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 la recherche web, les recherches en ligne et les réponses fondées sur des informations actuelles via l’API stable et abordable de Flaq AI avec 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-web-search',
messages: [
{
role: 'user',
content: 'Find the latest public information about Flaq AI and summarize it for a product brief.'
}
],
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-web-search',
'messages': [
{
'role': 'user',
'content': 'Find the latest public information about Flaq AI and summarize it for a product brief.',
}
],
'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-web-search",
"messages": [
{
"role": "user",
"content": "Find the latest public information about Flaq AI and summarize it for a product brief."
}
],
"stream": true,
"max_tokens": 2048
}'
| Paramètres | Prix | Prix d’origine | Remise |
|---|
GPT 6.1 Sol Web Search API prend en charge les questions avec recherche Web et les processus de recherche sur Flaq AI. Indiquez le sujet, les informations nécessaires et tout contexte pertinent pour demander une réponse écrite avec accès à la recherche Web. Cette route combine une interaction par messages avec des pièces jointes facultatives, des réponses en streaming et une longueur de sortie réglable pour les applications qui doivent exploiter des informations en ligne.
Recherche Web : Utilisez la route avec recherche activée pour les questions qui nécessitent de dépasser le contexte déjà fourni dans la conversation.
Recherche guidée par le prompt : Précisez le sujet, la période et le périmètre souhaité pour centrer la demande sur les informations dont votre application a besoin.
Références complémentaires : Joignez des fichiers pris en charge ou une image à une question textuelle pour donner à la recherche davantage de contexte.
Affinement conversationnel : Posez des questions de suivi pour préciser le sujet ou demander une explication plus claire d'une réponse précédente.
Réponses de recherche en streaming : Renvoyez progressivement le texte généré pour une expérience de recherche interactive.
Longueur de réponse réglable : Fixez une limite de tokens de sortie et indiquez si vous souhaitez un aperçu concis ou une réponse plus développée.
Entrée : Une question de recherche textuelle avec le contexte pertinent de la conversation et, éventuellement, des images ou fichiers pris en charge en pièces jointes.
Sortie : Une réponse écrite produite par la route du modèle avec recherche Web activée.
Réglages : Périmètre de recherche dans le prompt, limite facultative de tokens de sortie et sélection du streaming.
Capacités : Réponses aux questions avec recherche activée, synthèses de recherches en ligne et approfondissement d'un sujet.
Assistants de recherche : Aidez les utilisateurs à étudier un sujet et à préciser les questions qu'ils souhaitent explorer.
Recherche sur les produits : Rassemblez des informations pour une synthèse comparative de produits et vérifiez les sources utilisées avant de prendre une décision.
Synthèses sectorielles : Demandez un aperçu ciblé des évolutions concernant un sujet et une période définis.
Recherche de documentation : Trouvez des informations pertinentes pour une question technique et vérifiez-les dans la documentation d'origine.
Investigation contextuelle : Associez une référence téléversée à une question qui nécessite des informations supplémentaires en ligne.
Remarque Précisez la période pertinente et vérifiez les dates des sources ainsi que les pages d'origine avant de vous appuyer sur une réponse de recherche. L'accès au Web ne garantit pas que toutes les pages pertinentes soient disponibles ni que toutes les affirmations renvoyées soient à jour.
GPT 6.1 Sol Web Search face à GPT 6.1 Sol Text-to-Text Text-to-Text traite les messages fournis sans recherche Web. La route Web Search est configurée pour les questions qui nécessitent des informations en ligne.
GPT 6.1 Sol Web Search face à GPT 6.1 Sol File Analysis File Analysis se concentre sur les contenus téléversés par l'utilisateur. Web Search permet d'effectuer des recherches au-delà de ces pièces jointes tout en conservant des références facultatives en entrée.
GPT 6.1 Sol Web Search face à GPT 6.1 Sol Image-to-Text Image-to-Text se concentre sur la description d'une image fournie ou sur les questions qui s'y rapportent. Web Search traite une question de recherche textuelle et peut utiliser une image comme contexte complémentaire.
GPT 6.1 Sol Web Search face à Claude Sonnet 5.5 File Analysis La configuration File Analysis de Claude accepte les documents et les images sans activer la recherche Web. Cette route GPT offre l'option avec recherche activée lorsque la tâche dépend aussi de contenus en ligne.
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