Votre client OpenAI. Un catalogue de modèles plus large.

Trois parties de la connexion

Conservez ces paramètres sur votre serveur. L'URL de base inclut déjà /v1 ; Les clients SDK ajoutent eux-mêmes le point de terminaison.

• URL de base : https://api.textcortex.com/v1
• Authentification : Authorization : Bearer <api_key>
• Modèle : un identifiant renvoyé par GET /models

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)

Utilisez le point de terminaison dont votre application a besoin

GET /models répertorie le catalogue. POST /chat/completions accepte les demandes de chat et POST /responses fournit l'interface de réponses documentée. Examinez chaque point de terminaison séparément lors du déplacement d’une application existante.

Commencez par une demande minimale, puis ajoutez le streaming, l'utilisation d'outils ou la sortie structurée là où le modèle choisi le prend en charge. Un format de requête partagé simplifie l'intégration tandis que chaque modèle conserve ses propres capacités.

Changer de modèle sans intégration d'un autre fournisseur

Conservez la configuration du client et de l’authentification au même endroit. Remplacez TEXTCORTEX_MODEL par un autre identifiant disponible lors de l'évaluation de GPT, Claude, Gemini, Kimi, GLM, DeepSeek ou MiMo.

Utilisez le guide du catalogue de modèles pour les familles de modèles et le guide du routeur d'inférence pour la sélection au niveau de l'application. Les itinéraires hébergés dans l’UE sont disponibles pour les charges de travail avec des exigences d’inférence européennes.