Files API et PDF

API Files compatible avec OpenAI pour téléverser, lire et supprimer des fichiers. Chaque opération nécessite une clé API ; un fichier n’est accessible qu’au même compte client que celui qui l’a téléversé.

Envoyez multipart/form-data avec les champs file et purpose requis. Usages autorisés : assistants, batch, fine-tune, vision et user_data. La taille maximale du fichier est de 50 MiB (52 428 800 octets) ; son dépassement renvoie 413.

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

Le téléversement renvoie un objet file avec un id opaque, le nom, la taille, le purpose et l’heure de création. GET sans /content renvoie ces métadonnées ; GET /content télécharge les octets bruts. Après un DELETE réussi, les deux requêtes GET renvoient 404. Le fichier existant d’un autre compte renvoie 403, et un identifiant inconnu renvoie 404.

1. Téléversez le fichier et conservez uniquement le file_id renvoyé.
2. Vérifiez les métadonnées avec la même clé ; lorsque vous utilisez Responses, transmettez cet identifiant dans input_file.file_id.
3. Ne téléversez pas de secrets et supprimez le fichier une fois terminé. Un fichier supprimé ne peut pas être restauré.

Tous les modèles de texte acceptent les PDF dans les trois formats d’API. En bref : envoyez le fichier de l’une des trois manières ci-dessous ; par défaut, nous en extrayons gratuitement le texte et le transmettons au modèle. Le modèle lit le texte et les tableaux, mais pas les images contenues dans le PDF ni les scans. Lorsque les images, la mise en page ou un scan sont importants, choisissez un modèle dans le tableau ci-dessous et désactivez l’extraction de texte. Tout ce qui figure sur cette page a été vérifié au moyen de requêtes en direct le November 2, 2026, à l’aide d’un PDF de trois pages contenant du texte, un tableau et une image.

Trois façons d’envoyer un PDF

Exemples prêts à l’emploi

La clé est lue depuis la variable d’environnement GETVIBE_API_KEY. Les exemples Python utilisent tels quels les SDK officiels openai et anthropic — seule l’adresse diffère.

/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"}

Par défaut, le texte extrait. Nous récupérons la couche de texte du PDF et la transmettons au modèle à la place du fichier. C’est gratuit et cela fonctionne avec tous les modèles, même ceux qui ne prennent pas en charge les PDF. Le modèle voit les mots et les nombres, y compris les tableaux (sans bordures, mais avec les bonnes valeurs). Ce qu’il ne voit pas : les images, les graphiques, les tampons, les signatures, les couleurs et la mise en page. Jusqu’à 60,000 caractères de texte par requête sont transmis (environ 28 pages denses) ; le reste est coupé et le modèle est averti que le document a été tronqué. L’en-tête de réponse x-pv-document-shim indique ce qui s’est passé : applied:text_extracted signifie que le modèle a reçu le texte, not-needed:lane_reads_pdf qu’il a reçu le fichier lui-même.

Le fichier lui-même. Pour que le modèle voie les pages entières, avec les images et la mise en page, ajoutez "plugins":[{"id":"documents","enabled":false}] au corps de la requête (l’en-tête indique alors not-needed:disabled_by_client). Faites-le uniquement avec les modèles marqués « yes » dans le tableau : les autres répondent 400 ou indiquent qu’ils ne voient aucun fichier, et les jetons d’entrée du fichier sont tout de même facturés.

# 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}]},
)

Méthode de test : il a été demandé au modèle de trouver un mot à la page 1, un nombre dans une cellule du tableau et de décrire une image (formes, couleurs et nombre représenté sous forme d’image). « Text » signifie qu’il a correctement indiqué le mot et le nombre et précisé qu’il ne pouvait pas voir l’image. « Yes » signifie qu’il a également correctement décrit l’image. Envoyez des PDF aux modèles GPT, Gemini et Qwen via /v1/chat/completions ou /v1/responses : sur /v1/messages, ils ne voient pas le fichier lui-même.

Comment les jetons sont comptabilisés. Un PDF est facturé comme des jetons d’entrée ordinaires du modèle choisi, au tarif de celui-ci ; il n’y a pas de frais distincts pour le fichier ou l’extraction de texte. Voici le résultat (mesuré avec une courte question incluse) :

• Texte extrait : environ 700 jetons par page dense de texte (10 pages — 7,300 jetons ; 40 pages tronquées à 60,000 caractères — 20,300 jetons). Une page avec un petit tableau — 100–200 jetons.
• Le fichier lui-même sur les modèles GPT : environ 600–700 tokens par page (10 pages — 5,900 ; 40 — 23,300) ; sur gemini-4-argon, environ 1,200 par page ; sur Claude, environ 1,600 par page. Une page numérisée sur gpt-6.1-sol — environ 5,800 tokens.
• La répétition du même document utilise le cache lorsque le début de la requête ne change pas : lors d’une deuxième requête avec le même file_id, 7,168 jetons sur 7,309 ont été lus depuis le cache.

Durée. L’extraction de texte prend une fraction de seconde ; une réponse sur un document de 40 pages est arrivée en 4–12 secondes. Pour les documents volumineux et les réponses longues, utilisez stream: true et définissez le délai d’expiration du client à au moins 300 secondes.

• Vous devez utiliser le document dans plusieurs requêtes ? Téléversez-le une fois et transmettez le file_id : la requête est plus petite et le préfixe répété est mis en cache, ce qui réduit le coût.
• Placez le PDF et les instructions permanentes au début du message, et la question qui change à la fin : le cache sera ainsi utilisé plus souvent.
• Divisez les documents de plus d’environ 28 pages denses par chapitre : avec l’extraction de texte, tout ce qui dépasse 60,000 caractères ne parvient jamais au modèle.
• Pour les contrats, les rapports et les exports comportant une couche de texte, l’extraction de texte suffit : c’est l’option la moins coûteuse avec n’importe quel modèle, y compris deepseek-v4.1-flash.
• Vous avez besoin de graphiques, de tampons ou de scans ? Désactivez l’extraction et utilisez un modèle marqué « yes » dans le tableau, par exemple gpt-6.1-sol.
• Les textes non latins (russe, chinois et autres) contenus dans un PDF sont lus sans aucun réglage. Supprimez le mot de passe du PDF avant de l’envoyer.
• Supprimez les fichiers téléversés avec DELETE /v1/files/{file_id} dès que vous n’en avez plus besoin.