OpenAI/gpt-6-astra-file-analysis

gpt-6-astra-file-analysis

Prueba la API de GPT 6 Astra de OpenAI para lógica documental compleja, revisión de evidencias y análisis profesional vía la API estable y asequible de Flaq AI para equipos.

File Analysis

Modelos Gpt 6 Astra relacionados

gpt-6-astra-text-to-texttext-to-text

gpt-6-astra-image-to-textimage-to-text

gpt-6-astra-web-searchweb-search

gpt-6-astra-file-analysisfile-analysis

Documentación

Ejemplos de API

JavaScriptPythoncURL

Ejemplo de envio

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-astra-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
  })
});

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('\n\n');
  buffer = frames.pop() || '';

  for (const frame of frames) {
    const lines = frame.split('\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);
    }
  }
}

Ejemplo de envio

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-astra-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)

Ejemplo de envio

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-astra-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
  }'

Inicia un nuevo chat

Envía un mensaje para comenzar.

Precios de GPT 6 Astra File Analysis

Parámetros	Precio	Precio original	Descuento

Token: input	$10.0000 por 1 M de tokens de entrada	-	Estándar
Token: output	$50.0000 por 1 M de tokens de salida	-	Estándar

README

Razonamiento sobre documentos con GPT 6 Astra File Analysis API (análisis profesional de archivos de OpenAI)

GPT 6 Astra File Analysis API aplica el razonamiento del modelo insignia GPT-6 Astra de OpenAI a documentos complejos, revisión de evidencias y análisis profesional de archivos en Flaq AI. Esta integración de API de análisis de archivos ayuda a desarrolladores y equipos especializados a extraer información, contrastar afirmaciones con los materiales de origen y sintetizar hallazgos a partir de documentos e imágenes compatibles e instrucciones de texto opcionales.

Características principales de GPT 6 Astra File Analysis API

Razonamiento de primer nivel sobre documentos: Lee informes densos, especificaciones y expedientes profesionales con el modelo GPT insignia actual de OpenAI.
Extracción de información: Extrae requisitos, entidades, obligaciones y hallazgos estructurados de archivos compatibles y conviértelos en texto utilizable.
Verificación de evidencias: Compara afirmaciones, versiones y materiales de apoyo para que los revisores vean lo que dicen realmente los documentos.
Contexto mixto de archivos e imágenes: Combina documentos compatibles con una imagen cuando la revisión incluya una captura de pantalla, una figura o una página fotografiada.
Síntesis profesional: Condensa materiales de múltiples fuentes en informes, notas comparativas y resúmenes útiles para tomar decisiones.
Análisis de archivos en streaming: Devuelve los hallazgos de los documentos de forma incremental mediante una API de chat de Flaq AI estable y asequible.

Cómo usar GPT 6 Astra File Analysis API para razonar sobre documentos en Flaq AI

Entrada: Documentos e imágenes compatibles, además de mensajes de conversación opcionales que definan la tarea de extracción, comparación o revisión.
Salida: Resúmenes de texto, detalles extraídos, notas sobre evidencias y análisis estructurado de documentos.
Longitud de salida: Usa los controles de tokens máximos de salida para extracciones breves o revisiones más extensas.
Streaming: Recibe el análisis a medida que se genera.
Capacidades: Razonamiento sobre documentos, extracción de información, verificación de evidencias y síntesis profesional mediante la integración GPT 6 Astra File Analysis API.

Principales casos de uso de la integración GPT 6 Astra File Analysis API

Revisión de contratos y políticas: Organiza cláusulas, obligaciones y excepciones de expedientes jurídicos o de cumplimiento para revisores humanos.
Diligencia sobre múltiples documentos: Compara propuestas, versiones y archivos de apoyo con un conjunto común de preguntas.
Análisis de especificaciones técnicas: Lee manuales, requisitos y descripciones de arquitectura, y genera notas relevantes para la implementación.
Expedientes de evidencias: Comprueba si las afirmaciones de un memorando coinciden con los informes, tablas y contexto visual adjuntos.
Síntesis de expedientes de investigación: Convierte artículos científicos, apéndices y archivos relacionados en un único informe estructurado.

Nota Carga únicamente archivos e instrucciones que cumplan las políticas de uso de OpenAI, los términos de Flaq AI y tus normas de tratamiento de datos. Si se produce un error, comprueba si hay material incompatible o restringido, simplifica la instrucción e inténtalo de nuevo.

GPT 6 Astra File Analysis frente a sus competidores: análisis comparativo

GPT 6 Astra frente a GPT 5.6 Sol File Analysis
GPT 5.6 Sol File Analysis es el anterior modelo insignia de OpenAI para el análisis de documentos en Flaq AI. GPT 6 Astra es el modelo insignia actual cuando el razonamiento sobre archivos, la extracción y la revisión de evidencias requieren la generación GPT más reciente.
GPT 6 Astra frente a Claude Fable 5.1 File Analysis
Claude Fable 5.1 File Analysis destaca especialmente con gráficos, tablas y diagramas integrados en PDF. GPT 6 Astra File Analysis API es la opción insignia de OpenAI para el razonamiento sobre documentos complejos, la extracción y la síntesis entre archivos.
GPT 6 Astra frente a Claude Fable 5 File Analysis
Claude Fable 5 sigue siendo un modelo competente de Anthropic para el análisis de documentos para equipos que ya utilizan esa generación. GPT 6 Astra representa el nivel insignia más reciente de OpenAI para el análisis de archivos en Flaq AI.
GPT 6 Astra frente a Gemini File Understanding
Los flujos de trabajo con archivos de Gemini encajan en entornos multimodales centrados en Google. GPT 6 Astra File Analysis API está destinada a equipos que desean el razonamiento documental de primer nivel de OpenAI mediante una integración de chat gestionada.