un límite opcional de tokens de salida.
Capacidades: Respuestas a preguntas sobre documentos, resumen, extracción de información y comparación del material de referencia proporcionado.
Revisión de informes: Pide una visión general concisa de un informe subido y profundiza en las secciones relevantes para tu equipo.
Lectura de investigación: Compara artículos científicos o documentos de referencia proporcionados y organiza sus puntos principales en un documento de trabajo.
Traspasos de proyectos: Convierte las especificaciones y notas adjuntas en un resumen de requisitos y cuestiones pendientes.
Asistentes de conocimiento: Permite que los usuarios consulten archivos de referencia subidos desde una interfaz conversacional.
Preparación editorial: Extrae temas y detalles de apoyo de los documentos de origen antes de redactar un artículo o una presentación.
Nota Usa archivos de origen legibles e identifica la pregunta que quieres responder. Comprueba las citas, las cifras y las conclusiones con el material original antes de basarte en el análisis.
Claude Sonnet 5.5 File Analysis frente a GPT 6.1 Sol File Analysis Ambas rutas de Flaq AI aceptan archivos e imágenes para análisis escritos. Evalúalas con los mismos documentos de origen y preguntas para comparar la pertinencia, la exhaustividad y la interpretación.
Claude Sonnet 5.5 File Analysis frente a Claude Sonnet 5.5 Text-to-Text Text-to-Text trabaja con material de origen proporcionado directamente en los mensajes. File Analysis es la opción con archivos adjuntos para tareas centradas en documentos.
Claude Sonnet 5.5 File Analysis frente a GPT 6.1 Sol Image-to-Text Image-to-Text se centra en preguntas visuales y no permite adjuntar documentos en su configuración de Flaq AI. File Analysis admite flujos de trabajo basados en archivos subidos, además de imágenes.
Claude Sonnet 5.5 File Analysis frente a GPT 6.1 Sol Web Search Web Search se ocupa de la investigación en línea, mientras que esta ruta de Claude revisa el material proporcionado sin búsquedas web. Elige según la procedencia que deban tener las pruebas para fundamentar la respuesta.
Configura modelos Claude de Flaq AI y explora skills de Claude Code

Configura modelos GPT de Flaq AI y explora skills de Codex
Usa modelos LLM de Flaq AI en Hermes Agent
Usa GLM 5.2, Kimi K3 y DeepSeek v4 en ZCode
Ejecuta DeepSeek Harness con modelos DeepSeek de Flaq AI
Conecta agentes de IA con las herramientas de generación de imágenes y vídeos de Flaq
Usa GPT 6 Astra y Claude Fable 5.1 en WorkBuddy