OpenAI/gpt-6-luna-file-analysis

gpt-6-luna-file-analysis

Coba API GPT 6 Luna dari OpenAI untuk tanya jawab dokumen, ringkasan file, serta analisis file dan gambar melalui API Flaq AI yang stabil dan terjangkau dengan streaming.

File Analysis

Model Gpt 6 Luna Terkait

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

Dokumentasi

Contoh API

JavaScriptPythoncURL

Contoh Pengiriman

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);
    }
  }
}

Contoh Pengiriman

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)

Contoh Pengiriman

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
  }'

Mulai chat baru

Kirim pesan untuk memulai.

Harga GPT 6 Luna File Analysis

Parameter	Harga	Harga asli	Diskon

Token: input	$0.1000 per 1 juta token input	-	Standar
Token: output	$0.5000 per 1 juta token output	-	Standar

README

GPT 6 Luna File Analysis API Berkapasitas Tinggi (Pemrosesan Dokumen dan Ekstraksi Cepat dari OpenAI)

GPT 6 Luna File Analysis API di Flaq AI menyediakan opsi GPT-6 yang hemat biaya untuk pertanyaan tentang dokumen, ekstraksi data, dan pembuatan ringkasan. Integrasi API analisis berkas ini membantu organisasi meninjau dokumen dan lampiran gambar yang didukung dalam alur kerja bisnis yang berulang.

Fitur Utama GPT 6 Luna File Analysis API

Peninjauan Dokumen dalam Skala Besar: Analisis dokumen teks, formulir, laporan, dan lampiran gambar yang didukung dalam tugas pemrosesan berulang.
Ekstraksi Berkas yang Hemat Biaya: Gunakan GPT 6 Luna untuk pertanyaan dokumen berulang dan ekstraksi kolom ketika efisiensi operasional menjadi pertimbangan.
Ekstraksi Kolom dan Entitas dalam Jumlah Besar: Ekstrak nama, tanggal, jumlah uang, rincian item, dan kolom terstruktur secara otomatis dari faktur, tanda terima, dan formulir standar.
Pembuatan Ringkasan Eksekutif yang Cepat: Padatkan laporan panjang dan dokumentasi dengan banyak halaman menjadi poin-poin ringkas serta kesimpulan yang dapat ditindaklanjuti.
Pemahaman Dokumen Multimodal: Analisis berkas teks digital dan hasil pindai berbasis gambar dalam satu alur kerja percakapan terpadu.
Pengiriman Streaming Waktu Nyata: Kirim hasil ekstraksi dan ringkasan secara bertahap melalui peristiwa yang dikirim server untuk antarmuka pengguna yang responsif.

Cara Menggunakan GPT 6 Luna File Analysis API untuk Pemrosesan Dokumen Cepat di Flaq AI

Masukan: Pesan percakapan dengan dokumen atau gambar yang didukung sebagai lampiran opsional, serta instruksi ekstraksi, kolom sasaran, atau ringkasan.
Keluaran: Hasil ekstraksi terstruktur berupa pasangan kunci-nilai, klasifikasi dokumen, ringkasan eksekutif, dan jawaban spesifik yang didasarkan pada berkas yang diberikan.
Panjang Keluaran: Secara opsional, tetapkan jumlah maksimum token keluaran untuk kutipan singkat atau ringkasan terperinci. Parameter ini tidak memiliki batas maksimum bawaan yang ditentukan; batas keluaran model tetap berlaku.
Streaming: Terima analisis dokumen secara bertahap melalui peristiwa yang dikirim server untuk mempercepat respons antarmuka.
Kemampuan: Penguraian dokumen cepat, ekstraksi kolom terstruktur, klasifikasi dokumen, serta pemahaman teks dan gambar multimodal melalui integrasi Flaq AI API.

Kasus Penggunaan Terbaik untuk Integrasi GPT 6 Luna File Analysis API

Penguraian Faktur dan Tanda Terima Otomatis: Ekstrak informasi pemasok, tanggal transaksi, rincian item, dan jumlah total dalam skala besar untuk alur kerja akuntansi dan ERP.
Pemeriksaan Lampiran Tiket Dukungan Pelanggan: Uraikan log, lampiran tangkapan layar, dan panduan PDF yang dikirim pengguna untuk mempercepat pemilahan awal masalah.
Penyaringan CV dan Lamaran: Ekstrak kualifikasi kandidat, riwayat pekerjaan, dan informasi kontak dari kumpulan CV untuk platform perekrutan.
Pemrosesan Formulir Standar: Masukkan klaim asuransi, kuesioner pendaftaran, dan pengajuan pinjaman ke dalam catatan basis data yang terstandar.
Klasifikasi Dokumen dalam Jumlah Besar: Kelompokkan lampiran email masuk, kontrak yang dipindai, dan surat bisnis ke dalam folder organisasi.

Catatan Unggah hanya dokumen, gambar, dan instruksi prompt yang mematuhi kebijakan keselamatan dan penggunaan OpenAI, ketentuan Flaq AI, serta standar privasi data organisasi yang berlaku. Jika terjadi kesalahan, pastikan format berkas didukung, hapus konten yang dibatasi, lalu coba lagi.

GPT 6 Luna File Analysis Dibandingkan Pesaing: Analisis Perbandingan

GPT 6 Luna File Analysis dibandingkan GPT 6 Sol File Analysis
GPT 6 Sol File Analysis dirancang untuk kontrak hukum yang rumit, spesifikasi teknis yang kompleks, dan analisis sengketa lintas dokumen yang membutuhkan pemahaman mendalam. GPT 6 Luna File Analysis berfokus pada penerimaan data yang cepat, ekstraksi massal, dan kapasitas pemrosesan yang hemat biaya untuk dokumen standar.
GPT 6 Luna File Analysis dibandingkan GPT 5.6 Luna File Analysis
GPT 5.6 Luna File Analysis merupakan opsi terdahulu untuk alur kerja dokumen yang efisien. GPT 6 Luna File Analysis menghadirkan keluarga GPT-6 yang lebih baru untuk peninjauan teks dan gambar; evaluasi kualitas ekstraksi menggunakan kumpulan dokumen Anda sendiri sebelum beralih.
GPT 6 Luna File Analysis dibandingkan Layanan OCR Khusus Dokumen
Alat OCR khusus dapat mengekstrak teks dan kolom dari dokumen. GPT 6 Luna File Analysis juga dapat menjawab pertanyaan dalam bahasa alami mengenai konten yang diberikan dan menyusun detail yang diminta dalam bentuk teks.
GPT 6 Luna File Analysis dibandingkan Gemini Flash File Analysis
Gemini Flash cocok untuk alur pemrosesan Google Cloud. GPT 6 Luna File Analysis menyediakan solusi ekstraksi dokumen berbasis OpenAI yang terintegrasi dengan lancar ke dalam arsitektur chat completions standar di Flaq AI.