คู่มือ Claude Code
ตั้งค่าโมเดล Claude ของ Flaq AI และสำรวจสกิล Claude Code
ลอง GPT 6 Luna API จาก OpenAI สำหรับเข้าใจภาพ อธิบายภาพ และถามคำถามเกี่ยวกับภาพผ่าน API ของ Flaq AI ที่เสถียรและราคาเข้าถึงได้ พร้อมการสตรีม ใช้สร้างแอปอธิบายภาพและตอบคำถามจากภาพ
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-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-luna-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-luna-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
}'
| พารามิเตอร์ | ราคา | ราคาเดิม | ส่วนลด |
|---|
API GPT 6 Luna Image-to-Text บน Flaq AI เป็นตัวเลือก GPT-6 ที่คุ้มค่าสำหรับการตรวจสอบภาพ การตอบคำถามเกี่ยวกับภาพ และการดึงข้อมูลด้วยความช่วยเหลือจาก OCR นักพัฒนาสามารถวิเคราะห์ภาพที่รองรับพร้อมคำถามประกอบในเวิร์กโฟลว์ภาพปริมาณมากและแอปพลิเคชันแบบโต้ตอบ
หมายเหตุ โปรดตรวจสอบว่าอินพุตภาพและข้อความพรอมป์ต์เป็นไปตามนโยบายด้านความปลอดภัยและการใช้งานของ OpenAI รวมถึงข้อกำหนดของ Flaq AI หากเกิดข้อผิดพลาด ให้ตรวจสอบภาพว่ามีคุณลักษณะที่ไม่รองรับหรือองค์ประกอบที่ถูกจำกัดหรือไม่ ปรับพรอมป์ต์ แล้วลองอีกครั้ง
GPT 6 Luna Image-to-Text เทียบกับ GPT 6 Sol Image-to-Text
GPT 6 Sol Image-to-Text ออกแบบมาสำหรับการตีความแผนภาพเชิงลึก แบบแปลนสถาปัตยกรรมที่ซับซ้อน และการให้เหตุผลด้านภาพหลายขั้นตอนอย่างเข้มข้น GPT 6 Luna Image-to-Text เน้นเวลาประมวลผลที่รวดเร็วและต้นทุนที่ประหยัดสำหรับการติดแท็กภาพปริมาณมากและคำถามของผู้ใช้แบบเรียลไทม์
GPT 6 Luna Image-to-Text เทียบกับ GPT 5.6 Luna Image-to-Text
GPT 5.6 Luna Image-to-Text เป็นตัวเลือกในรุ่นก่อนหน้าสำหรับเวิร์กโฟลว์ภาพที่มีประสิทธิภาพ GPT 6 Luna Image-to-Text นำตระกูล GPT-6 ที่ใหม่กว่ามาสู่การตอบคำถามเกี่ยวกับภาพปริมาณมาก ควรทดสอบความแม่นยำด้านภาพและค่าใช้จ่ายด้วยภาพของคุณเองก่อนย้ายมาใช้
GPT 6 Luna Image-to-Text เทียบกับระบบ OCR เฉพาะทาง
เครื่องมือ OCR เฉพาะทางอาจมีประโยชน์เมื่อการถอดข้อความเป็นงานหลัก GPT 6 Luna Image-to-Text ยังสามารถตอบคำถามเกี่ยวกับบริบทภาพโดยรอบและจัดระเบียบรายละเอียดที่ร้องขอเป็นข้อความได้ด้วย
GPT 6 Luna Image-to-Text เทียบกับ Gemini Flash Vision
โมเดล Gemini Flash ผสานเข้ากับโครงสร้างพื้นฐาน Google Cloud อย่างใกล้ชิด GPT 6 Luna Image-to-Text มอบโซลูชันด้านภาพที่ยืดหยุ่นและใช้ OpenAI โดยตรง รองรับรูปแบบการตอบกลับแชตมาตรฐานบน Flaq AI พร้อมราคาที่คาดการณ์ได้และคุ้มค่า
ตั้งค่าโมเดล Claude ของ Flaq AI และสำรวจสกิล Claude Code

ตั้งค่าโมเดล GPT ของ Flaq AI และสำรวจสกิล Codex
ใช้โมเดล LLM ของ Flaq AI ใน Hermes Agent
ใช้ GLM 5.2, Kimi K3 และ DeepSeek v4 ใน ZCode
เรียกใช้ DeepSeek Harness กับโมเดล DeepSeek ของ Flaq AI
เชื่อมต่อเอเจนต์ AI กับเครื่องมือสร้างรูปภาพและวิดีโอของ Flaq
ใช้ GPT 6 Astra และ Claude Fable 5.1 ใน WorkBuddy