Cada família modelo. Um lugar para se conectar.

Famílias de modelos proprietários

Traga os principais modelos proprietários para a mesma integração que suas opções de peso aberto. Selecione a versão e os recursos expostos à sua conta.

• Modelos GPT de OpenAI.
• Modelos Claude de Anthropic.
• Modelos Gemini de Google.

Páginas de modelo hospedadas na UE

Explore as implantações europeias solicitadas para esta coleção de modelos. A hospedagem é anexada à rota selecionada, não a todos os modelos do catálogo mais amplo.

• Kimi K3
• GLM-5.3
• DeepSeek
• MiMo

Ler identificadores da API

Ligue para GET /models com sua chave TextCortex. Use o identificador retornado em sua solicitação em vez de construir um a partir de um nome de exibição. As versões dos modelos podem mudar independentemente do aplicativo que as utiliza.

Mantenha uma lista versionada de modelos aprovados na configuração do seu aplicativo. Avalie novas entradas antes de mover o tráfego de produção e remova identificadores retirados do seu mapeamento de tarefas.

Escolha pelo resultado que você precisa

Para codificação, execute a saída nas verificações do seu projeto. Para extração, pontua a precisão do campo e a validade da saída. Para um assistente voltado para o usuário, meça a utilidade e o tempo de resposta em conversas representativas.

Use guia de seleção de modelo para comparar candidatos e Guia de preços de API para estimar o uso.

Faça sua primeira solicitação de API

Crie um Conta TextCortex e gere uma chave API nas configurações da conta. Instale o pacote OpenAI Python em seu servidor. Armazene a chave em TEXTCORTEX_API_KEY e defina TEXTCORTEX_MODEL para um identificador retornado por GET /models.

Este exemplo mantém credenciais em variáveis de ambiente. A mesma configuração do cliente funciona quando você escolhe outro modelo compatível. Leia o Referência da API para parâmetros específicos do endpoint.

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)