OpenAI/gpt-5.6-terra-file-analysis

gpt-5.6-terra-file-analysis

Essayez gratuitement GPT 5.6 Terra pour l’extraction économique sur plusieurs fichiers, la comparaison, les résumés et les workflows professionnels stables.

File Analysis

Modèles Gpt 5.6 Terra associés

gpt-5.6-terra-text-to-texttext-to-text

gpt-5.6-terra-image-to-textimage-to-text

gpt-5.6-terra-file-analysisfile-analysis

gpt-5.6-terra-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-terra-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-terra-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-terra-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 Terra File Analysis

Paramètres	Prix	Prix d’origine	Remise

Jeton: input	$2.5000 par 1 M de jetons d’entrée	-	Standard
Jeton: output	$15.0000 par 1 M de jetons de sortie	-	Standard

README

API d'analyse de fichiers GPT 5.6 Terra équilibrée et économique (intelligence documentaire OpenAI)

L'API d'analyse de fichiers GPT 5.6 Terra sur Flaq AI fournit un raisonnement documentaire équilibré pour les workflows professionnels récurrents. Cette intégration économique de l'API OpenAI permet de combiner des instructions en langage naturel avec plusieurs fichiers pris en charge et un contexte visuel facultatif pour l'extraction, la synthèse, la comparaison et l'analyse. Grâce au suivi conversationnel et aux réponses en streaming, les équipes peuvent traiter des documents professionnels, techniques et de recherche dans un workflow évolutif sans maintenir une infrastructure d'analyse distincte.

Fonctionnalités principales de l'API d'analyse de fichiers GPT 5.6 Terra

Raisonnement documentaire équilibré : Analysez des sources professionnelles avec une combinaison pratique de capacité, fiabilité et rentabilité.
Compréhension de plusieurs fichiers : Reliez les informations entre rapports, spécifications, dossiers et autres documents pris en charge.
Comparaison entre documents : Comparez les versions, identifiez les différences et organisez les résultats de plusieurs fichiers.
Analyse de fichiers tenant compte des images : Incluez le contexte d'images prises en charge lorsqu'un workflow documentaire contient des captures, schémas ou preuves visuelles.
Extraction structurée d'informations : Produisez des résumés, tableaux, faits et résultats organisés à partir de contenus de fichiers complexes.
Intégration API en streaming : Renvoyez progressivement l'analyse documentaire via un workflow stable de complétion de chat.

Comment utiliser l'API d'analyse de fichiers GPT 5.6 Terra sur Flaq AI

Entrée : Fichiers pris en charge, contexte visuel facultatif et instructions en langage naturel pour l'extraction, la comparaison ou le raisonnement.
Sortie : Résumés de documents, informations extraites, comparaisons, tableaux, explications et analyses structurées.
Workflow de fichiers : Envoyez un ou plusieurs fichiers avec le contenu du message, puis utilisez des prompts de suivi pour affiner le résultat.
Configuration : Utilisez les contrôles de contexte et de longueur de sortie pris en charge pour adapter la réponse à chaque tâche documentaire.
Capacités : Analyse documentaire, comparaison de fichiers, synthèse de rapports, extraction d'informations, raisonnement avec contexte visuel et synthèse des connaissances via l'intégration de l'API OpenAI.

Meilleurs cas d'usage de l'intégration de l'API d'analyse de fichiers GPT 5.6 Terra

Résumés de rapports professionnels : Condensez de longs rapports, propositions et documents d'information en conclusions utiles.
Examen de contrats et politiques : Comparez les clauses, organisez les obligations et résumez les détails importants pour les équipes professionnelles.
Documentation technique : Examinez les spécifications, exigences, manuels et supports d'implémentation pour les workflows d'ingénierie.
Analyse de données et tableaux : Expliquez le contenu structuré et les tendances de fichiers professionnels ou de recherche pris en charge.
Traitement de bases de connaissances : Transformez des collections de documents en résumés, réponses et informations organisées et réutilisables.

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 pas de contenu restreint ou non pris en charge, simplifiez la requête et réessayez.

Analyse de fichiers GPT 5.6 Terra face aux concurrents : analyse comparative

GPT 5.6 Terra face à GPT 5.6 Sol
GPT 5.6 Sol cible le raisonnement sur fichiers le plus complexe au niveau phare. GPT 5.6 Terra fournit une intelligence documentaire équilibrée pour un large usage en production.
GPT 5.6 Terra face à GPT 5.6 Luna
GPT 5.6 Luna met l'accent sur un traitement documentaire rapide et très efficace. GPT 5.6 Terra équilibre le débit et des exigences d'analyse quotidienne plus poussées.
GPT 5.6 Terra face à GPT 5.5 File Analysis
GPT 5.5 prend en charge les workflows documentaires établis avec un raisonnement fiable. GPT 5.6 Terra offre une voie moins coûteuse vers la nouvelle famille GPT pour les analyses récurrentes.
GPT 5.6 Terra face à Claude File Analysis
Les modèles Claude fournissent un raisonnement documentaire solide dans l'écosystème Anthropic. GPT 5.6 Terra offre une voie native OpenAI équilibrée pour l'analyse de fichiers en production.
GPT 5.6 Terra face aux pipelines documentaires de modèles ouverts
Les modèles ouverts offrent une flexibilité de déploiement, mais nécessitent une infrastructure supplémentaire de service et de traitement. GPT 5.6 Terra fournit une analyse documentaire gérée via le workflow d'API de Flaq AI.