Files API und PDFs

OpenAI-kompatible Files API zum Hochladen, Lesen und Löschen von Dateien. Für jeden Vorgang ist ein API-Schlüssel erforderlich; eine Datei ist nur für dasselbe Clientkonto zugänglich, das sie hochgeladen hat.

Senden Sie multipart/form-data mit den erforderlichen Feldern file und purpose. Zulässige Zwecke: assistants, batch, fine-tune, vision und user_data. Die maximale Dateigröße beträgt 50 MiB (52 428 800 Bytes); bei Überschreitung wird 413 zurückgegeben.

curl -X POST https://getvibeapi.com/v1/files \
  -H "Authorization: Bearer $GETVIBE_API_KEY" \
  -F "purpose=user_data" \
  -F "file=@./report.pdf"

Der Upload gibt ein file-Objekt mit einem undurchsichtigen id, Namen, Größe, Zweck und Erstellungszeitpunkt zurück. GET ohne /content gibt diese Metadaten zurück; GET /content lädt die Rohdaten herunter. Nach einem erfolgreichen DELETE geben beide GET-Anfragen 404 zurück. Die vorhandene Datei eines anderen Kontos gibt 403 zurück, eine unbekannte Kennung 404.

1. Laden Sie die Datei hoch und behalten Sie nur das zurückgegebene file_id.
2. Verifizieren Sie die Metadaten mit demselben Schlüssel; bei der Verwendung von Responses übergeben Sie diese ID in input_file.file_id.
3. Laden Sie keine Geheimnisse hoch und löschen Sie die Datei, nachdem Sie fertig sind. Eine gelöschte Datei kann nicht wiederhergestellt werden.

Jedes Textmodell akzeptiert PDFs in allen drei API-Formaten. Kurz gesagt: Senden Sie die Datei auf eine der drei folgenden Arten – standardmäßig extrahieren wir kostenlos den Text und übergeben ihn an das Modell. Das Modell liest den Text und die Tabellen, aber nicht die Bilder im PDF oder Scans. Wenn Bilder, Layout oder ein Scan wichtig sind, wählen Sie ein Modell aus der folgenden Tabelle und deaktivieren Sie die Textextraktion. Alles auf dieser Seite wurde am 2. November 2026 mit Live-Anfragen und einem dreiseitigen PDF mit Text, einer Tabelle und einem Bild überprüft.

Drei Möglichkeiten, ein PDF zu senden

Sofort ausführbare Beispiele

Der Schlüssel wird aus der Umgebungsvariable GETVIBE_API_KEY gelesen. Die Python-Beispiele verwenden unverändert die offiziellen SDKs openai und anthropic – nur die Adresse unterscheidet sich.

/v1/chat/completions

# PDF inline (base64); jq builds the body so a large file does not hit the command-line length limit
# macOS: replace base64 -w0 report.pdf with base64 -i report.pdf
jq -n --rawfile b64 <(base64 -w0 report.pdf) '{model: "deepseek-v4.1-flash", messages: [{role: "user", content: [
    {type: "text", text: "Summarise the document"},
    {type: "file", file: {filename: "report.pdf", file_data: ("data:application/pdf;base64," + $b64)}}]}]}' |
curl https://getvibeapi.com/v1/chat/completions \
  -H "Authorization: Bearer $GETVIBE_API_KEY" -H "Content-Type: application/json" -d @-

/v1/responses

# FILE_ID comes from the upload, see the "curl · file_id" tab above
curl https://getvibeapi.com/v1/responses \
  -H "Authorization: Bearer $GETVIBE_API_KEY" -H "Content-Type: application/json" \
  -d '{"model":"gpt-6.1-sol","input":[{"role":"user","content":[
    {"type":"input_text","text":"What were the sales in Kazan in August?"},
    {"type":"input_file","file_id":"'"$FILE_ID"'"}]}]}'
# base64 instead of file_id:
#   {"type":"input_file","filename":"report.pdf","file_data":"data:application/pdf;base64,…"}

/v1/messages

curl https://getvibeapi.com/v1/messages \
  -H "x-api-key: $GETVIBE_API_KEY" -H "anthropic-version: 2023-06-01" -H "Content-Type: application/json" \
  -d '{"model":"claude-sonnet-5.5","max_tokens":1024,"messages":[{"role":"user","content":[
    {"type":"document","source":{"type":"file","file_id":"'"$FILE_ID"'"}},
    {"type":"text","text":"Summarise the document"}]}]}'
# other sources:
#   "source":{"type":"base64","media_type":"application/pdf","data":"<base64>"}
#   "source":{"type":"url","url":"https://example.com/report.pdf"}

Standardmäßig wird der extrahierte Text verwendet. Wir übernehmen die Textebene des PDF und übergeben sie statt der Datei an das Modell. Das ist kostenlos und funktioniert mit jedem Modell, auch mit solchen ohne PDF-Unterstützung. Das Modell sieht Wörter und Zahlen, einschließlich Tabellen (ohne Rahmen, aber mit den richtigen Werten). Was es nicht sieht: Bilder, Diagramme, Stempel, Unterschriften, Farben und Layout. Pro Anfrage werden bis zu 60,000 Zeichen Text übergeben (etwa 28 dicht bedruckte Seiten); der Rest wird abgeschnitten und das Modell darüber informiert, dass das Dokument gekürzt wurde. Der Antwort-Header x-pv-document-shim gibt an, was passiert ist: applied:text_extracted bedeutet, dass das Modell den Text erhalten hat, not-needed:lane_reads_pdf bedeutet, dass es die Datei selbst erhalten hat.

Die Datei selbst. Damit das Modell ganze Seiten einschließlich Bildern und Layout sieht, fügen Sie "plugins":[{"id":"documents","enabled":false}] in den Anfragetext ein (der Header lautet dann not-needed:disabled_by_client). Verwenden Sie dies nur mit Modellen, die in der Tabelle mit „yes“ gekennzeichnet sind: Die anderen antworten mit 400 oder geben an, dass sie keine Datei sehen, und die Eingabe-Tokens der Datei werden trotzdem abgerechnet.

# curl: add the field to the request body
"plugins": [{"id": "documents", "enabled": false}]

# Python (openai SDK)
r = client.chat.completions.create(
    model="gpt-6.1-sol",
    messages=[...],
    extra_body={"plugins": [{"id": "documents", "enabled": False}]},
)

So haben wir getestet: Das Modell wurde nach einem Wort auf Seite 1, einer Zahl aus einer Tabellenzelle und einer Beschreibung eines Bildes gefragt (Formen, Farben und eine als Bild dargestellte Zahl). „Text“ bedeutet, dass es das Wort und die Zahl korrekt nannte und angab, das Bild nicht sehen zu können. „Yes“ bedeutet, dass es auch das Bild korrekt beschrieb. Senden Sie PDFs über /v1/chat/completions oder /v1/responses an GPT-, Gemini- und Qwen-Modelle: auf /v1/messages sehen sie die Datei selbst nicht.

So werden Tokens gezählt. Ein PDF wird als gewöhnliche Eingabe-Tokens des gewählten Modells zu dessen Preis abgerechnet; für die Datei oder die Textextraktion fällt keine separate Gebühr an. Das ergibt sich (gemessen einschließlich einer kurzen Frage) wie folgt:

• Extrahierter Text: ungefähr 700 Tokens pro dicht bedruckter Textseite (10 Seiten — 7,300 Tokens; 40 Seiten, auf 60,000 Zeichen gekürzt — 20,300 Tokens). Eine Seite mit einer kleinen Tabelle — 100–200 Tokens.
• Die Datei selbst auf GPT-Modellen: etwa 600–700 Tokens pro Seite (10 Seiten – 5,900; 40 – 23,300); auf gemini-4-argon etwa 1,200 pro Seite; auf Claude etwa 1,600 pro Seite. Eine gescannte Seite auf gpt-6.1-sol – etwa 5,800 Tokens.
• Bei Wiederholung desselben Dokuments wird der Cache genutzt, wenn sich der Anfang der Anfrage nicht ändert: Eine zweite Anfrage mit demselben file_id las 7,168 von 7,309 Tokens aus dem Cache.

Dauer. Die Textextraktion dauert einen Bruchteil einer Sekunde; eine Antwort zu einem 40-seitigen Dokument kam nach 4–12 Sekunden zurück. Verwenden Sie für große Dokumente und lange Antworten stream: true und setzen Sie das Client-Timeout auf mindestens 300 Sekunden.

• Benötigen Sie das Dokument in mehreren Anfragen? Laden Sie es einmal hoch und übergeben Sie file_id: Die Anfrage ist kleiner, und das wiederholte Präfix wird zwischengespeichert und kostet weniger.
• Setzen Sie das PDF und die dauerhaften Anweisungen an den Anfang der Nachricht und die veränderliche Frage ans Ende: So wird der Cache häufiger genutzt.
• Teilen Sie Dokumente mit mehr als etwa 28 dicht bedruckten Seiten kapitelweise auf: Bei aktivierter Textextraktion erreichen Inhalte jenseits von 60,000 Zeichen das Modell nie.
• Bei Verträgen, Berichten und Exporten mit einer Textebene genügt die Textextraktion – die günstigste Option mit jedem Modell, einschließlich deepseek-v4.1-flash.
• Benötigen Sie Diagramme, Stempel oder Scans? Deaktivieren Sie die Extraktion und verwenden Sie ein in der Tabelle mit „yes“ gekennzeichnetes Modell, zum Beispiel gpt-6.1-sol.
• Nicht-lateinischer Text (Russisch, Chinesisch und andere Sprachen) in einem PDF wird ohne besondere Einstellungen gelesen. Entfernen Sie vor dem Senden das Passwort aus einem PDF.
• Löschen Sie hochgeladene Dateien mit DELETE /v1/files/{file_id}, sobald Sie sie nicht mehr benötigen.