> ## Documentation Index
> Fetch the complete documentation index at: https://docs.flatkey.ai/llms.txt
> Use this file to discover all available pages before exploring further.
# Generar texto con Flatkey
> Llama a cualquier modelo de chat a través de un único endpoint. Cubre la elección de modelo, streaming, llamada a herramientas, salidas estructuradas y lectura del uso de tokens.
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.
Mantén tu código de solicitud existente y apunta `base_url` a `https://router.flatkey.ai/v1`.
Cambia de modelo modificando el campo `model`. Nada más cambia.
## Haz tu primera llamada
```python Python theme={"dark"}
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)
```
```typescript TypeScript theme={"dark"}
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);
```
```bash cURL theme={"dark"}
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:
```bash theme={"dark"}
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](https://flatkey.ai/models).
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:
```python theme={"dark"}
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:
```python theme={"dark"}
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:
```python theme={"dark"}
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:
```json theme={"dark"}
"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](/es/dashboard/usage).
## 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`.
## Próximos pasos
Todos los parámetros y campos de respuesta.
Integra Flatkey en un proyecto OpenAI existente.