Générer du texte avec Flatkey

Base URL : https://router.flatkey.ai La génération de texte passe par POST /v1/chat/completions, qui correspond exactement à l’API OpenAI Chat Completions. Tout client compatible OpenAI fonctionne après avoir changé la base URL.

Aucune réécriture nécessaire

Conservez votre code de requête existant et faites pointer base_url vers https://router.flatkey.ai/v1.

Une clé, tous les modèles

Changez de modèle en modifiant le champ model. Rien d’autre ne change.

Effectuer votre premier appel

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." }
    ]
  }'

Choisir un modèle

Listez tout ce que votre compte peut atteindre et conservez les modèles de texte :

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

Parcourez la même liste avec les tarifs, la longueur du contexte et la latence dans le répertoire des modèles. Un point de départ pratique :

Besoin	Essayez
Code et raisonnement au quotidien	`claude-sonnet-5`, `gpt-5.6-sol`
Longs documents ou dépôts entiers	`deepseek-v4-pro`, `kimi-k3`
Volume élevé à faible coût	`deepseek-v4-flash`, `gemini-2.5-flash-lite`
Code agentique	`glm-5.3`, `claude-opus-5`

Streamer la réponse

Définissez stream: true pour recevoir les tokens au fur et à mesure qu’ils sont produits :

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)

Chaque chunk contient un delta partiel au lieu d’un message complet.

Appeler vos propres fonctions

Passez des définitions d’outils et le modèle décide quand les invoquer :

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)

Pour terminer la boucle, ajoutez le message de l’assistant, puis un message par résultat d’outil identifié par tool_call_id, et renvoyez l’intégralité du fil.

Lorsqu’un outil se déclenche, finish_reason vaut tool_calls, et non stop. Un code qui vérifie uniquement stop ignorera silencieusement l’appel.

L’appel d’outils est une capacité du modèle, pas de Flatkey. Les familles GPT, Claude, Gemini, Qwen, DeepSeek et GLM le supportent. Les modèles d’image, de vidéo et de parole ignorent un tableau tools.

Forcer un format JSON

Utilisez response_format lorsque vous devez analyser la réponse :

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"} fonctionne également lorsque vous avez seulement besoin d’un JSON valide sans schéma fixe.

Lire l’usage en tokens

Chaque réponse contient les comptages sur lesquels vous êtes facturé :

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

Les différentes familles de modèles tokenisent différemment, donc le même texte coûte un nombre différent de tokens selon les modèles. Utilisez usage plutôt que d’estimer à partir du nombre de caractères. Le coût par requête apparaît également dans les journaux d’utilisation.

Dépannage

No available channel for model ... Ce modèle n’est pas routable pour l’instant. Choisissez un autre identifiant dans /v1/models. Relancer la même requête avec le même modèle ne résout pas ce problème. La réponse s’arrête en milieu de phrase finish_reason vaut length. Augmentez max_tokens. Les appels d’outils ne se déclenchent jamais Vérifiez que le modèle supporte les outils, et assurez-vous que tool_choice n’est pas défini à none.

Démarrage rapide

Code

Outils d'IA courants

Génération de médias

Modèles populaires

Tableau de bord

Référence

Générer du texte avec Flatkey

Aucune réécriture nécessaire

Une clé, tous les modèles

Effectuer votre premier appel

Choisir un modèle

Streamer la réponse

Appeler vos propres fonctions

Forcer un format JSON

Lire l’usage en tokens

Dépannage

Étapes suivantes

Référence API

Guide du SDK OpenAI

Aucune réécriture nécessaire

Une clé, tous les modèles

​Effectuer votre premier appel

​Choisir un modèle

​Streamer la réponse

​Appeler vos propres fonctions

​Forcer un format JSON

​Lire l’usage en tokens

​Dépannage

​Étapes suivantes

Référence API

Guide du SDK OpenAI

Effectuer votre premier appel

Choisir un modèle

Streamer la réponse

Appeler vos propres fonctions

Forcer un format JSON

Lire l’usage en tokens

Dépannage

Étapes suivantes