Al je modellen. Eén API.

Een volledige modelcatalogus achter één integratie

Gebruik GPT, Claude en Gemini naast Kimi K3, GLM-5.3, DeepSeek, MiMo en andere ondersteunde modellen. Uw applicatie maakt verbinding met TextCortex in plaats van dat u voor elke modelfamilie een afzonderlijke integratie onderhoudt.

Wijzig de model-ID voor een verzoek om antwoorden te vergelijken, een andere functie aan te sturen of een nieuw model in uw product te introduceren. Uw accountcatalogus is beschikbaar via GET /models.

Routeer aanvragen rond uw toepassing

Voor een ondersteuningsreactie, een codebeoordeling en een classificatiestap kunnen verschillende modellen worden gebruikt. Definieer de selectie in uw applicatie en stuur elk verzoek via dezelfde API. Meet kwaliteit, latentie en tokengebruik ten opzichte van de taak.

Begin met expliciete modelkeuzes, zodat gedrag voorspelbaar is. Als u automatische selectie of failover nodig heeft, gebruik dan alleen de routeringsbesturingselementen die voor uw configuratie zijn gedocumenteerd.

In de EU gehoste eindpunten voor Europese workloads

Gebruik de implementatie die overeenkomt met uw verwerkingsvereisten. De EU-modelpagina's hebben betrekking op Europese hosting; andere modellen in de bredere catalogus kunnen andere verwerkingsregelingen hebben.

• Kimi K3 In de EU gehoste API
• GLM-5.3 In de EU gehoste API
• DeepSeek In de EU gehoste API
• MiMo In de EU gehoste API

Dien uw eerste API-verzoek in

Maak een TextCortex-rekening en genereer een API-sleutel in accountinstellingen. Installeer het OpenAI Python-pakket op uw server. Sla de sleutel op in TEXTCORTEX_API_KEY en stel TEXTCORTEX_MODEL in op een identificatie die wordt geretourneerd door GET /models.

In dit voorbeeld worden de referenties in omgevingsvariabelen bewaard. Dezelfde clientconfiguratie werkt wanneer u een ander ondersteund model kiest. Lees de API-referentie voor eindpuntspecifieke parameters.

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)

Van eerste aanvraag tot productie

Gebruik de OpenAI-compatibele API-gids om uw applicatie te koppelen. Definieer vervolgens de modelkeuzes, verzoeklimieten en foutafhandeling van uw productbehoeften.

Vergelijk de kosten met de API-kostencalculator en gebruik de routebeschrijving om een integratie met meerdere modellen te organiseren.