Google/gemini-3.6-flash-file-analysis

gemini-3.6-flash-file-analysis

Testen Sie die Gemini 3.6 Flash API für Dateianalyse, Dokumentprüfung, Extraktion, Zusammenfassungen und multimodales Reasoning über den Google-API-Zugriff von Flaq AI.

File Analysis

API-Beispiele

JavaScriptPythoncURL

Anfragebeispiel

const response = await fetch('https://api.flaq.ai/api/v1/chat/completions', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer YOUR_API_KEY',
    Accept: 'text/event-stream',
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: 'gemini-3.6-flash-file-analysis',
    messages: [
      {
        role: 'user',
        content: [
          { type: 'text', text: 'Summarize this file and extract the key risks.' },
          {
            type: 'file',
            file: {
              filename: 'demo.pdf',
              file_data: 'https://example.com/demo.pdf'
            }
          }
        ]
      }
    ],
    stream: true,
    max_tokens: 4096
  })
});

if (!response.ok) {
  const errorBody = await response.json().catch(() => null);
  throw new Error(errorBody?.error?.message ?? errorBody?.message ?? `HTTP ${response.status}`);
}

const reader = response.body.getReader();
const decoder = new TextDecoder();
let buffer = '';
let assistantText = '';

while (true) {
  const { done, value } = await reader.read();
  if (done) break;

  buffer += decoder.decode(value, { stream: true });
  const frames = buffer.split(/\r?\n\r?\n/);
  buffer = frames.pop() || '';

  for (const frame of frames) {
    const lines = frame.split(/\r?\n/).filter(Boolean);
    let eventName = 'message';
    const dataLines = [];

    for (const line of lines) {
      if (line.startsWith('event:')) {
        eventName = line.slice(6).trim();
      } else if (line.startsWith('data:')) {
        dataLines.push(line.replace(/^data:\s*/, ''));
      }
    }

    const raw = dataLines.join('\n').trim();
    if (raw === '[DONE]') {
      console.log('\nFinal text:', assistantText);
      continue;
    }

    let payload;
    try {
      payload = JSON.parse(raw);
    } catch {
      continue;
    }

    if (eventName === 'error' || payload.error) {
      const msg = payload.error?.message ?? payload.message ?? 'Chat request failed';
      throw new Error(msg);
    }

    const delta = payload.choices?.[0]?.delta;
    if (delta?.content) {
      assistantText += delta.content;
      console.log(assistantText);
    }
  }
}

Anfragebeispiel

import json
import requests

response = requests.post(
    'https://api.flaq.ai/api/v1/chat/completions',
    headers={
        'Authorization': 'Bearer YOUR_API_KEY',
        'Accept': 'text/event-stream',
        'Content-Type': 'application/json',
    },
    json={
        'model': 'gemini-3.6-flash-file-analysis',
        'messages': [
            {
                'role': 'user',
                'content': [
                    {'type': 'text', 'text': 'Summarize this file and extract the key risks.'},
                    {
                        'type': 'file',
                        'file': {
                            'filename': 'demo.pdf',
                            'file_data': 'https://example.com/demo.pdf'
                        }
                    },
                ],
            }
        ],
        'stream': True,
        'max_tokens': 4096,
    },
    stream=True,
)

response.raise_for_status()

event_name = 'message'
assistant_text = ''

for raw_line in response.iter_lines(decode_unicode=True):
    if not raw_line:
        event_name = 'message'
        continue

    if raw_line.startswith('event:'):
        event_name = raw_line.replace('event:', '', 1).strip()
        continue

    if raw_line.startswith('data:'):
        raw_data = raw_line.replace('data:', '', 1).strip()
        if raw_data == '[DONE]':
            print('\nFinal text:', assistant_text)
            continue

        payload = json.loads(raw_data)

        if event_name == 'error' or payload.get('error'):
            error = payload.get('error') or payload
            raise RuntimeError(error.get('message', 'Chat request failed'))

        choices = payload.get('choices') or []
        if choices:
            delta = choices[0].get('delta') or {}
            content = delta.get('content')
            if content:
                assistant_text += content
                print(content, end='', flush=True)

Anfragebeispiel

curl -N -X POST "https://api.flaq.ai/api/v1/chat/completions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Accept: text/event-stream" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.6-flash-file-analysis",
    "messages": [
      {
        "role": "user",
        "content": [
          { "type": "text", "text": "Summarize this file and extract the key risks." },
          {
            "type": "file",
            "file": {
              "filename": "demo.pdf",
              "file_data": "https://example.com/demo.pdf"
            }
          }
        ]
      }
    ],
    "stream": true,
    "max_tokens": 4096
  }'

Neuen Chat starten

Senden Sie eine Nachricht, um zu beginnen.

Preise für Gemini 3.6 Flash File Analysis

Parameter	Preis	Ursprünglicher Preis	Rabatt

Token: input	$0.7125 pro 1 Mio. Eingabe-Token	$0.7500 pro 1 Mio. Eingabe-Token	95%
Token: output	$3.5625 pro 1 Mio. Ausgabe-Token	$3.7500 pro 1 Mio. Ausgabe-Token	95%

README

Schnelle und effiziente Gemini 3.6 Flash File Analysis API

Die Gemini 3.6 Flash File Analysis API bringt Geminis multimodales Verständnis in eine Flaq-AI-Route, die für dateizentrierte Fragen entwickelt wurde. Sie hilft Anwendungen, schriftliche Anweisungen mit hochgeladenem Quellmaterial und optional einer visuellen Referenz zu kombinieren, um klare Textantworten für Analyse, Extraktion, Zusammenfassung und Prüfung zu erstellen. Die Integration unterstützt ein begrenztes Anfragemuster mit mehreren Dateien, sodass Teams dokumentbezogene Aufgaben organisieren können, ohne einen allgemeinen Chat-Ablauf zu überlasten.

Hauptfunktionen der Gemini 3.6 Flash File Analysis API

Dateizentrierte Analyse: Stellen Sie Fragen zu hochgeladenem Quellmaterial und erhalten Sie Text, der die wichtigsten Informationen zusammenfasst, erklärt, strukturiert oder extrahiert.
Unterstützung für multimodalen Kontext: Kombinieren Sie Dateiinhalte mit schriftlichen Anweisungen und, sofern hilfreich, einem unterstützenden Bild, um dem Modell einen klareren analytischen Kontext zu geben.
Effiziente Long-Context-Workflows: Nutzen Sie die Gemini-Flash-Modellfamilie für dokumentintensive Aufgaben, die von kontextbezogenem Reasoning und knapper Ausgabe profitieren.
Begrenzte Anfragen mit mehreren Dateien: Halten Sie zusammengehöriges Quellmaterial im unterstützten Flaq-AI-Workflow für Dateieingaben zusammen, anstatt eine Analyseaufgabe auf viele isolierte Prompts aufzuteilen.
Strukturierte Gesprächssteuerung: Ergänzen Sie Systemanweisungen und anschließende Benutzernachrichten, um Ausgabeformat, Zielgruppe, Ton und Prüfkriterien zu definieren.
Textausgabe zur Weiterverwendung: Geben Sie lesbare Analysen zurück, die interne Dashboards, Prüfwarteschlangen, Sucherlebnisse und menschliche Freigabeschritte speisen können.

Verwendung der Gemini 3.6 Flash File Analysis API auf Flaq AI

Eingabe: Unterstützte Dateieingaben mit einer natürlichsprachlichen Anweisung sowie optional einem Bild, wenn es zur Erklärung des Quellmaterials beiträgt.
Ausgabe: Textzusammenfassungen, Erkenntnisse, extrahierte Details, Vergleiche und Analyseentwürfe auf Grundlage des bereitgestellten Anfragekontexts.
Anfrageumfang: Nutzen Sie das konfigurierte Limit für mehrere Dateien, um jede Anfrage auf einen zusammenhängenden Bestand an Quellmaterial zu konzentrieren.
Funktionen: Dokumentanalyse, dateigestützte Beantwortung von Fragen, Zusammenfassung, Informationsextraktion und Workflows für Prüfungsassistenten.

Beste Anwendungsfälle für die Integration der Gemini 3.6 Flash File Analysis API

Dokumentenprüfung: Fassen Sie interne Berichte, Angebote, Spezifikationen und Recherchepakete zusammen, bevor ein menschlicher Prüfer eine Entscheidung trifft.
Vorbereitung von Wissensdatenbanken: Extrahieren Sie wichtige Fakten, erstellen Sie strukturierte Notizen und erste Antworten aus hochgeladenem Geschäftsmaterial.
Unterstützung für Betrieb und Compliance: Helfen Sie Teams, relevante Passagen zu identifizieren und überprüfbare Checklisten vorzubereiten, ohne die erforderliche Expertenvalidierung zu ersetzen.
Forschungssynthese: Vergleichen Sie bereitgestellte Quelldateien, ordnen Sie Erkenntnisse nach Themen und entwerfen Sie evidenzorientierte Zusammenfassungen für Analysten.
Workflow-Automatisierung: Leiten Sie dateibasierte Anfragen über eine API weiter, die knappe Textausgaben für Ticketing, Prüfung und interne Tools erstellt.

Hinweis Flaq AI stellt einen begrenzten Workflow zur Dateianalyse bereit, keinen Dienst zur unbegrenzten Archivverarbeitung. Prüfen Sie quellengestützte Antworten anhand des Originalmaterials und wenden Sie angemessene Datenschutz-, Aufbewahrungs- und Zugriffskontrollen auf hochgeladene Dateien an.

Gemini 3.6 Flash File Analysis API im Vergleich zu Mitbewerbern: Vergleichsanalyse

Gemini 3.6 Flash File Analysis vs. Gemini 3.5 Flash File Analysis
Gemini 3.5 Flash eignet sich weiterhin für routinemäßige Datei- und Text-Workflows. Gemini 3.6 Flash ist die neuere Generation für Teams, die effizientes Reasoning und stärkere Unterstützung für komplexe multimodale Aufgaben wünschen.
Gemini 3.6 Flash File Analysis vs. Gemini 3.7 Flash File Analysis
Gemini 3.7 Flash ist die neuere Flash-Option für komplexere Workflows. Gemini 3.6 Flash bietet eine ausgewogene Alternative, wenn die Anwendung eine fokussierte, dateigestützte Analyseroute mit effizienter Konfiguration benötigt.
Gemini 3.6 Flash File Analysis vs. GPT 5.6 Terra File Analysis
Die Dateianalysemodelle von GPT 5.6 Terra sind eine breit einsetzbare Option für dokumentzentrierte Anwendungen. Gemini 3.6 Flash bietet Teams eine Gemini-basierte Route zur Bewertung für Quellensynthese, Extraktion und Prüfungsunterstützung.
Gemini 3.6 Flash File Analysis vs. Claude Document Analysis
Claude-Modelle werden häufig für ausführliches Dokument-Reasoning in Betracht gezogen. Gemini 3.6 Flash bietet eine weitere multimodale Option für Workflows, die klare Textausgaben aus einer begrenzten Menge hochgeladener Dateien benötigen.
Gemini 3.6 Flash File Analysis vs. Gemini 3.6 Flash Image-to-Text
Image-to-Text wurde für eine visuelle Eingabe und eine fokussierte Frage entwickelt. File Analysis eignet sich besser für dokumentzentrierte Arbeit, die mehrere zusammengehörige Eingaben und eine vollständigere quellengestützte Antwort erfordert.