Gemini 3.6 Flash API

Referencia completa de la API para los modelos LLM Gemini 3.6 Flash con tecnología de Google.

Variantes del modelo

Esta API admite tres variantes del modelo Gemini 3.6 Flash:

Comparación rápida

Gemini 3.6 Flash Text to Text

Punto de acceso de la API

httpCopiar
POST /api/v1/chat/completions

Parámetros de la solicitud

Obligatorios

Compatibilidad de mensajes

Opcionales

Ejemplo de solicitud

javascriptCopiar
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-text-to-text',
    messages: [
      {
        role: 'user',
        content: 'Write a concise summary of how transformer models work.'
      }
    ],
    stream: true,
    max_tokens: 2048
  })
});

Gemini 3.6 Flash Image to Text

Punto de acceso de la API

httpCopiar
POST /api/v1/chat/completions

Parámetros de la solicitud

Obligatorios

Compatibilidad de mensajes

Opcionales

Ejemplo de solicitud

javascriptCopiar
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-image-to-text',
    messages: [
      {
        role: 'user',
        content: [
          { type: 'text', text: 'Describe the image and extract any visible text.' },
          {
            type: 'image_url',
            image_url: {
              url: 'https://example.com/sample-image.jpg'
            }
          }
        ]
      }
    ],
    stream: true,
    max_tokens: 2048
  })
});

Gemini 3.6 Flash File Analysis

Punto de acceso de la API

httpCopiar
POST /api/v1/chat/completions

Parámetros de la solicitud

Obligatorios

Compatibilidad de mensajes

Opcionales

Ejemplo de solicitud

javascriptCopiar
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
  })
});

Formato de respuesta

Los modelos LLM Gemini 3.6 Flash devuelven respuestas de finalización compatibles con OpenAI. Con stream: true, la respuesta se envía como Server-Sent Events; con stream: false, la respuesta es un único objeto JSON.

Respuesta correcta

textCopiar
data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"gemini-3.6-flash-text-to-text","choices":[{"index":0,"delta":{"role":"assistant"},"finish_reason":null}]}

data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"gemini-3.6-flash-text-to-text","choices":[{"index":0,"delta":{"content":"Here is a concise summary"},"finish_reason":null}]}

data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"gemini-3.6-flash-text-to-text","choices":[{"index":0,"delta":{},"finish_reason":"stop"}]}

data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"gemini-3.6-flash-text-to-text","choices":[],"usage":{"prompt_tokens":12,"completion_tokens":8,"total_tokens":20}}

data: [DONE]

Respuesta de error

textCopiar
event: error
data: {"error":{"message":"API requests too frequent, exceeding rate limit","type":"rate_limit_error","code":"1302","param":null}}

Prácticas recomendadas

1. Usa mensajes estructurados: Envía el historial de la conversación mediante messages[] en lugar de condensar el contexto en un solo prompt.
2. Elige la variante de modelo adecuada: Usa Text to Text para tareas de solo texto, Image to Text para comprender imágenes y File Analysis cuando se necesiten documentos o contenido mixto.
3. Procesa los eventos SSE: Añade choices[0].delta.content para la visualización en streaming y trata data: [DONE] como una finalización correcta.
4. Envía únicamente entradas compatibles: Los modelos de texto ignoran las partes de archivos e imágenes no compatibles en el cliente actual.