OpenAI/gpt-6-luna-file-analysis

gpt-6-luna-file-analysis

Prueba la API de GPT 6 Luna de OpenAI para consultar documentos, resumir archivos y analizar archivos e imágenes con la API estable y asequible de Flaq AI con streaming.

File Analysis

Modelos Gpt 6 Luna relacionados

gpt-6-luna-text-to-texttext-to-text

gpt-6-luna-image-to-textimage-to-text

gpt-6-luna-web-searchweb-search

gpt-6-luna-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-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);
    }
  }
}

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-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)

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-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
  }'

Inicia un nuevo chat

Envía un mensaje para comenzar.

Precios de GPT 6 Luna File Analysis

Parámetros	Precio	Precio original	Descuento

Token: input	$0.1000 por 1 M de tokens de entrada	-	Estándar
Token: output	$0.5000 por 1 M de tokens de salida	-	Estándar

README

API GPT 6 Luna File Analysis de alto rendimiento (procesamiento y extracción rápidos de documentos con OpenAI)

La API GPT 6 Luna File Analysis en Flaq AI ofrece una opción GPT-6 rentable para preguntas sobre documentos, extracción de datos y generación de resúmenes. Esta integración de API de análisis de archivos ayuda a las organizaciones a revisar documentos e imágenes adjuntas compatibles en flujos empresariales recurrentes.

Funciones principales de la API GPT 6 Luna File Analysis

Revisión de documentos a escala: Analiza documentos de texto, formularios, informes e imágenes adjuntas compatibles en tareas de procesamiento recurrentes.
Extracción de archivos con costes controlados: Utiliza GPT 6 Luna para preguntas recurrentes sobre documentos y extracción de campos cuando importe la eficiencia operativa.
Extracción de campos y entidades en grandes volúmenes: Extrae automáticamente nombres, fechas, importes, partidas y campos estructurados de facturas, recibos y formularios estándar.
Resúmenes ejecutivos rápidos: Condensa informes extensos y documentación de varias páginas en puntos concisos y conclusiones prácticas.
Comprensión multimodal de documentos: Analiza tanto archivos de texto digitales como escaneos basados en imágenes dentro de un flujo de conversación unificado.
Entrega en streaming en tiempo real: Transmite los resultados de extracción y los resúmenes progresivamente mediante eventos enviados por el servidor para ofrecer interfaces ágiles.

Cómo usar la API GPT 6 Luna File Analysis para procesar documentos rápidamente en Flaq AI

Entrada: Mensajes de conversación con documentos o imágenes compatibles opcionales e instrucciones de extracción, campos objetivo o resúmenes.
Salida: Extracciones estructuradas de clave-valor, clasificaciones de documentos, resúmenes ejecutivos y respuestas específicas basadas en los archivos proporcionados.
Longitud de salida: Establece opcionalmente un número máximo de tokens de salida para extractos breves o resúmenes detallados. No se especifica un máximo predeterminado para este parámetro; los límites de salida del modelo siguen siendo aplicables.
Streaming: Recibe el análisis de documentos de forma incremental mediante eventos enviados por el servidor para mejorar la capacidad de respuesta de la interfaz.
Capacidades: Análisis rápido de documentos, extracción de campos estructurados, clasificación de documentos y comprensión multimodal de texto e imágenes mediante la integración de la API de Flaq AI.

Mejores casos de uso de la integración de la API GPT 6 Luna File Analysis

Análisis automatizado de facturas y recibos: Extrae información de proveedores, fechas de transacciones, partidas y totales a escala para flujos de contabilidad y ERP.
Revisión de archivos adjuntos a tickets de soporte: Analiza registros enviados por usuarios, capturas de pantalla adjuntas y guías PDF para agilizar la clasificación inicial de problemas.
Revisión de currículos y candidaturas: Extrae cualificaciones, experiencia laboral y datos de contacto de candidatos a partir de lotes de currículos para plataformas de selección de personal.
Procesamiento de formularios estandarizados: Incorpora reclamaciones de seguros, cuestionarios de admisión y solicitudes de préstamos a registros estandarizados de bases de datos.
Clasificación de documentos en grandes volúmenes: Clasifica archivos adjuntos de correos entrantes, contratos escaneados y correspondencia empresarial en carpetas organizativas.

Nota Sube únicamente documentos, imágenes e instrucciones de prompts que cumplan las políticas de seguridad y uso de OpenAI, las condiciones de Flaq AI y las normas de privacidad de datos aplicables en tu organización. Si se produce un error, verifica que los formatos de archivo sean compatibles, elimina el contenido restringido y vuelve a intentarlo.

GPT 6 Luna File Analysis frente a la competencia: análisis comparativo

GPT 6 Luna File Analysis frente a GPT 6 Sol File Analysis
GPT 6 Sol File Analysis está diseñado para contratos jurídicos complicados, especificaciones técnicas complejas y análisis matizados de disputas que abarcan varios documentos. GPT 6 Luna File Analysis se centra en la ingesta rápida, la extracción masiva y el procesamiento rentable de grandes volúmenes de documentos estándar.
GPT 6 Luna File Analysis frente a GPT 5.6 Luna File Analysis
GPT 5.6 Luna File Analysis es una opción anterior para flujos documentales eficientes. GPT 6 Luna File Analysis incorpora la familia GPT-6 más reciente a la revisión de texto e imágenes; evalúa la calidad de extracción con tu propio conjunto de documentos antes de migrar.
GPT 6 Luna File Analysis frente a servicios especializados de OCR de documentos
Las herramientas de OCR especializadas pueden extraer texto y campos de documentos. GPT 6 Luna File Analysis también puede responder preguntas en lenguaje natural sobre el contenido proporcionado y organizar los detalles solicitados en texto.
GPT 6 Luna File Analysis frente a Gemini Flash File Analysis
Gemini Flash es adecuado para flujos de procesamiento de Google Cloud. GPT 6 Luna File Analysis ofrece una solución de extracción documental nativa de OpenAI que se integra sin problemas en las arquitecturas estándar de chat completions en Flaq AI.