Jede Modellfamilie. Ein Ort zum Verbinden.

Proprietäre Modellfamilien

Bringen Sie führende proprietäre Modelle in die gleiche Integration wie Ihre Open-Weight-Optionen. Wählen Sie die Version und die Funktionen aus, die für Ihr Konto verfügbar sind.

• GPT-Modelle ab OpenAI.
• Claude-Modelle ab Anthropic.
• Gemini-Modelle ab Google.

In der EU gehostete Modellseiten

Entdecken Sie die für diese Modellsammlung angeforderten europäischen Einsätze. Das Hosting ist an die ausgewählte Route gebunden, nicht an jedes Modell im größeren Katalog.

• Kimi K3
• GLM-5.3
• DeepSeek
• MiMo

Lesen Sie Bezeichner aus der API

Rufen Sie GET /models mit Ihrem TextCortex-Schlüssel an. Verwenden Sie in Ihrer Anfrage die zurückgegebene Kennung, anstatt eine aus einem Anzeigenamen zu erstellen. Modellversionen können sich unabhängig von der sie verwendenden Anwendung ändern.

Führen Sie in Ihrer Anwendungskonfiguration eine versionierte Liste genehmigter Modelle. Bewerten Sie neue Einträge, bevor Sie den Produktionsverkehr verschieben, und entfernen Sie veraltete Kennungen aus Ihrer Aufgabenzuordnung.

Wählen Sie nach dem gewünschten Ergebnis

Führen Sie zum Codieren die Ausgabe mit Ihren Projektprüfungen durch. Bewerten Sie für die Extraktion die Feldgenauigkeit und die Ausgabegültigkeit. Messen Sie für einen benutzerorientierten Assistenten die Hilfsbereitschaft und Reaktionszeit bei repräsentativen Gesprächen.

Verwenden Sie Anleitung zur Modellauswahl, um Kandidaten zu vergleichen, und API-Preisleitfaden, um die Nutzung abzuschätzen.

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)