> ## Documentation Index
> Fetch the complete documentation index at: https://docs.flexinference.com/llms.txt
> Use this file to discover all available pages before exploring further.
# Início Rápido
> Do zero à sua primeira requisição que executa a camada mais barata e ainda retorna a tempo.
Envie uma requisição através do FlexInference com sua chave de provedor existente. Aponte seu cliente compatível com OpenAI para o FlexInference, adicione `start_within`, e o FlexInference tentará a camada `flex` mais barata antes de escalar para a `standard`. Funciona com OpenAI, Gemini e Anthropic, e você pode fixar uma [rota de nuvem](/pt/models) para servir o mesmo modelo através do Amazon Bedrock ou Google Vertex AI. Em uma requisição `flex`, o FlexInference cobra 20% da economia e não cobra nada quando não há economia.
## Pré-requisitos
* Uma [chave de API da OpenAI](https://platform.openai.com/api-keys) com crédito disponível. O FlexInference usa sua chave como BYOK, e a OpenAI fatura você diretamente.
* Um terminal com `curl`, ou Python 3.9+, ou Node.js 18+.
## Começar
Vá para o [painel](https://www.flexinference.com/dashboard) e faça login. Sua conta é sua própria organização. Ela possui suas chaves de API e rastreia o uso, mantendo suas chaves e fatura separadas de outras organizações.
No painel, crie uma chave. Ela começa com `flex_live_...` e aparece apenas uma vez. Armazene-a agora. Envie esta chave ao FlexInference em vez da sua chave OpenAI.
Cole sua chave OpenAI no painel. O FlexInference a armazena criptografada e a usa apenas para requisições feitas em seu nome; você não a envia por requisição. Consulte [Autenticação](/pt/authentication) para obter os detalhes.
Aponte seu cliente para `https://api.flexinference.com/v1` e adicione `start_within`. Aqui, `00h-00m-30s` significa que a requisição pode esperar até 30 segundos para iniciar. O FlexInference tenta a camada `flex` da OpenAI primeiro porque custa menos, mas pode entrar em fila. Se a `flex` não iniciar em 30 segundos, o FlexInference executa a camada `standard` normal. A `standard` é a camada de preço total e inicia imediatamente.
A `flex` é a camada mais barata e pode esperar em uma fila antes de iniciar. A `standard` é a camada normal de preço total e inicia imediatamente. O FlexInference prioriza o preço, não a qualidade: ele começa com `flex` e usa `standard` apenas quando a `flex` excederia seu limite de tempo.
`start_within` é o tempo máximo de espera antes do início da requisição. Escreva-o como uma duração, como `00h-00m-30s` para 30 segundos. Um valor maior dá mais tempo para a `flex` iniciar, o que pode economizar mais dinheiro. Um valor menor move a requisição para a `standard` mais cedo. O exemplo do Claude passa `default` em vez de uma duração porque a Anthropic não tem uma camada `flex` para competir, então a requisição vai direto para a `standard`. O valor limita o tempo de início, não o tempo total de geração. Consulte a página de roteamento para a lista completa de valores.
```bash curl theme={null}
curl https://api.flexinference.com/v1/responses \
-H "Authorization: Bearer $FLEX_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-5-nano",
"input": "Write a haiku about cheap GPUs.",
"start_within": "00h-00m-30s"
}'
```
```python Python (openai SDK) theme={null}
from openai import OpenAI
client = OpenAI(
base_url="https://api.flexinference.com/v1",
api_key="flex_live_...", # your FlexInference key
)
resp = client.responses.create(
model="gpt-5-nano",
input="Write a haiku about cheap GPUs.",
extra_body={"start_within": "00h-00m-30s"},
)
print(resp.output_text)
```
```typescript Node (openai SDK) theme={null}
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.flexinference.com/v1",
apiKey: "flex_live_...", // your FlexInference key
});
const resp = await client.responses.create({
model: "gpt-5-nano",
input: "Write a haiku about cheap GPUs.",
// start_within is a FlexInference extension; cast to pass it through.
start_within: "00h-00m-30s",
} as any);
console.log(resp.output_text);
```
```bash curl (Gemini, Interactions) theme={null}
curl https://api.flexinference.com/v1/interactions \
-H "Authorization: Bearer $FLEX_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-3.5-flash",
"input": "Write a haiku about cheap GPUs.",
"start_within": "00h-00m-30s"
}'
```
```bash curl (Claude, Messages) theme={null}
curl https://api.flexinference.com/v1/messages \
-H "Authorization: Bearer $FLEX_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "claude-opus-4-8",
"max_tokens": 1024,
"messages": [{ "role": "user", "content": "Write a haiku about cheap GPUs." }],
"start_within": "default"
}'
```
Uma resposta `200` com `"service_tier": "flex"` significa que a `flex` iniciou a tempo e
economizou dinheiro nesta chamada. `"service_tier": "default"` significa que o FlexInference usou a
`standard` porque a `flex` excederia seu limite de tempo. Os cabeçalhos de resposta
`x-flexinference-flex-applied` e `x-flexinference-flex-reason` expõem o
mesmo resultado para código. De qualquer forma, a requisição é concluída a tempo.
Se sua primeira requisição falhar, leia o corpo do erro. Os erros do FlexInference indicam
o que deu errado, por que aconteceu, como corrigir e incluem um exemplo funcional.
Se você não adicionou sua chave OpenAI no painel, o erro informará isso e apontará
para a página que o corrige. Erros do provedor são repassados com seu status e corpo
originais. Consulte a página de erros para a lista completa.
## O que tentar a seguir
Aprenda os valores de `start_within` e a regra que move as requisições de `flex`
para `standard`.
Use streaming, ferramentas e visão em OpenAI, Gemini e Anthropic.