Files API dan PDF

Files API yang kompatibel dengan OpenAI untuk mengunggah, membaca, dan menghapus file. Setiap operasi memerlukan API key; file hanya dapat diakses oleh akun klien yang sama yang mengunggahnya.

Kirim multipart/form-data dengan kolom file dan purpose yang wajib. Tujuan yang diizinkan: assistants, batch, fine-tune, vision, dan user_data. Ukuran file maksimum 50 MiB (52 428 800 byte); jika melebihi akan mengembalikan 413.

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

Unggahan mengembalikan objek file dengan id buram, name, size, purpose, dan waktu pembuatan. GET tanpa /content mengembalikan metadata ini; GET /content mengunduh byte mentah. Setelah DELETE berhasil, kedua GET mengembalikan 404. File milik akun lain yang sudah ada mengembalikan 403, dan pengenal yang tidak dikenal mengembalikan 404.

1. Unggah file dan simpan hanya file_id yang dikembalikan.
2. Verifikasi metadata dengan kunci yang sama; saat bekerja dengan Responses, kirimkan id ini di input_file.file_id.
3. Jangan mengunggah secret dan hapus file setelah selesai. File yang dihapus tidak dapat dipulihkan.

Setiap model teks menerima PDF dalam ketiga format API. Singkatnya: kirim file dengan salah satu dari tiga cara di bawah ini — secara default kami mengekstrak teksnya secara gratis dan meneruskannya ke model. Model membaca teks dan tabel, tetapi tidak membaca gambar di dalam PDF atau hasil pemindaian. Jika gambar, tata letak, atau hasil pemindaian penting, pilih model dari tabel di bawah dan nonaktifkan ekstraksi teks. Semua yang ada di halaman ini telah diverifikasi dengan permintaan langsung pada November 2, 2026, menggunakan PDF tiga halaman yang berisi teks, tabel, dan gambar.

Tiga cara mengirim PDF

Contoh siap dijalankan

Key dibaca dari variabel lingkungan GETVIBE_API_KEY. Contoh Python menggunakan SDK resmi openai dan anthropic tanpa perubahan — hanya alamatnya yang berbeda.

/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"}

Secara default, teks diekstrak. Kami mengambil lapisan teks PDF dan meneruskannya ke model, bukan filenya. Ini gratis dan berfungsi dengan model apa pun, bahkan model yang tidak mendukung PDF. Model melihat kata dan angka, termasuk tabel (tanpa garis batas, tetapi dengan nilai yang tepat). Yang tidak dilihatnya: gambar, bagan, stempel, tanda tangan, warna, dan tata letak. Hingga 60,000 karakter teks per permintaan diteruskan (sekitar 28 halaman padat); sisanya dipotong dan model diberi tahu bahwa dokumen telah dipangkas. Header respons x-pv-document-shim menunjukkan apa yang terjadi: applied:text_extracted berarti model menerima teks, not-needed:lane_reads_pdf berarti model menerima file itu sendiri.

File itu sendiri. Agar model dapat melihat seluruh halaman, termasuk gambar dan tata letaknya, tambahkan "plugins":[{"id":"documents","enabled":false}] ke isi permintaan (header kemudian akan menampilkan not-needed:disabled_by_client). Lakukan ini hanya dengan model yang ditandai "yes" dalam tabel: model lainnya merespons 400 atau menyatakan tidak melihat file, dan token input file tetap dikenai biaya.

# 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}]},
)

Cara kami menguji: model diminta menyebutkan satu kata dari halaman 1, angka dari sel tabel, dan mendeskripsikan gambar (bentuk, warna, dan angka yang digambar sebagai gambar). "Text" berarti model menyebutkan kata dan angka dengan benar serta mengatakan bahwa model tidak dapat melihat gambar. "Yes" berarti model juga mendeskripsikan gambar dengan benar. Kirim PDF ke model GPT, Gemini, dan Qwen melalui /v1/chat/completions atau /v1/responses: pada /v1/messages model-model tersebut tidak melihat file itu sendiri.

Cara token dihitung. PDF dikenai biaya sebagai token input biasa dari model yang dipilih sesuai harganya; tidak ada biaya terpisah untuk file atau ekstraksi teks. Perkiraan biayanya (diukur, termasuk pertanyaan singkat):

• Teks yang diekstrak: sekitar 700 token per halaman teks padat (10 halaman — 7,300 token; 40 halaman dipangkas hingga 60,000 karakter — 20,300 token). Halaman dengan tabel pendek — 100–200 token.
• File itu sendiri pada model GPT: sekitar 600–700 token per halaman (10 halaman — 5,900; 40 — 23,300); pada gemini-4-argon sekitar 1,200 per halaman; pada Claude sekitar 1,600 per halaman. Halaman hasil pemindaian pada gpt-6.1-sol — sekitar 5,800 token.
• Dokumen yang sama akan menggunakan cache jika bagian awal permintaan tidak berubah: permintaan kedua dengan file_id yang sama membaca 7,168 dari 7,309 token dari cache.

Waktu. Ekstraksi teks memerlukan waktu sepersekian detik; jawaban tentang dokumen 40 halaman diterima dalam 4–12 detik. Untuk dokumen besar dan jawaban panjang, gunakan stream: true dan atur batas waktu klien setidaknya 300 detik.

• Perlu menggunakan dokumen dalam beberapa permintaan? Unggah sekali dan teruskan file_id: ukuran permintaan lebih kecil, dan awalan yang berulang disimpan dalam cache dengan biaya lebih rendah.
• Letakkan PDF dan instruksi tetap di awal pesan, lalu pertanyaan yang berubah-ubah di bagian akhir: dengan begitu, cache lebih sering digunakan.
• Pisahkan dokumen yang lebih panjang dari ~28 halaman padat berdasarkan bab: dengan ekstraksi teks, apa pun yang melebihi 60,000 karakter tidak akan pernah sampai ke model.
• Untuk kontrak, laporan, dan ekspor yang memiliki lapisan teks, ekstraksi teks sudah cukup — opsi termurah pada model apa pun, termasuk deepseek-v4.1-flash.
• Perlu bagan, stempel, atau hasil pemindaian? Nonaktifkan ekstraksi dan gunakan model yang ditandai "yes" dalam tabel, misalnya gpt-6.1-sol.
• Teks non-Latin (Rusia, Mandarin, dan lainnya) dalam PDF dibaca tanpa pengaturan apa pun. Hapus kata sandi dari PDF sebelum mengirimkannya.
• Hapus file yang diunggah dengan DELETE /v1/files/{file_id} setelah Anda tidak lagi membutuhkannya.