Alle Modelle. Eine API.

Ein vollständiger Modellkatalog hinter einer Integration

Verwenden Sie GPT, Claude und Gemini neben Kimi K3, GLM-5.3, DeepSeek, MiMo und anderen unterstützten Modellen. Ihre Anwendung stellt eine Verbindung zu TextCortex her, anstatt für jede Modellfamilie eine separate Integration zu verwalten.

Ändern Sie die Modellkennung für eine Anfrage, um Antworten zu vergleichen, eine andere Funktion zu aktivieren oder ein neues Modell in Ihr Produkt einzuführen. Ihr Kontokatalog ist über GET /models verfügbar.

Leiten Sie Anfragen rund um Ihre Anwendung weiter

Eine Support-Antwort, eine Codeüberprüfung und ein Klassifizierungsschritt können unterschiedliche Modelle verwenden. Definieren Sie die Auswahl in Ihrer Anwendung und senden Sie jede Anfrage über dieselbe API. Messen Sie Qualität, Latenz und Token-Nutzung anhand der Aufgabe.

Beginnen Sie mit expliziten Modellentscheidungen, damit das Verhalten vorhersehbar ist. Wenn Sie eine automatische Auswahl oder ein Failover benötigen, verwenden Sie nur die für Ihre Konfiguration dokumentierten Routing-Steuerelemente.

In der EU gehostete Endpunkte für europäische Workloads

Verwenden Sie die Bereitstellung, die Ihren Verarbeitungsanforderungen entspricht. Die EU-Modellseiten behandeln europäisches Hosting; Andere Modelle im größeren Katalog können andere Verarbeitungsanordnungen haben.

• Kimi K3 In der EU gehostete API
• GLM-5.3 In der EU gehostete API
• DeepSeek In der EU gehostete API
• MiMo In der EU gehostete API

Stellen Sie Ihre erste API-Anfrage

Erstellen Sie ein TextCortex-Konto und generieren Sie einen API-Schlüssel in den Kontoeinstellungen. Installieren Sie das Python-Paket OpenAI auf Ihrem Server. Speichern Sie den Schlüssel in TEXTCORTEX_API_KEY und setzen Sie TEXTCORTEX_MODEL auf einen von GET /models zurückgegebenen Bezeichner.

In diesem Beispiel werden Anmeldeinformationen in Umgebungsvariablen gespeichert. Die gleiche Client-Konfiguration funktioniert, wenn Sie ein anderes unterstütztes Modell auswählen. Lesen Sie API-Referenz für endpunktspezifische Parameter.

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["TEXTCORTEX_API_KEY"],
    base_url="https://api.textcortex.com/v1",
)

for model in client.models.list():
    print(model.id)

response = client.chat.completions.create(
    model=os.environ["TEXTCORTEX_MODEL"],
    messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)

Von der ersten Anfrage bis zur Produktion

Verwenden Sie OpenAI-kompatibler API-Leitfaden, um Ihre Anwendung zu verbinden. Definieren Sie dann die Modellauswahl, Anforderungsgrenzen und Fehlerbehandlung für Ihre Produktanforderungen.

Vergleichen Sie die Kosten mit dem API-Kostenrechner und nutzen Sie den Routenplaner, um eine Multi-Modell-Integration zu organisieren.