あらゆるモデルファミリー。つながる場所は 1 つ。

独自のモデルファミリー

主要な独自モデルを、オープンウェイトの選択肢と同じ統合に組み込みます。アカウントに公開されているバージョンと機能を選択します。

• OpenAIのGPTモデル。
• AnthropicのClaudeモデル。
• GoogleのGeminiモデル。

EU域内でホストされるモデル ページ

このモデル コレクションにリクエストされたヨーロッパの展開を調べてください。ホスティングは、幅広いカタログ内のすべてのモデルではなく、選択したルートに接続されます。

• Kimi K3
• GLM-5.3
• DeepSeek
• MiMo

APIから識別子を読み取る

TextCortex キーを使用して GET /models を呼び出します。表示名から識別子を作成するのではなく、返された識別子をリクエストで使用します。モデルのバージョンは、それを使用するアプリケーションとは独立して変更できます。

承認されたモデルのバージョン付きリストをアプリケーション構成に保持します。運用トラフィックを移動する前に新しいエントリを評価し、タスク マッピングから廃止された識別子を削除します。

必要な結果によって選択してください

コーディングの場合は、プロジェクトのチェックに対して出力を実行します。抽出の場合、フィールドの精度と出力の有効性をスコアします。ユーザー対応アシスタントの場合、代表的な会話での有用性と応答時間を測定します。

候補を比較するには モデル選択ガイド を使用し、使用量を見積もるには API価格ガイド を使用します。

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)