GPT 5.4 API

Référence API complète pour les modèles LLM GPT 5.4 fournis par OpenAI.

Variantes de modèle

Cette API prend en charge quatre variantes de modèle :

Comparaison rapide

GPT 5.4 Text to Text

Point de terminaison

httpCopier
POST /api/v1/chat/completions

Paramètres de requête

Obligatoire

Prise en charge des messages

Facultatif

Exemple de requête

javascriptCopier
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-5.4-text-to-text',
    messages: [
      {
        role: 'user',
        content: 'Write a short launch announcement for a new AI feature.'
      }
    ],
    stream: true,
    max_tokens: 2048
  })
});

GPT 5.4 Image to Text

Point de terminaison

httpCopier
POST /api/v1/chat/completions

Paramètres de requête

Obligatoire

Prise en charge des messages

Facultatif

Exemple de requête

javascriptCopier
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-5.4-image-to-text',
    messages: [
      {
        role: 'user',
        content: [
          { type: 'text', text: 'Describe the image and extract any visible text.' },
          {
            type: 'image_url',
            image_url: {
              url: 'https://example.com/sample-image.jpg'
            }
          }
        ]
      }
    ],
    stream: true,
    max_tokens: 2048
  })
});

GPT 5.4 Web Search

Point de terminaison

httpCopier
POST /api/v1/chat/completions

Paramètres de requête

Obligatoire

Prise en charge des messages

Facultatif

Exemple de requête

javascriptCopier
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-5.4-web-search',
    messages: [
      {
        role: 'user',
        content: 'Find recent product launch trends in AI developer tools.'
      }
    ],
    stream: true,
    max_tokens: 2048
  })
});

GPT 5.4 Analyse de fichiers

Point de terminaison

httpCopier
POST /api/v1/chat/completions

Paramètres de requête

Obligatoire

Prise en charge des messages

Facultatif

Exemple de requête

javascriptCopier
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-5.4-file-analysis',
    messages: [
      {
        role: 'user',
        content: [
          { type: 'text', text: 'Summarize this document and list the key action items.' },
          {
            type: 'file',
            file: {
              filename: 'demo.pdf',
              file_data: 'https://example.com/demo.pdf'
            }
          }
        ]
      }
    ],
    stream: true,
    max_tokens: 2048
  })
});

Format de réponse

Les modèles LLM GPT 5.4 renvoient des réponses de completion compatibles OpenAI. Avec stream: true, la réponse est Server-Sent Events ; avec stream: false, la réponse est un objet JSON unique.

Réponse réussie

textCopier
data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"gpt-5.4-image-to-text","choices":[{"index":0,"delta":{"role":"assistant"},"finish_reason":null}]}

data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"gpt-5.4-image-to-text","choices":[{"index":0,"delta":{"content":"The image shows"},"finish_reason":null}]}

data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"gpt-5.4-image-to-text","choices":[{"index":0,"delta":{},"finish_reason":"stop"}]}

data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"gpt-5.4-image-to-text","choices":[],"usage":{"prompt_tokens":12,"completion_tokens":8,"total_tokens":20}}

data: [DONE]

Réponse d’erreur

textCopier
event: error
data: {"error":{"message":"API requests too frequent, exceeding rate limit","type":"rate_limit_error","code":"1302","param":null}}

Bonnes pratiques

1. Gardez les messages structurés : utilisez messages[] pour l’historique de conversation au lieu d’aplatir le contexte dans un seul prompt.
2. Joignez les fichiers et images aux messages : placez les parties image_url et file dans le message qui les introduit.
3. Analysez le SSE : consommez choices[0].delta.content pour l’affichage incrémental et data: [DONE] pour le contenu final.
4. Envoyez uniquement les entrées prises en charge : faites correspondre les parties texte, image et fichier à la variante de modèle sélectionnée.
5. Stockez localement l’état de requête : les chunks incluent un id de completion, mais les clients doivent quand même router les chunks via l’état de requête actif.