Tous vos modèles. Une seule API.

Un catalogue de modèles complet derrière une intégration

Utilisez GPT, Claude et Gemini aux côtés des Kimi K3, GLM-5.3, DeepSeek, MiMo et d'autres modèles pris en charge. Votre application se connecte à TextCortex au lieu de maintenir une intégration distincte pour chaque famille de modèles.

Modifiez l'identifiant du modèle pour une demande afin de comparer les réponses, d'activer une fonctionnalité différente ou d'introduire un nouveau modèle dans votre produit. Votre catalogue de comptes est disponible via GET /models.

Acheminer les requêtes autour de votre application

Une réponse de support, une revue de code et une étape de classification peuvent utiliser différents modèles. Définissez la sélection dans votre application et envoyez chaque requête via la même API. Mesurez la qualité, la latence et l’utilisation des jetons par rapport à la tâche.

Commencez par des choix de modèles explicites afin que le comportement soit prévisible. Si vous avez besoin d'une sélection ou d'un basculement automatique, utilisez uniquement les contrôles de routage documentés pour votre configuration.

Points de terminaison hébergés dans l'UE pour les charges de travail européennes

Utilisez le déploiement qui correspond à vos exigences de traitement. Les pages modèles de l'UE couvrent l'hébergement européen ; d'autres modèles du catalogue plus large peuvent avoir des dispositions de traitement différentes.

• API Kimi K3 hébergée dans l’UE
• API GLM-5.3 hébergée dans l’UE
• API DeepSeek hébergée dans l’UE
• API MiMo hébergée dans l’UE

Faites votre première requête API

Créez un Compte TextCortex et générez une clé API dans les paramètres du compte. Installez le package Python OpenAI sur votre serveur. Stockez la clé dans TEXTCORTEX_API_KEY et définissez TEXTCORTEX_MODEL sur un identifiant renvoyé par GET /models.

Cet exemple conserve les informations d'identification dans les variables d'environnement. La même configuration client fonctionne lorsque vous choisissez un autre modèle pris en charge. Lisez le Référence API pour connaître les paramètres spécifiques au point final.

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)

De la première demande à la production

Utilisez le Guide API compatible OpenAI pour connecter votre application. Définissez ensuite les choix de modèles, les limites de requêtes et la gestion des erreurs dont vos produits ont besoin.

Comparez les coûts avec le Calculateur de coût API et utilisez le guide d'itinéraire pour organiser une intégration multimodèle.