> ## 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.
# Hasilkan teks dengan Flatkey
> Panggil model obrolan apa pun melalui satu endpoint. Mencakup pilihan model, streaming, pemanggilan alat, output terstruktur, dan pembacaan penggunaan token.
Base URL: `https://router.flatkey.ai`
Pembuatan teks berjalan melalui `POST /v1/chat/completions`, yang sesuai persis dengan OpenAI Chat Completions API. Klien apa pun yang kompatibel dengan OpenAI dapat digunakan setelah Anda mengubah base URL.
Pertahankan kode permintaan Anda yang ada dan arahkan `base_url` ke `https://router.flatkey.ai/v1`.
Ganti model dengan mengubah kolom `model`. Tidak ada yang berubah selain itu.
## Lakukan panggilan pertama Anda
```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." }
]
}'
```
## Pilih model
Daftarkan semua yang dapat dijangkau akun Anda dan simpan model teks:
```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'
```
Jelajahi daftar yang sama dengan harga, panjang konteks, dan latensi di [direktori model](https://flatkey.ai/models).
Titik awal yang praktis:
| Kebutuhan | Coba |
| --------------------------------------- | -------------------------------------------- |
| Pengkodean dan penalaran sehari-hari | `claude-sonnet-5`, `gpt-5.6-sol` |
| Dokumen panjang atau seluruh repositori | `deepseek-v4-pro`, `kimi-k3` |
| Volume tinggi dengan biaya rendah | `deepseek-v4-flash`, `gemini-2.5-flash-lite` |
| Pengkodean agentik | `glm-5.3`, `claude-opus-5` |
## Streaming respons
Atur `stream: true` untuk menerima token saat diproduksi:
```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)
```
Setiap potongan membawa `delta` parsial, bukan pesan lengkap.
## Panggil fungsi Anda sendiri
Berikan definisi alat dan model memutuskan kapan akan memanggilnya:
```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)
```
Untuk menyelesaikan loop, tambahkan pesan asisten, lalu satu pesan per hasil alat yang dikunci oleh `tool_call_id`, dan kirim seluruh thread kembali.
Ketika sebuah alat dijalankan, `finish_reason` adalah `tool_calls`, bukan `stop`. Kode yang hanya memeriksa `stop` akan melewatkan panggilan tersebut secara diam-diam.
Pemanggilan alat adalah kemampuan model, bukan kemampuan Flatkey. Keluarga GPT, Claude, Gemini, Qwen, DeepSeek, dan GLM mendukungnya. Model gambar, video, dan ucapan mengabaikan array `tools`.
## Paksa bentuk JSON
Gunakan `response_format` saat Anda perlu mengurai jawabannya:
```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"}` juga berfungsi ketika Anda hanya membutuhkan JSON yang valid tanpa skema tetap.
## Baca penggunaan token
Setiap respons membawa jumlah yang menjadi dasar tagihan Anda:
```json theme={"dark"}
"usage": {
"prompt_tokens": 28,
"completion_tokens": 22,
"total_tokens": 50
}
```
Keluarga model yang berbeda melakukan tokenisasi secara berbeda, sehingga teks yang sama membutuhkan jumlah token yang berbeda pada model yang berbeda. Gunakan `usage` daripada memperkirakan dari jumlah karakter. Biaya per permintaan juga muncul di [Log penggunaan](/id/dashboard/usage).
## Pemecahan masalah
**`No available channel for model ...`**
Model tersebut tidak dapat dirutekan saat ini. Pilih id lain dari `/v1/models`. Mencoba ulang model yang sama tidak akan menyelesaikan masalah ini.
**Respons berhenti di tengah kalimat**
`finish_reason` adalah `length`. Naikkan nilai `max_tokens`.
**Pemanggilan alat tidak pernah terjadi**
Konfirmasi bahwa model mendukung alat, dan pastikan `tool_choice` tidak diatur ke `none`.
## Langkah berikutnya
Setiap parameter dan kolom respons.
Integrasikan Flatkey ke dalam proyek OpenAI yang sudah ada.