Upload de Arquivos

Nossa API permite o envio de arquivos diretamente pelo endpoint de Chat Completions. Atualmente, os arquivos devem ser enviados em formato Base64.

Abaixo está um exemplo de como enviar um PDF para a API:

import base64
import openai

client = openai.OpenAI(
    api_key="YOUR_KEY",
    base_url="https://chat.maritaca.ai/api",
)

with open("my_research_proposal.pdf", "rb") as f:
    file_content = f.read()
    file_content_base64 = base64.b64encode(file_content).decode("utf-8")

messages = [
    {
        "role": "user",
        "content": [
            {
                "type": "file",
                "file": {
                    "filename": "my_research.pdf",
                    "file_data": f"data:application/pdf;base64,{file_content_base64}",
                },
            },
            {
                "type": "text",
                "text": "Qual é o título da pesquisa proposta aqui?",
            },
        ],
    }
]

response = client.chat.completions.create(
    model="sabia-3.1",
    messages=messages,
)

Quando arquivos são enviados, a API extrai o conteúdo textual e o repassa ao modelo. Todo o conteúdo extraído é retornado na resposta e pode ser acessado assim:

extracted_docs = response.extracted_files

for doc in extracted_docs:
    print(doc["filename"])  # Nome do arquivo
    print(doc["text"])      # Texto extraído

Atualmente, suportamos os seguintes tipos de arquivo:

• PDF
• DOCX
• TXT
• CSV
• XML
• XLSX
• MD

---

Extraction effort

Para arquivos PDF, você pode especificar o nível de esforço da extração. Esse parâmetro não afeta outros tipos de arquivo.

Se não for especificado, o nível padrão é medium.

Níveis de extração disponíveis

Nível	Descrição	Custo por página do PDF
medium	Extração intermediária; ideal para a maioria dos PDFs.	R$ 0,02
advanced	Extração avançada; melhor para PDFs complexos e com fórmulas.	R$ 0,045

Você pode consultar os preços de extração na nossa plataforma.

Exemplo de uso

response = client.chat.completions.create(
    model="sabia-3.1",
    messages=messages,
    extra_body={
        "extraction_effort": "medium"
    },
)

O campo usage retorna tanto os tokens consumidos quanto o número de páginas extraídas:

usage = response.usage
print(usage)

# CompletionUsage(
#     completion_tokens=167,
#     prompt_tokens=45,
#     total_tokens=212,
#     extraction_details={
#         "medium_effort_pages_extracted": 1,
#         "advanced_effort_pages_extracted": 0,
#     },
# )

---

Considerações Importantes

• A API não armazena o texto extraído. Se você pretende fazer várias perguntas sobre o mesmo arquivo, salve o texto retornado — caso contrário, uma nova extração será feita (e cobrada no caso de PDFs com nível medium/advanced).

• O tamanho total dos arquivos enviados em uma mesma requisição deve ser inferior a 50 MB.

• PDFs processados com medium ou advanced geram cobrança por extração, além dos tokens usados na requisição.

• Descontos Descontos para horário fora de pico e batch API são aplicados apenas aos tokens de entrada e saída. Esses descontos não se aplicam ao custo da extração.

Outros exemplos

Mútiplos documentos de diferentes tipos

xml_path = "test.xml"
csv_path = "test.csv"
pdf_path = "test.pdf"

with open(xml_path, "rb") as xml_file:
    xml_content = xml_file.read()
    xml_content = base64.b64encode(xml_content).decode("utf-8")

with open(csv_path, "rb") as csv_file:
    csv_content = csv_file.read()
    csv_content = base64.b64encode(csv_content).decode("utf-8")

with open(pdf_path, "rb") as pdf_file:
    pdf_content = pdf_file.read()
    pdf_content = base64.b64encode(pdf_content).decode("utf-8")

csv_segment = {
    "type": "file",
    "file": {
        "filename": "test.csv",
        "file_data": f"data:text/csv;base64,{csv_content}",
    },
}

xml_segment = {
    "type": "file",
    "file": {
        "filename": "test.xml",
        "file_data": f"data:application/xml;base64,{xml_content}",
    },
}

pdf_segment = {
    "type": "file",
    "file": {
        "filename": "test.pdf",
        "file_data": f"data:application/pdf;base64,{pdf_content}",
    },
}

messages = [
    {
        "role": "system",
        "content": "You are a helpful assistant that can extract information from files",
    },
    {
        "role": "user",
        "content": [
            csv_segment,
            xml_segment,
            pdf_segment,
            {"type": "text", "text": "What is the content of each of these files?"},
        ],
    },
]

r = client.chat.completions.create(
    model=model_name,
    messages=messages,
    max_tokens=30,
    extra_body={
        "extraction_effort": "medium",
    },
)