Guia Claude Code
Configure modelos Claude da Flaq AI e explore skills do Claude Code
Experimente a API GPT 6.1 Sol da OpenAI para compreensão de imagens, perguntas visuais e análise de imagens com a API estável e acessível da Flaq AI com respostas em 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
}'
| Parâmetros | Preço | Preço original | Desconto |
|---|
A API GPT 6.1 Sol Image-to-Text conecta entradas visuais a respostas escritas na Flaq AI. Forneça uma imagem e, quando útil, uma pergunta para solicitar uma descrição, uma explicação do conteúdo visível ou uma resposta focada em um detalhe específico. Os desenvolvedores podem usar esta API de compreensão visual em ferramentas de revisão de imagens, fluxos de conteúdo e produtos conversacionais, com saída por streaming e tamanho de resposta ajustável.
Perguntas sobre imagens: Direcione a atenção para um objeto, uma relação ou uma região específica de uma imagem por meio de instruções em linguagem natural.
Saída de texto descritivo: Solicite uma descrição escrita do conteúdo visível para revisão, indexação ou preparação editorial.
Orientações opcionais por prompt: Adicione uma pergunta ou instrução de formatação para direcionar a resposta às informações necessárias ao seu fluxo de trabalho.
Revisão visual direcionada: Pergunte sobre composição, objetos visíveis ou conteúdo legível da imagem sem transformar a solicitação em uma tarefa de geração de imagens.
Respostas por streaming: Apresente a resposta escrita progressivamente em uma interface de conversa ou revisão.
Abrangência flexível da resposta: Defina um limite de tokens de saída e solicite uma legenda curta ou uma explicação mais detalhada.
Entrada: Uma imagem compatível, opcionalmente acompanhada de uma pergunta ou instrução de texto.
Saída: Uma descrição, explicação ou resposta textual sobre o conteúdo visual fornecido.
Controles: Foco definido por prompt, limite opcional de tokens de saída e entrega de respostas com ou sem streaming.
Capacidades: Respostas a perguntas visuais, descrições de imagens e revisão escrita do conteúdo visível das imagens.
Catalogação de imagens: Prepare textos descritivos para uma coleção de imagens de produtos ou editoriais, com revisão antes da publicação.
Rascunhos para acessibilidade: Gere descrições iniciais de imagens que os editores possam conferir e adaptar ao conteúdo ao redor.
Assistentes de revisão visual: Permita que os usuários façam perguntas sobre uma fotografia ou captura de tela fornecida.
Análise criativa: Solicite observações sobre a composição e os detalhes visíveis para embasar uma discussão de design.
Preparação de conteúdo: Transforme uma referência visual em um ponto de partida escrito para uma legenda ou um briefing.
Nota Use uma imagem nítida e uma pergunta específica. Confira a leitura de textos pequenos, os detalhes sutis e as descrições inferidas com a imagem original; esta rota retorna texto em vez de imagens editadas ou geradas.
GPT 6.1 Sol Image-to-Text vs. GPT 6.1 Sol Text-to-Text Text-to-Text recebe mensagens escritas sem imagens anexadas. Image-to-Text é a rota de entrada visual para tarefas que exigem a própria imagem.
GPT 6.1 Sol Image-to-Text vs. GPT 6.1 Sol File Analysis File Analysis permite anexos de documentos, além de entrada de imagens. Image-to-Text mantém o fluxo de trabalho focado em material visual e não aceita anexos de arquivos em sua configuração na Flaq AI.
GPT 6.1 Sol Image-to-Text vs. Claude Sonnet 5.5 File Analysis A rota File Analysis do Claude também pode receber imagens, além de documentos. Compare respostas a imagens representativas ao escolher entre fluxos focados em imagens e fluxos voltados a documentos.
GPT 6.1 Sol Image-to-Text vs. GPT 6.1 Sol Web Search Web Search é voltado à pesquisa online e pode aceitar anexos de apoio. Image-to-Text trata o conteúdo visual fornecido sem habilitar a pesquisa na web.
Configure modelos Claude da Flaq AI e explore skills do Claude Code

Configure modelos GPT da Flaq AI e explore skills do Codex
Use modelos LLM da Flaq AI no Hermes Agent
Use GLM 5.2, Kimi K3 e DeepSeek v4 no ZCode
Execute o DeepSeek Harness com modelos DeepSeek da Flaq AI
Conecte agentes de IA às ferramentas de geração de imagens e vídeos da Flaq
Use GPT 6 Astra e Claude Fable 5.1 no WorkBuddy