Files API 和 PDF

兼容 OpenAI 的 Files API，用于上传、读取和删除文件。每项操作都需要 API key；文件只能由上传该文件的同一客户端账户访问。

发送包含必需的 multipart/form-data、file 和 purpose 字段的请求。允许的用途：assistants、batch、fine-tune、vision 和 user_data。文件大小上限为 50 MiB（52 428 800 字节）；超出后返回 413。

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

上传会返回一个 file 对象，其中包含不透明的 id、名称、大小、用途和创建时间。不带 /content 的 GET 请求会返回这些元数据；GET /content 会下载原始字节。成功执行 DELETE 后，两个 GET 请求都会返回 404。其他账户已有的文件会返回 403，未知标识符会返回 404。

1. 上传文件，并仅保留返回的 file_id。
2. 使用相同的密钥验证元数据；使用 Responses 时，将此 id 传入 input_file.file_id。
3. 不要上传机密信息，并在完成后删除文件。删除的文件无法恢复。

所有文本模型都能在全部三种 API 格式中接收 PDF。简而言之：通过以下三种方式中的任意一种发送文件——默认情况下，我们会免费提取文本并将其传递给模型。模型可以读取文本和表格，但看不到 PDF 中的图片或扫描件。若图片、版式或扫描件很重要，请从下表中选择一个模型并关闭文本提取。本页所有内容均已于 November 2, 2026 通过实时请求验证，测试文件为一份包含文本、表格和图片的三页 PDF。

发送 PDF 的三种方式

可直接运行的示例

从 GETVIBE_API_KEY 环境变量读取 key。Python 示例原样使用官方 openai 和 anthropic SDK，只有地址不同。

/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"}

默认情况下，提取文本。我们会提取 PDF 的文本层，并将其传递给模型，而不是传递文件。此操作免费，且适用于任何模型，即使该模型不支持 PDF。模型可以看到文字和数字，包括表格（没有边框，但数值正确）。它看不到的内容包括：图片、图表、印章、签名、颜色和版式。每个请求最多传递 60,000 个字符的文本（约 28 页密集内容）；超出部分会被截断，并告知模型文档已被截断。x-pv-document-shim响应头会说明处理结果：applied:text_extracted表示模型收到的是文本，not-needed:lane_reads_pdf表示模型收到的是文件本身。

文件本身。若要让模型查看完整页面（包括图片和版式），请在请求正文中添加 "plugins":[{"id":"documents","enabled":false}]（此时响应头会显示 not-needed:disabled_by_client）。仅对表格中标记为“yes”的模型使用此方式：其他模型会回答 400 或表示看不到文件，但文件的输入 token 仍会计费。

# 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}]},
)

测试方法：要求模型提供第 1 页中的一个词、表格单元格中的一个数字，并描述一张图片（形状、颜色和以图像绘制的数字）。“Text”表示模型正确说出了该词和数字，并表示看不到图片。“Yes”表示模型也正确描述了图片。通过 /v1/chat/completions 或 /v1/responses 将 PDF 发送给 GPT、Gemini 和 Qwen 模型：在 /v1/messages 上，它们看不到文件本身。

Token 的计算方式。PDF 按所选模型的普通输入 token 计费，价格相同；文件本身或文本提取不另收费。以下是实际用量（包含一个简短问题）：

• 提取的文本：每页密集文本约 700 个 token（10 页 — 7,300 个 token；40 页截断至 60,000 个字符 — 20,300 个 token）。包含简短表格的页面 — 100–200 个 token。
• 在 GPT 模型上，文件本身每页约占 600–700 个 token（10 页 — 5,900；40 页 — 23,300）；在 gemini-4-argon 上，每页约占 1,200 个 token；在 Claude 上，每页约占 1,600 个 token。在 gpt-6.1-sol 上，扫描页约占 5,800 个 token。
• 只要请求开头不变，重复使用同一份文档就能命中缓存：第二个请求中，相同的 file_id 有 7,168 个 token（共 7,309 个）来自缓存。

耗时。文本提取只需不到一秒；一份 40 页文档的回答在 4–12 秒内返回。对于大型文档和较长的回答，请使用 stream: true，并将客户端超时设为至少 300 秒。

• 需要在多个请求中使用同一份文档？上传一次并传递 file_id：请求会更小，重复的前缀会被缓存，费用也更低。
• 将 PDF 和固定指令放在消息开头，将变化的问题放在末尾：这样更容易命中缓存。
• 将超过约 28 页密集内容的文档按章节拆分：使用文本提取时，超过 60,000 个字符的内容不会传递给模型。
• 对于带有文本层的合同、报告和导出文件，提取文本就足够了——这是任何模型上最便宜的选项，包括 deepseek-v4.1-flash。
• 需要查看图表、印章或扫描件？请关闭文本提取，并使用表格中标记为“yes”的模型，例如 gpt-6.1-sol。
• PDF 中的非拉丁文字（俄语、中文等）无需任何设置即可读取。发送 PDF 前，请移除其密码。
• 不再需要已上传的文件时，请使用 DELETE /v1/files/{file_id} 将其删除。