Elke modelfamilie. Eén plek om verbinding te maken.

Eigen modelfamilies

Breng toonaangevende eigen modellen in dezelfde integratie als uw keuzes met open gewicht. Selecteer de versie en mogelijkheden die voor uw account gelden.

• GPT-modellen van OpenAI.
• Claude-modellen van Anthropic.
• Gemini-modellen van Google.

In de EU gehoste modelpagina's

Ontdek de Europese implementaties die zijn aangevraagd voor deze modelverzameling. Hosting is gekoppeld aan de geselecteerde route, niet aan elk model in de bredere catalogus.

• Kimi K3
• GLM-5.3
• DeepSeek
• MiMo

Lees ID's uit de API

Bel GET /models met uw TextCortex-sleutel. Gebruik de geretourneerde ID in uw verzoek in plaats van er een samen te stellen op basis van een weergavenaam. Modelversies kunnen onafhankelijk van de toepassing die er gebruik van maakt, veranderen.

Houd een versielijst bij van goedgekeurde modellen in uw applicatieconfiguratie. Evalueer nieuwe invoer voordat u productieverkeer verplaatst, en verwijder verouderde ID's uit uw taaktoewijzing.

Kies op basis van het resultaat dat u nodig hebt

Voor het coderen voert u de uitvoer uit op basis van uw projectcontroles. Voor extractie: scoreveldnauwkeurigheid en uitvoervaliditeit. Voor een gebruikersgerichte assistent meet u de behulpzaamheid en responstijd op representatieve gesprekken.

Gebruik de modelkeuzegids om kandidaten te vergelijken en de API-prijsgids om het verbruik in te schatten.

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)