OpenAI/gpt-5.6-luna-file-analysis

gpt-5.6-luna-file-analysis

Essayez gratuitement GPT 5.6 Luna pour l’extraction rapide de plusieurs fichiers, les résumés, la comparaison et les workflows documentaires économiques à grand volume.

File Analysis

Modèles Gpt 5.6 Luna associés

gpt-5.6-luna-text-to-texttext-to-text

gpt-5.6-luna-image-to-textimage-to-text

gpt-5.6-luna-file-analysisfile-analysis

gpt-5.6-luna-web-searchweb-search

Documentation

Exemples d'API

JavaScriptPythoncURL

Exemple d'envoi

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-5.6-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
  })
});

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);
    }
  }
}

Exemple d'envoi

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-5.6-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)

Exemple d'envoi

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-5.6-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
  }'

Démarrer un nouveau chat

Envoyez un message pour commencer.

Tarifs de GPT 5.6 Luna File Analysis

Paramètres	Prix	Prix d’origine	Remise

Jeton: input	$1.0000 par 1 M de jetons d’entrée	-	Standard
Jeton: output	$6.0000 par 1 M de jetons de sortie	-	Standard

README

API d’analyse de fichiers GPT 5.6 Luna rapide et abordable (traitement documentaire OpenAI efficace)

L’API d’analyse de fichiers GPT 5.6 Luna sur Flaq AI offre une compréhension documentaire rapide et rentable pour des workflows de production évolutifs. Cette intégration API OpenAI permet d’associer des instructions en langage naturel à plusieurs fichiers pris en charge et à un contexte visuel facultatif pour l’extraction, le résumé, la comparaison et l’analyse courante. Avec le suivi conversationnel et les réponses en streaming, Luna aide les équipes à traiter les charges documentaires récurrentes sans infrastructure d’analyse de fichiers distincte.

Fonctionnalités clés de l’API d’analyse de fichiers GPT 5.6 Luna

Compréhension rapide des documents : Analysez les fichiers pris en charge avec le modèle GPT-5.6 le plus rapide d’OpenAI pour des workflows réactifs.
Analyse de fichiers à grand volume : Prenez en charge les tâches récurrentes d’extraction, résumé, examen et comparaison avec une forte rentabilité.
Contexte multifichier : Reliez les informations entre rapports, dossiers, spécifications et autres documents pris en charge.
Analyse de fichiers avec images : Ajoutez un contexte visuel pris en charge lorsqu’une tâche documentaire contient captures, diagrammes ou preuves visuelles.
Extraction d’informations structurées : Produisez résumés, tableaux, faits et résultats organisés à partir des éléments importés.
Intégration API en streaming : Renvoyez progressivement l’analyse documentaire via un workflow stable de chat completion.

Comment utiliser l’API d’analyse de fichiers GPT 5.6 Luna sur Flaq AI

Entrée : Fichiers pris en charge, contexte visuel facultatif et instructions en langage naturel pour l’extraction, la comparaison ou l’analyse.
Sortie : Résumés de documents, détails extraits, comparaisons, tableaux, explications et résultats structurés.
Workflow de fichiers : Envoyez un ou plusieurs fichiers avec le contenu du message, puis affinez le résultat avec des prompts de suivi.
Configuration : Utilisez les contrôles de contexte et de longueur de sortie pris en charge pour adapter chaque réponse documentaire.
Capacités : Résumé de documents, extraction d’informations, comparaison entre fichiers, examen du contexte visuel et traitement évolutif via l’API OpenAI.

Meilleurs cas d’usage pour intégrer l’API d’analyse de fichiers GPT 5.6 Luna

Résumé massif de documents : Condensez rapports, dossiers et documents d’information récurrents en conclusions utiles.
Extraction automatisée d’informations : Extrayez des faits et champs structurés des fichiers pris en charge pour les workflows ultérieurs.
Classification et routage des documents : Identifiez le contenu et organisez les éléments pour les processus d’examen, de support ou d’exploitation.
Préparation de bases de connaissances : Transformez des collections documentaires en résumés réutilisables et supports de questions-réponses.
Comparaison de versions et propositions : Comparez les versions récurrentes et propositions selon des critères cohérents.

Remarque Veillez à ce que vos prompts, fichiers importés et workflows applicatifs respectent les consignes de sécurité et d’utilisation d’OpenAI. En cas d’erreur, vérifiez que les entrées ne contiennent aucun contenu restreint ou non pris en charge, simplifiez la demande et réessayez.

GPT 5.6 Luna File Analysis face aux concurrents : analyse comparative

GPT 5.6 Luna face à GPT 5.6 Sol
GPT 5.6 Sol cible le raisonnement documentaire le plus complexe au niveau phare. GPT 5.6 Luna privilégie un traitement de fichiers rapide et rentable pour les charges évolutives.
GPT 5.6 Luna face à GPT 5.6 Terra
GPT 5.6 Terra équilibre analyse documentaire professionnelle et coût inférieur. GPT 5.6 Luna privilégie la vitesse et l’efficacité maximales pour les tâches récurrentes sur fichiers.
GPT 5.6 Luna face à GPT 5.5 File Analysis
GPT 5.5 prend en charge des workflows documentaires fiables pour les travaux professionnels complexes. GPT 5.6 Luna offre une option plus rapide et rentable pour les analyses à grand volume.
GPT 5.6 Luna face à Claude File Analysis
Les modèles Claude offrent un solide raisonnement documentaire dans l’écosystème Anthropic. GPT 5.6 Luna propose une voie efficace et native d’OpenAI pour l’analyse évolutive de fichiers.
GPT 5.6 Luna face aux pipelines documentaires à modèles ouverts
Les modèles ouverts offrent le contrôle du déploiement, mais exigent des infrastructures supplémentaires de mise en service et de traitement documentaire. GPT 5.6 Luna fournit une analyse gérée via le workflow API de Flaq AI.