Files APIとPDF

ファイルのアップロード、読み取り、削除のための OpenAI 互換 Files API。すべての操作に API キーが必要です。ファイルには、アップロードした同じクライアントアカウントからのみアクセスできます。

multipart/form-data に必須の file フィールドと purpose フィールドを付けて送信します。許可される purpose は assistants、batch、fine-tune、vision、user_data です。最大ファイルサイズは 50 MiB（52 428 800 バイト）で、超過すると 413 が返ります。

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

アップロードは不透明な file、name、size、purpose、作成時刻を持つ id オブジェクトを返します。/content なしの GET はこのメタデータを返し、/content 付きの GET は生のバイトをダウンロードします。DELETE が成功した後は、どちらの GET も 404 を返します。別アカウントの既存ファイルは 403、不明な識別子は 404 を返します。

1. ファイルをアップロードし、返された file_id のみを保持します。
2. 同じキーでメタデータを検証します。Responses を扱う場合は、この id を input_file.file_id で渡してください。
3. シークレットをアップロードせず、作業が終わったらファイルを削除してください。削除されたファイルは復元できません。

すべてのテキストモデルは、3つのAPI形式すべてでPDFを受け付けます。要点は次のとおりです。以下のいずれかの方法でファイルを送信すると、デフォルトではテキストが無料で抽出され、モデルに渡されます。モデルはテキストと表を読み取りますが、PDF内の画像やスキャンは読み取れません。画像、レイアウト、スキャンが重要な場合は、以下の表からモデルを選び、テキスト抽出をオフにしてください。このページの内容はすべて、2026年11月2日に、テキスト、表、画像を含む3ページのPDFを使った実際のリクエストで検証済みです。

PDFを送信する3つの方法

すぐに実行できる例

キーはGETVIBE_API_KEY環境変数から読み込まれます。Pythonの例では、公式のopenaiとanthropic SDKをそのまま使用し、アドレスだけが異なります。

/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"}

デフォルトでは、抽出したテキストを使用します。 PDFのテキストレイヤーを取り出し、ファイルの代わりにモデルへ渡します。これは無料で、PDFに対応していないモデルを含む、あらゆるモデルで利用できます。モデルには、表（罫線はありませんが、値は正しく保持されます）を含め、単語と数値が表示されます。一方、表示されないものは、画像、グラフ、スタンプ、署名、色、レイアウトです。1リクエストにつき最大60,000文字（高密度のページ約28ページ分）のテキストが渡され、それ以降は切り捨てられ、ドキュメントが途中で切れていることがモデルに通知されます。x-pv-document-shimレスポンスヘッダーで処理内容を確認できます。applied:text_extractedはモデルにテキストが渡されたことを、not-needed:lane_reads_pdfはファイル自体が渡されたことを示します。

ファイル自体。 画像やレイアウトを含むページ全体をモデルに見せるには、リクエストボディに"plugins":[{"id":"documents","enabled":false}]を追加します（ヘッダーはnot-needed:disabled_by_clientになります）。表で「yes」と示されたモデルでのみ使用してください。それ以外のモデルは400を返すか、ファイルが見えないと応答します。また、ファイルの入力トークンは引き続き課金されます。

# 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}]},
)

テスト方法：モデルに、1ページ目の単語、表のセルの数値、画像の説明（形、色、画像として描かれた数値）を求めました。「Text」は、単語と数値を正しく答え、画像は見えないと回答したことを意味します。「Yes」は、画像も正しく説明できたことを意味します。/v1/chat/completionsまたは/v1/responses経由で、GPT、Gemini、QwenモデルにPDFを送信できます。/v1/messagesでは、これらのモデルはファイル自体を読み取れません。

トークンの数え方。 PDFは選択したモデルの通常の入力トークンとして、その料金で課金されます。ファイルやテキスト抽出に別料金はかかりません。料金の目安（短い質問を含む実測値）は次のとおりです。

• 抽出したテキスト：高密度のテキストページあたり約700トークン（10ページで7,300トークン、40ページの場合は60,000文字に切り詰められ、20,300トークン）。短い表のあるページは100–200トークンです。
• GPTモデルでファイルそのものを処理する場合：約1ページあたり600～700トークン（10ページで5,900、40ページで23,300）。gemini-4-argonでは1ページあたり約1,200トークン、Claudeでは1ページあたり約1,600トークンです。gpt-6.1-solでスキャンしたページは約5,800トークンです。
• リクエストの先頭部分が変わらなければ、同じドキュメントの再利用時にキャッシュがヒットします。同じfile_idを使った2回目のリクエストでは、7,309トークン中7,168トークンがキャッシュから読み取られました。

所要時間。 テキスト抽出は1秒未満で完了します。40ページのドキュメントに関する回答は4–12秒で返されました。大きなドキュメントや長い回答には、stream: trueを使用し、クライアントのタイムアウトを少なくとも300秒に設定してください。

• ドキュメントを複数のリクエストで使う必要がありますか？一度アップロードしてfile_idを渡してください。リクエストが小さくなり、繰り返されるプレフィックスがキャッシュされて料金が安くなります。
• PDFと固定の指示をメッセージの先頭に、変化する質問を末尾に配置すると、キャッシュがより頻繁にヒットします。
• 高密度のページが約28ページを超えるドキュメントは、章ごとに分割してください。テキスト抽出では、60,000文字を超える部分はモデルに届きません。
• テキストレイヤーがある契約書、レポート、エクスポートデータには、テキスト抽出で十分です。deepseek-v4.1-flashを含むどのモデルでも利用でき、最も低コストな方法です。
• グラフ、スタンプ、スキャンが必要ですか？抽出をオフにし、たとえばgpt-6.1-solのように、表で「yes」と示されたモデルを使用してください。
• PDF内の非ラテン文字（ロシア語、中国語など）は、設定なしで読み取れます。送信する前にPDFのパスワードを解除してください。
• アップロードしたファイルが不要になったら、DELETE /v1/files/{file_id}で削除してください。