Generar texto con Flatkey

Base URL: https://router.flatkey.ai La generación de texto funciona a través de POST /v1/chat/completions, que coincide exactamente con la API Chat Completions de OpenAI. Cualquier cliente compatible con OpenAI funciona tras cambiar la base URL.

Sin necesidad de reescribir

Mantén tu código de solicitud existente y apunta base_url a https://router.flatkey.ai/v1.

Una clave, todos los modelos

Cambia de modelo modificando el campo model. Nada más cambia.

Haz tu primera llamada

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["FLATKEY_API_KEY"],
    base_url="https://router.flatkey.ai/v1",
)

response = client.chat.completions.create(
    model="claude-sonnet-5",
    messages=[{"role": "user", "content": "Explain vector databases in two sentences."}],
)

print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.FLATKEY_API_KEY,
  baseURL: "https://router.flatkey.ai/v1",
});

const response = await client.chat.completions.create({
  model: "claude-sonnet-5",
  messages: [{ role: "user", content: "Explain vector databases in two sentences." }],
});

console.log(response.choices[0].message.content);

curl --fail-with-body -sS https://router.flatkey.ai/v1/chat/completions \
  -H "Authorization: Bearer YOUR_FLATKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-sonnet-5",
    "messages": [
      { "role": "user", "content": "Explain vector databases in two sentences." }
    ]
  }'

Elige un modelo

Lista todo lo que tu cuenta puede usar y quédate con los modelos de texto:

curl --fail-with-body -sS https://router.flatkey.ai/v1/models \
  -H "Authorization: Bearer YOUR_FLATKEY_API_KEY" \
  | jq '.data[] | select(.type == "text") | .id'

Explora la misma lista con precios, longitud de contexto y latencia en el directorio de modelos. Un punto de partida práctico:

Necesidad	Prueba
Programación y razonamiento cotidianos	`claude-sonnet-5`, `gpt-5.6-sol`
Documentos largos o repositorios completos	`deepseek-v4-pro`, `kimi-k3`
Alto volumen a bajo coste	`deepseek-v4-flash`, `gemini-2.5-flash-lite`
Programación agéntica	`glm-5.3`, `claude-opus-5`

Transmite la respuesta en streaming

Establece stream: true para recibir los tokens a medida que se producen:

stream = client.chat.completions.create(
    model="gemini-2.5-flash",
    messages=[{"role": "user", "content": "Write a haiku about routing."}],
    stream=True,
)

for chunk in stream:
    print(chunk.choices[0].delta.content or "", end="", flush=True)

Cada fragmento lleva un delta parcial en lugar de un mensaje completo.

Llama a tus propias funciones

Pasa definiciones de herramientas y el modelo decide cuándo invocarlas:

tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "Current weather for a city",
        "parameters": {
            "type": "object",
            "properties": {"city": {"type": "string"}},
            "required": ["city"],
        },
    },
}]

response = client.chat.completions.create(
    model="claude-sonnet-5",
    messages=[{"role": "user", "content": "What is the weather in Paris?"}],
    tools=tools,
)

print(response.choices[0].message.tool_calls)

Para completar el bucle, añade el mensaje del asistente, luego un mensaje por resultado de herramienta identificado por tool_call_id, y envía todo el hilo de vuelta.

Cuando se activa una herramienta, finish_reason es tool_calls, no stop. El código que solo comprueba stop ignorará la llamada silenciosamente.

La llamada a herramientas es una capacidad del modelo, no de Flatkey. Las familias GPT, Claude, Gemini, Qwen, DeepSeek y GLM la admiten. Los modelos de imagen, vídeo y audio ignoran un array tools.

Fuerza un formato JSON

Usa response_format cuando necesites parsear la respuesta:

response = client.chat.completions.create(
    model="gpt-5.6-sol",
    messages=[{"role": "user", "content": "Extract the city and country."}],
    response_format={
        "type": "json_schema",
        "json_schema": {
            "name": "location",
            "strict": True,
            "schema": {
                "type": "object",
                "properties": {"city": {"type": "string"}, "country": {"type": "string"}},
                "required": ["city", "country"],
                "additionalProperties": False,
            },
        },
    },
)

{"type": "json_object"} también funciona cuando solo necesitas JSON válido sin un esquema fijo.

Lee el uso de tokens

Cada respuesta incluye los recuentos que se te facturan:

"usage": {
  "prompt_tokens": 28,
  "completion_tokens": 22,
  "total_tokens": 50
}

Las distintas familias de modelos tokenizan de forma diferente, por lo que el mismo texto cuesta un número diferente de tokens en distintos modelos. Usa usage en lugar de estimar a partir del recuento de caracteres. El coste por solicitud también aparece en los registros de uso.

Solución de problemas

No available channel for model ... Ese modelo no es enrutable en este momento. Elige otro id de /v1/models. Reintentar con el mismo modelo no resuelve esto. La respuesta se corta a mitad de frase finish_reason es length. Aumenta max_tokens. Las llamadas a herramientas nunca se activan Confirma que el modelo admite herramientas y comprueba que tool_choice no esté establecido en none.

Inicio rápido

Código

Herramientas de IA populares

Generación de medios

Modelos populares

Panel

Referencia

Generar texto con Flatkey

Sin necesidad de reescribir

Una clave, todos los modelos

Haz tu primera llamada

Elige un modelo

Transmite la respuesta en streaming

Llama a tus propias funciones

Fuerza un formato JSON

Lee el uso de tokens

Solución de problemas

Próximos pasos

Referencia de la API

Guía del SDK de OpenAI

Sin necesidad de reescribir

Una clave, todos los modelos

​Haz tu primera llamada

​Elige un modelo

​Transmite la respuesta en streaming

​Llama a tus propias funciones

​Fuerza un formato JSON

​Lee el uso de tokens

​Solución de problemas

​Próximos pasos

Referencia de la API

Guía del SDK de OpenAI

Haz tu primera llamada

Elige un modelo

Transmite la respuesta en streaming

Llama a tus propias funciones

Fuerza un formato JSON

Lee el uso de tokens

Solución de problemas

Próximos pasos