Identifiants de modèles
Chaque modèle a un identifiant de la forme fournisseur/nom-du-modèle. Passez-le dans le champ model de POST /chat/completions. Changer de fournisseur tient en une ligne : le reste de la requête et le format de réponse restent identiques.
| Identifiant | Idéal pour |
|---|---|
openai/gpt-6-luna | Modèle généraliste rapide et économique, un bon choix par défaut. |
openai/gpt-6-luna-pro | Modèle phare d’OpenAI pour les tâches les plus exigeantes. |
anthropic/claude-sonnet-5 | Excellent en raisonnement, rédaction et code. |
google/gemini-3.8-flash | Contexte très long à petit prix. |
meta-llama/llama-4-maverick | Modèle à poids ouverts de Meta. |
deepseek/deepseek-v4-flash | Modèle ouvert performant à très bas prix. |
Le catalogue évolue au gré des sorties et des retraits de modèles. Choisissez toujours vos identifiants dans le catalogue des modèles, où vous pouvez filtrer par fournisseur, taille de contexte, prix et modalité, et copier l'identifiant de chaque modèle.
Lister les modèles
La liste publique des modèles est accessible sans clé API. La forme compacte se trouve sous /api/models, en dehors de l'URL de base /api/v1 ; elle renvoie un tableau, actualisé chaque jour, avec des prix déjà convertis en TND. Une liste au format OpenAI est aussi servie sous /api/v1/models (voir ci-dessous).
curl https://promptix.tn/api/models[ { "id": "openai/gpt-6-luna", "n": "OpenAI: GPT-6 Luna", "d": "GPT-6 Luna is OpenAI's fast reasoning model...", "p": "openai", "pr": { "i": 0.387, "o": 1.935 }, "c": 1050000, "f": false, "cr": 1780000000, "sp": ["include_reasoning", "max_completion_tokens", "max_tokens", "reasoning", "reasoning_effort", "response_format", "seed", "structured_outputs"] }]| Champ | Description |
|---|---|
id | Identifiant à passer dans le champ model des requêtes. |
n | Nom affiché. |
d | Description (facultative). |
p | Fournisseur : la partie de l’identifiant avant la barre oblique. |
pr.i / pr.o | Prix en entrée (prompt) et en sortie (completion), en TND pour 1 million de tokens. |
c | Taille de contexte en tokens (entrée plus sortie). |
f | true pour les modèles gratuits. |
cr | Date d’ajout du modèle, en horodatage Unix. |
sp | Une partie des paramètres de requête pris en charge par le modèle (huit au maximum). |
models.list() dans les SDK OpenAI
GET /api/v1/models renvoie le même catalogue au format liste d'OpenAI (id, owned_by, context_length, pricing_tnd_per_1m, supported_parameters) : client.models.list() fonctionne donc directement avec les SDK OpenAI, sans clé API.
Prix et coût
Les prix sont exprimés en TND par million de tokens, avec un tarif pour l'entrée (votre prompt, y compris l'historique de conversation et le message système) et un pour la sortie (la réponse générée). Les tokens de sortie coûtent généralement plus cher.
cost (TND) = prompt_tokens × input price / 1,000,000 + completion_tokens × output price / 1,000,000 example: 2,000 prompt tokens and 500 completion tokens on openai/gpt-6-luna = 2,000 × 0.387 / 1,000,000 + 500 × 1.935 / 1,000,000 = 0.000774 + 0.000968 ≈ 0.002 TNDUtilisez le calculateur de la page Tarifs pour estimer une charge de travail. Le montant exact facturé pour chaque requête est consultable ensuite ; voir Facturation et crédits.
Choisir un modèle
- Commencez petit. Les petits modèles comme
openai/gpt-6-lunacouvrent la plupart des tâches d'extraction, de classification et de conversation pour une fraction du prix des modèles phares. - Vérifiez la taille de contexte (
c) par rapport à votre plus long prompt plusmax_tokens. - Vérifiez les capacités. L'appel d'outils, la sortie JSON et les images en entrée ne sont pas disponibles sur tous les modèles ; le catalogue indique les paramètres et modalités pris en charge.
- Les modèles gratuits (
f: true) ne coûtent rien mais ont des limites de débit plus strictes chez le fournisseur et peuvent être plus lents. Ils conviennent mieux aux prototypes qu'à la production. - Comparez sur vos propres données. Essayez plusieurs modèles dans le playground, qui affiche les tokens et le coût de chaque message.