Chaque famille modèle. Un seul endroit pour se connecter.

Familles de modèles propriétaires

Intégrez les principaux modèles propriétaires dans la même intégration que vos choix de poids ouvert. Sélectionnez la version et les fonctionnalités exposées à votre compte.

• Modèles GPT à partir de OpenAI.
• Modèles Claude à partir de Anthropic.
• Modèles Gemini à partir de Google.

Pages de modèles hébergées dans l'UE

Explorez les déploiements européens demandés pour cette collection de modèles. L'hébergement est attaché à l'itinéraire sélectionné, et non à tous les modèles du catalogue plus large.

• Kimi K3
• GLM-5.3
• DeepSeek
• MiMo

Lire les identifiants de l'API

Appelez GET /models avec votre clé TextCortex. Utilisez l'identifiant renvoyé dans votre requête plutôt que d'en construire un à partir d'un nom d'affichage. Les versions des modèles peuvent changer indépendamment de l'application qui les utilise.

Conservez une liste versionnée des modèles approuvés dans la configuration de votre application. Évaluez les nouvelles entrées avant de déplacer le trafic de production et supprimez les identifiants retirés de votre mappage de tâches.

Choisissez par le résultat dont vous avez besoin

Pour le codage, exécutez la sortie par rapport aux vérifications de votre projet. Pour l’extraction, notez la précision du champ et la validité des sorties. Pour un assistant orienté utilisateur, mesurez l'utilité et le temps de réponse sur les conversations représentatives.

Utilisez le guide de sélection de modèle pour comparer les candidats et le Guide de tarification des API pour estimer l'utilisation.

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)