Guide Claude Code
Configurer les modèles Claude de Flaq AI et découvrir les skills Claude Code
Essayez l’API GPT 6.1 Sol d’OpenAI pour comprendre les images, répondre aux questions visuelles et analyser les images via l’API stable et abordable de Flaq AI avec réponses en streaming.
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-6.1-sol-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
})
});
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);
}
}
}
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-6.1-sol-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,
},
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)
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-6.1-sol-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
}'
| Paramètres | Prix | Prix d’origine | Remise |
|---|
L’API GPT 6.1 Sol Image-to-Text relie les entrées visuelles aux réponses écrites sur Flaq AI. Fournissez une image et, si nécessaire, une question pour demander une description, une explication du contenu visible ou une réponse centrée sur un détail particulier. Les développeurs peuvent utiliser cette API de compréhension visuelle dans des outils d’examen d’images, des processus de contenu et des produits conversationnels, avec une sortie en continu et une longueur de réponse réglable.
Questions sur les images : Orientez l’attention vers un objet, une relation ou une zone précise d’une image à l’aide d’instructions en langage naturel.
Descriptions textuelles : Demandez une description écrite du contenu visible pour l’examen, l’indexation ou la préparation éditoriale.
Instructions facultatives : Ajoutez une question ou une consigne de mise en forme pour axer la réponse sur les informations nécessaires à votre processus.
Examen visuel ciblé : Posez des questions sur la composition, les objets visibles ou le contenu lisible de l’image sans transformer la demande en tâche de génération d’images.
Réponses en continu : Affichez progressivement la réponse écrite dans une interface de conversation ou d’examen.
Étendue de réponse flexible : Fixez une limite de tokens de sortie et demandez une courte légende ou une explication plus détaillée.
Entrée : Une image prise en charge, éventuellement accompagnée d’une question ou d’une instruction textuelle.
Sortie : Une description, une explication ou une réponse textuelle concernant le contenu visuel fourni.
Réglages : Ciblage par instructions, limite facultative de tokens de sortie et réponse diffusée en continu ou non.
Capacités : Réponses aux questions visuelles, descriptions d’images et examen écrit du contenu visible des images.
Catalogage d’images : Préparez des textes descriptifs pour une collection d’images produit ou éditoriales, avec relecture avant publication.
Brouillons pour l’accessibilité : Générez de premières descriptions d’images que les éditeurs peuvent vérifier et adapter au contenu environnant.
Assistants d’examen visuel : Permettez aux utilisateurs de poser des questions sur une photographie ou une capture d’écran fournie.
Analyse créative : Demandez des observations sur la composition et les détails visibles pour alimenter une discussion de conception.
Préparation de contenu : Transformez une référence visuelle en point de départ écrit pour une légende ou un brief.
Remarque Utilisez une image nette et une question ciblée. Vérifiez la lecture des petits caractères, les détails fins et les descriptions déduites à partir de l’image originale ; cette route renvoie du texte plutôt que des images modifiées ou générées.
GPT 6.1 Sol Image-to-Text vs. GPT 6.1 Sol Text-to-Text Text-to-Text reçoit des messages écrits sans images jointes. Image-to-Text est la route à entrée visuelle pour les tâches nécessitant l’image elle-même.
GPT 6.1 Sol Image-to-Text vs. GPT 6.1 Sol File Analysis File Analysis permet de joindre des documents ainsi que des images. Image-to-Text maintient le processus centré sur les éléments visuels et n’accepte pas de fichiers joints dans sa configuration Flaq AI.
GPT 6.1 Sol Image-to-Text vs. Claude Sonnet 5.5 File Analysis La route File Analysis de Claude peut également recevoir des images, en plus des documents. Comparez les réponses à des visuels représentatifs pour choisir entre des processus centrés sur les images et des processus orientés documents.
GPT 6.1 Sol Image-to-Text vs. GPT 6.1 Sol Web Search Web Search est destiné à la recherche en ligne et peut accepter des pièces jointes complémentaires. Image-to-Text traite le visuel fourni sans activer la recherche web.
Configurer les modèles Claude de Flaq AI et découvrir les skills Claude Code

Configurer les modèles GPT de Flaq AI et découvrir les skills Codex
Utiliser les modèles LLM de Flaq AI dans Hermes Agent
Utilisez GLM 5.2, Kimi K3 et DeepSeek v4 dans ZCode
Exécutez DeepSeek Harness avec les modèles DeepSeek de Flaq AI
Connectez les agents d'IA aux outils de génération d'images et de vidéos de Flaq
Utilisez GPT 6 Astra et Claude Fable 5.1 dans WorkBuddy