OpenAI/gpt-6-luna-file-analysis

gpt-6-luna-file-analysis

Попробуйте API GPT 6 Luna от OpenAI для вопросов по документам, сводок файлов и анализа файлов и изображений через стабильный, доступный API Flaq AI с потоковой передачей.

File Analysis

Связанные модели Gpt 6 Luna

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

Документация

Примеры API

JavaScriptPythoncURL

Пример отправки

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);
    }
  }
}

Пример отправки

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)

Пример отправки

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
  }'

Начать новый чат

Отправьте сообщение, чтобы начать.

Цены на GPT 6 Luna File Analysis

Параметры	Цена	Исходная цена	Скидка

Токен: input	$0.1000 за 1 млн входных токенов	-	Стандарт
Токен: output	$0.5000 за 1 млн выходных токенов	-	Стандарт

README

Высокопроизводительный GPT 6 Luna File Analysis API (OpenAI: быстрая обработка документов и извлечение данных)

GPT 6 Luna File Analysis API на Flaq AI предлагает экономичный вариант на базе GPT-6 для вопросов по документам, извлечения данных и создания сводок. Эта интеграция API анализа файлов помогает организациям проверять поддерживаемые документы и вложенные изображения в повторяющихся бизнес-процессах.

Основные возможности GPT 6 Luna File Analysis API

Масштабная проверка документов: Анализируйте поддерживаемые текстовые документы, формы, отчёты и вложенные изображения в повторяющихся задачах обработки.
Экономичное извлечение данных из файлов: Используйте GPT 6 Luna для регулярных вопросов по документам и извлечения полей, когда важна операционная эффективность.
Массовое извлечение полей и сущностей: Автоматически извлекайте имена, даты, суммы, позиции и структурированные поля из счетов, чеков и стандартных форм.
Быстрая подготовка сводок для руководства: Преобразуйте длинные отчёты и многостраничную документацию в краткие списки и практические выводы.
Мультимодальное понимание документов: Анализируйте цифровые текстовые файлы и сканы в виде изображений в едином диалоговом процессе.
Потоковая передача в реальном времени: Передавайте результаты извлечения и сводки постепенно через серверные события для быстрого отклика интерфейса.

Как использовать GPT 6 Luna File Analysis API для быстрой обработки документов на Flaq AI

Входные данные: Сообщения беседы с необязательными поддерживаемыми документами или изображениями и инструкциями по извлечению данных, целевым полям или сводкам.
Результат: Структурированные данные в виде пар «ключ — значение», классификация документов, сводки для руководства и ответы на конкретные вопросы на основе предоставленных файлов.
Длина ответа: При необходимости задайте максимальное количество выходных токенов для кратких выдержек или подробных сводок. Для этого параметра не задано максимальное значение по умолчанию; ограничения модели на объём вывода продолжают действовать.
Потоковая передача: Получайте результаты анализа документов по частям через серверные события для ускорения отклика интерфейса.
Возможности: Быстрый разбор документов, извлечение структурированных полей, классификация документов и мультимодальное понимание текста и изображений через интеграцию с Flaq AI API.

Лучшие сценарии применения интеграции GPT 6 Luna File Analysis API

Автоматический разбор счетов и чеков: Массово извлекайте сведения о поставщиках, даты операций, позиции и итоговые суммы для бухгалтерских процессов и ERP.
Проверка вложений в обращениях в поддержку: Разбирайте предоставленные пользователями журналы, вложенные снимки экрана и руководства в PDF, чтобы ускорить первичную оценку проблем.
Проверка резюме и заявок: Извлекайте сведения о квалификации кандидатов, опыте работы и контактные данные из большого количества резюме для рекрутинговых платформ.
Обработка стандартных форм: Преобразуйте страховые заявления, первичные анкеты и кредитные заявки в стандартизированные записи базы данных.
Массовая классификация документов: Распределяйте входящие вложения электронной почты, сканы договоров и деловую корреспонденцию по организационным папкам.

Примечание Загружайте только документы, изображения и инструкции, соответствующие правилам безопасности и использования OpenAI, условиям Flaq AI и применимым стандартам конфиденциальности данных вашей организации. При возникновении ошибки убедитесь, что форматы файлов поддерживаются, удалите запрещённое содержимое и повторите попытку.

GPT 6 Luna File Analysis и конкуренты: сравнительный анализ

GPT 6 Luna File Analysis и GPT 6 Sol File Analysis
GPT 6 Sol File Analysis предназначен для сложных юридических договоров, комплексных технических спецификаций и детального анализа споров по нескольким документам. GPT 6 Luna File Analysis ориентирован на быстрый приём, массовое извлечение данных и экономичную высокопроизводительную обработку стандартных документов.
GPT 6 Luna File Analysis и GPT 5.6 Luna File Analysis
GPT 5.6 Luna File Analysis — более ранний вариант для эффективной работы с документами. GPT 6 Luna File Analysis использует новое семейство GPT-6 для проверки текста и изображений; перед переходом оцените качество извлечения на собственном наборе документов.
GPT 6 Luna File Analysis и специализированные сервисы OCR для документов
Специализированные инструменты OCR могут извлекать текст и поля из документов. GPT 6 Luna File Analysis также может отвечать на вопросы о предоставленном содержимом на естественном языке и упорядочивать запрошенные сведения в текстовом виде.
GPT 6 Luna File Analysis и Gemini Flash File Analysis
Gemini Flash подходит для конвейеров Google Cloud. GPT 6 Luna File Analysis предлагает решение для извлечения данных из документов на базе OpenAI, которое легко интегрируется в стандартную архитектуру chat completions на Flaq AI.