あらゆるモデルを、ひとつのAPIで。

1 つの統合の背後にある完全なモデル カタログ

GPT、Claude、Gemini を、Kimi K3、GLM-5.3、DeepSeek、MiMo、およびその他のサポートされているモデルと一緒に使用します。アプリケーションは、モデル ファミリごとに個別の統合を維持するのではなく、TextCortex に接続します。

リクエストのモデル識別子を変更して、回答を比較したり、別の機能を強化したり、製品に新しいモデルを導入したりできます。アカウント カタログは GET /models から入手できます。

アプリケーション周辺でリクエストをルーティングする

サポート応答、コードレビュー、および分類ステップでは、異なるモデルを使用できます。アプリケーションで選択内容を定義し、同じ API を通じて各リクエストを送信します。タスクに対する品質、レイテンシー、トークンの使用状況を測定します。

動作を予測できるように、明示的なモデルを選択することから始めます。自動選択またはフェイルオーバーが必要な場合は、構成に文書化されているルーティング制御のみを使用してください。

ヨーロッパのワークロード向けに EU域内でホストされるエンドポイント

処理要件に一致するデプロイメントを使用してください。 EU モデルのページでは、ヨーロッパのホスティングについて説明しています。より広範なカタログの他のモデルには、異なる処理配置が含まれる場合があります。

• Kimi K3 EU でホストされる API
• GLM-5.3 EU でホストされる API
• DeepSeek EU でホストされる API
• MiMo EU でホストされる API

最初の API リクエストを行う

TextCortexアカウント を作成し、アカウント設定で API キーを生成します。 OpenAI Python パッケージをサーバーにインストールします。キーを TEXTCORTEX_API_KEY に保存し、TEXTCORTEX_MODEL を GET /models によって返された識別子に設定します。

この例では、資格情報を環境変数に保持します。別のサポートされているモデルを選択した場合でも、同じクライアント構成が機能します。エンドポイント固有のパラメータについては、APIリファレンス を参照してください。

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)

最初のご依頼から制作まで

OpenAI互換APIガイド を使用してアプリケーションを接続します。次に、製品のニーズに応じて、モデルの選択、要求制限、およびエラー処理を定義します。

APIコスト計算ツール とコストを比較し、ルーティングガイド を使用してマルチモデル統合を組織します。