OpenAI/gpt-5.6-terra-file-analysis

gpt-5.6-terra-file-analysis

Prova gratis GPT 5.6 Terra per estrazione da più file, confronto, riepiloghi e workflow professionali convenienti.

File Analysis

Modelli Gpt 5.6 Terra correlati

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

Documentazione

Esempi API

JavaScriptPythoncURL

Esempio di invio

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);
    }
  }
}

Esempio di invio

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)

Esempio di invio

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
  }'

Avvia una nuova chat

Invia un messaggio per iniziare.

Prezzi di GPT 5.6 Terra File Analysis

Parametri	Prezzo	Prezzo originale	Sconto

Token: input	$2.5000 per 1 M token di input	-	Standard
Token: output	$15.0000 per 1 M token di output	-	Standard

README

API di analisi file GPT 5.6 Terra equilibrata ed economica (intelligence documentale OpenAI)

L'API di analisi file GPT 5.6 Terra su Flaq AI offre un ragionamento equilibrato sui documenti per i flussi professionali ricorrenti. Questa economica integrazione con l'API OpenAI consente agli sviluppatori di combinare istruzioni in linguaggio naturale con più file supportati e un contesto visivo facoltativo per estrazione, riepilogo, confronto e analisi. Grazie agli approfondimenti conversazionali e alle risposte in streaming, i team possono elaborare documenti aziendali, tecnici e di ricerca mediante un flusso scalabile, senza mantenere un'infrastruttura separata per l'analisi dei file.

Funzionalità principali dell'API di analisi file GPT 5.6 Terra

Ragionamento equilibrato sui documenti: Analizza materiali professionali con una combinazione pratica di capacità, affidabilità ed efficienza dei costi.
Comprensione di più file: Collega informazioni tra report, specifiche, registri e altri documenti supportati.
Confronto tra documenti: Confronta versioni, identifica differenze e organizza risultati provenienti da più file.
Analisi file consapevole delle immagini: Include il contesto di immagini supportate quando un flusso documentale contiene schermate, diagrammi o prove visive.
Estrazione strutturata delle informazioni: Produce riepiloghi, tabelle, fatti e output organizzati da contenuti complessi dei file.
Integrazione API in streaming: Restituisce progressivamente l'analisi dei documenti tramite un flusso stabile di completamento chat.

Come utilizzare l'API di analisi file GPT 5.6 Terra su Flaq AI

Ingresso: File supportati, contesto visivo facoltativo e istruzioni in linguaggio naturale per estrazione, confronto o ragionamento.
Uscita: Riepiloghi di documenti, informazioni estratte, confronti, tabelle, spiegazioni e analisi strutturate.
Flusso dei file: Invia uno o più file con il contenuto del messaggio, quindi usa prompt successivi per perfezionare il risultato.
Configurazione: Utilizza i controlli supportati per contesto e lunghezza dell'output per modellare la risposta a ogni attività documentale.
Capacità: Analisi di documenti, confronto tra file, riepilogo di report, estrazione di informazioni, ragionamento sul contesto visivo e sintesi della conoscenza tramite l'integrazione API OpenAI.

Migliori casi d'uso per l'integrazione dell'API di analisi file GPT 5.6 Terra

Riepiloghi di report aziendali: Condensa lunghi report, proposte e documenti informativi in conclusioni utili.
Esame di contratti e politiche: Confronta clausole, organizza obblighi e riepiloga dettagli importanti per i team professionali.
Documentazione tecnica: Esamina specifiche, requisiti, manuali e materiali di implementazione per i flussi di ingegneria.
Analisi di dati e tabelle: Spiega contenuti strutturati e tendenze presenti nei file aziendali o di ricerca supportati.
Elaborazione della base di conoscenza: Trasforma raccolte di documenti in riepiloghi, risposte e informazioni organizzate riutilizzabili.

Nota Assicurati che i prompt, i file caricati e i flussi dell'applicazione rispettino le linee guida di OpenAI sulla sicurezza e sull'utilizzo. In caso di errore, verifica che gli input non contengano contenuti soggetti a restrizioni o non supportati, semplifica la richiesta e riprova.

Analisi file GPT 5.6 Terra e concorrenti: analisi comparativa

GPT 5.6 Terra rispetto a GPT 5.6 Sol
GPT 5.6 Sol è destinato al ragionamento sui file più complesso al livello di punta. GPT 5.6 Terra offre un'intelligence documentale equilibrata per un ampio uso in produzione.
GPT 5.6 Terra rispetto a GPT 5.6 Luna
GPT 5.6 Luna privilegia un'elaborazione dei documenti rapida e molto efficiente. GPT 5.6 Terra bilancia la velocità effettiva con esigenze quotidiane di analisi più avanzate.
GPT 5.6 Terra rispetto a GPT 5.5 File Analysis
GPT 5.5 supporta flussi documentali consolidati con un ragionamento affidabile. GPT 5.6 Terra offre un accesso più economico alla nuova famiglia GPT per le analisi ricorrenti.
GPT 5.6 Terra rispetto a Claude File Analysis
I modelli Claude forniscono un solido ragionamento sui documenti nell'ecosistema Anthropic. GPT 5.6 Terra offre un percorso nativo OpenAI equilibrato per l'analisi dei file in produzione.
GPT 5.6 Terra rispetto alle pipeline documentali con modelli aperti
I modelli aperti offrono flessibilità di distribuzione, ma richiedono infrastrutture aggiuntive di erogazione ed elaborazione. GPT 5.6 Terra fornisce analisi documentale gestita tramite il flusso API di Flaq AI.