OpenAI/gpt-6-luna-file-analysis

gpt-6-luna-file-analysis

Essayez l’API GPT 6 Luna d’OpenAI pour interroger les documents, résumer les fichiers et analyser fichiers et images via l’API stable et abordable de Flaq AI avec streaming.

File Analysis

Modèles Gpt 6 Luna associés

gpt-6-luna-text-to-texttext-to-text

gpt-6-luna-image-to-textimage-to-text

gpt-6-luna-web-searchweb-search

gpt-6-luna-file-analysisfile-analysis

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-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
  })
});

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);
    }
  }
}

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-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-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 6 Luna File Analysis

Paramètres	Prix	Prix d’origine	Remise

Jeton: input	$0.1000 par 1 M de jetons d’entrée	-	Standard
Jeton: output	$0.5000 par 1 M de jetons de sortie	-	Standard

README

API GPT 6 Luna File Analysis à haut débit (traitement et extraction rapides de documents avec OpenAI)

L’API GPT 6 Luna File Analysis sur Flaq AI offre une option GPT-6 économique pour les questions sur les documents, l’extraction de données et la génération de résumés. Cette intégration d’API d’analyse de fichiers aide les organisations à examiner les documents et les images jointes pris en charge dans leurs processus métier récurrents.

Principales fonctionnalités de l’API GPT 6 Luna File Analysis

Examen de documents à grande échelle : Analysez les documents texte, formulaires, rapports et images jointes pris en charge dans des tâches de traitement récurrentes.
Extraction de fichiers à coût maîtrisé : Utilisez GPT 6 Luna pour les questions récurrentes sur les documents et l’extraction de champs lorsque l’efficacité opérationnelle compte.
Extraction de champs et d’entités en grand volume : Extrayez automatiquement les noms, dates, montants, lignes de détail et champs structurés des factures, reçus et formulaires standard.
Synthèses rapides pour les décideurs : Condensez les longs rapports et la documentation de plusieurs pages en points concis et en conclusions exploitables.
Compréhension multimodale des documents : Analysez à la fois les fichiers texte numériques et les numérisations sous forme d’images dans un processus conversationnel unifié.
Diffusion en streaming en temps réel : Diffusez progressivement les résultats d’extraction et les résumés via des événements envoyés par le serveur pour des interfaces réactives.

Comment utiliser l’API GPT 6 Luna File Analysis pour un traitement rapide des documents sur Flaq AI

Entrée : Des messages de conversation accompagnés, si nécessaire, de documents ou d’images pris en charge et d’instructions d’extraction, de champs cibles ou de résumé.
Sortie : Des extractions structurées clé-valeur, des classifications de documents, des synthèses pour les décideurs et des réponses ciblées fondées sur les fichiers fournis.
Longueur de sortie : Définissez éventuellement un nombre maximal de tokens de sortie pour de brefs extraits ou des résumés détaillés. Aucun maximum par défaut n’est précisé pour ce paramètre ; les limites de sortie du modèle restent applicables.
Streaming : Recevez progressivement l’analyse des documents via des événements envoyés par le serveur pour améliorer la réactivité de l’interface.
Capacités : Analyse rapide de documents, extraction de champs structurés, classification de documents et compréhension multimodale du texte et des images via l’intégration de l’API Flaq AI.

Meilleurs cas d’utilisation de l’intégration de l’API GPT 6 Luna File Analysis

Analyse automatisée des factures et reçus : Extrayez à grande échelle les informations fournisseurs, les dates de transaction, les lignes de détail et les totaux pour les processus comptables et ERP.
Examen des pièces jointes aux tickets d’assistance : Analysez les journaux transmis par les utilisateurs, les captures d’écran jointes et les guides PDF pour accélérer le tri des problèmes.
Examen des CV et candidatures : Extrayez les qualifications, les expériences professionnelles et les coordonnées des candidats à partir de lots de CV pour les plateformes de recrutement.
Traitement de formulaires standardisés : Intégrez les déclarations de sinistre, les questionnaires d’admission et les demandes de prêt dans des enregistrements de base de données standardisés.
Classification de documents en grand volume : Classez les pièces jointes aux e-mails entrants, les contrats numérisés et le courrier professionnel dans des dossiers organisationnels.

Remarque Veuillez ne téléverser que des documents, images et instructions de prompt conformes aux politiques de sécurité et d’utilisation d’OpenAI, aux conditions de Flaq AI et aux normes applicables de confidentialité des données de votre organisation. En cas d’erreur, vérifiez que les formats de fichiers sont pris en charge, retirez le contenu soumis à restriction, puis réessayez.

GPT 6 Luna File Analysis face à la concurrence : analyse comparative

GPT 6 Luna File Analysis face à GPT 6 Sol File Analysis
GPT 6 Sol File Analysis est conçu pour les contrats juridiques complexes, les spécifications techniques élaborées et l’analyse nuancée de litiges impliquant plusieurs documents. GPT 6 Luna File Analysis privilégie l’ingestion rapide, l’extraction en masse et un débit économique pour les documents standard.
GPT 6 Luna File Analysis face à GPT 5.6 Luna File Analysis
GPT 5.6 Luna File Analysis est une option antérieure pour des processus documentaires efficaces. GPT 6 Luna File Analysis apporte la famille GPT-6 plus récente à l’examen de textes et d’images ; évaluez la qualité d’extraction sur votre propre ensemble de documents avant de migrer.
GPT 6 Luna File Analysis face aux services OCR documentaires spécialisés
Les outils OCR spécialisés peuvent extraire du texte et des champs de documents. GPT 6 Luna File Analysis peut également répondre aux questions en langage naturel sur le contenu fourni et organiser les détails demandés sous forme de texte.
GPT 6 Luna File Analysis face à Gemini Flash File Analysis
Gemini Flash convient aux pipelines Google Cloud. GPT 6 Luna File Analysis propose une solution d’extraction documentaire native OpenAI qui s’intègre parfaitement aux architectures standard de chat completions sur Flaq AI.