Google/gemini-3.6-flash-file-analysis

gemini-3.6-flash-file-analysis

Prueba Gemini 3.6 Flash API para análisis de archivos, revisión de documentos, extracción, resúmenes y razonamiento multimodal con la API estable de Google en Flaq AI.

File Analysis

Modelos Gemini 3.6 Flash relacionados

gemini-3.6-flash-text-to-texttext-to-text

gemini-3.6-flash-image-to-textimage-to-text

gemini-3.6-flash-file-analysisfile-analysis

Documentación

Ejemplos de API

JavaScriptPythoncURL

Ejemplo de envio

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);
    }
  }
}

Ejemplo de envio

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)

Ejemplo de envio

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
  }'

Inicia un nuevo chat

Envía un mensaje para comenzar.

Precios de Gemini 3.6 Flash File Analysis

Parámetros	Precio	Precio original	Descuento

Token: input	$0.7125 por 1 M de tokens de entrada	$0.7500 por 1 M de tokens de entrada	95%
Token: output	$3.5625 por 1 M de tokens de salida	$3.7500 por 1 M de tokens de salida	95%

README

API de análisis de archivos Gemini 3.6 Flash rápida y eficiente

La API de análisis de archivos Gemini 3.6 Flash incorpora la comprensión multimodal de Gemini a una ruta de Flaq AI diseñada para preguntas centradas en archivos. Ayuda a las aplicaciones a combinar instrucciones escritas con material fuente cargado y, opcionalmente, una referencia visual para producir respuestas de texto claras destinadas a flujos de análisis, extracción, resumen y revisión. La integración admite un patrón de solicitud acotado con varios archivos, de modo que los equipos pueden mantener organizadas las tareas orientadas a documentos sin sobrecargar un flujo de chat general.

Funciones principales de la API de análisis de archivos Gemini 3.6 Flash

Análisis centrado en archivos: Formula preguntas sobre el material fuente cargado y recibe texto que resume, explica, organiza o extrae la información más relevante.
Compatibilidad con contexto multimodal: Combina el contenido de archivos con instrucciones escritas y, cuando resulte útil, una imagen de apoyo para proporcionar al modelo un contexto analítico más claro.
Flujos eficientes de contexto largo: Utiliza la familia de modelos Gemini Flash para tareas con muchos documentos que se beneficien de un razonamiento consciente del contexto y una salida concisa.
Solicitudes acotadas con varios archivos: Mantén el material fuente relacionado reunido en el flujo de entrada de archivos compatible con Flaq AI en lugar de dividir una tarea de análisis entre muchos prompts aislados.
Control estructurado de la conversación: Añade instrucciones del sistema y mensajes de seguimiento del usuario para definir el formato de salida, la audiencia, el tono y los criterios de revisión.
Salida de texto para uso posterior: Devuelve análisis legibles que puedan alimentar paneles internos, colas de revisión, experiencias de búsqueda y pasos de aprobación humana.

Cómo usar la API de análisis de archivos Gemini 3.6 Flash en Flaq AI

Entrada: Archivos compatibles con una instrucción en lenguaje natural, más una imagen opcional cuando ayude a explicar el material fuente.
Salida: Resúmenes de texto, hallazgos, detalles extraídos, comparaciones y borradores de análisis basados en el contexto de la solicitud proporcionada.
Alcance de la solicitud: Utiliza el límite configurado para varios archivos con el fin de mantener cada solicitud centrada en un conjunto coherente de material fuente.
Capacidades: Análisis de documentos, respuesta a preguntas basada en archivos, resumen, extracción de información y flujos de asistencia para revisiones.

Mejores casos de uso para integrar la API de análisis de archivos Gemini 3.6 Flash

Revisión de documentos: Resume informes internos, propuestas, especificaciones y paquetes de investigación antes de que un revisor humano tome una decisión.
Preparación de bases de conocimiento: Extrae datos clave, genera notas estructuradas y crea respuestas preliminares a partir de material empresarial cargado.
Asistencia para operaciones y cumplimiento: Ayuda a los equipos a identificar fragmentos relevantes y preparar listas de verificación revisables sin sustituir la validación experta requerida.
Síntesis de investigación: Compara los archivos fuente proporcionados, organiza los hallazgos por tema y redacta resúmenes orientados a la evidencia para analistas.
Automatización de flujos de trabajo: Canaliza las solicitudes basadas en archivos mediante una API que produce texto conciso para sistemas de tickets, revisiones y herramientas internas.

Nota Flaq AI ofrece un flujo acotado de análisis de archivos, no un servicio ilimitado de procesamiento de archivos. Valida las respuestas basadas en las fuentes con el material original y aplica controles adecuados de privacidad, retención y acceso a los archivos cargados.

API de análisis de archivos Gemini 3.6 Flash frente a la competencia: análisis comparativo

Gemini 3.6 Flash File Analysis frente a Gemini 3.5 Flash File Analysis
Gemini 3.5 Flash sigue siendo adecuado para flujos rutinarios de archivos y texto. Gemini 3.6 Flash es la generación más reciente para equipos que desean un razonamiento eficiente y una mejor compatibilidad con tareas multimodales complejas.
Gemini 3.6 Flash File Analysis frente a Gemini 3.7 Flash File Analysis
Gemini 3.7 Flash es la opción Flash más reciente para flujos de trabajo más complejos. Gemini 3.6 Flash ofrece una alternativa equilibrada cuando la aplicación necesita una ruta específica de análisis basado en archivos con una configuración eficiente.
Gemini 3.6 Flash File Analysis frente a GPT 5.6 Terra File Analysis
Los modelos de análisis de archivos GPT 5.6 Terra son una opción amplia para aplicaciones centradas en documentos. Gemini 3.6 Flash ofrece a los equipos una ruta basada en Gemini para evaluar la síntesis de fuentes, la extracción y la asistencia para revisiones.
Gemini 3.6 Flash File Analysis frente a Claude Document Analysis
Los modelos Claude suelen considerarse para el razonamiento de documentos extensos. Gemini 3.6 Flash ofrece otra opción multimodal para flujos que necesitan una salida de texto clara a partir de un conjunto acotado de archivos cargados.
Gemini 3.6 Flash File Analysis frente a Gemini 3.6 Flash Image-to-Text
Image-to-Text está diseñado para una entrada visual y una pregunta específica. File Analysis se adapta mejor al trabajo centrado en documentos que necesita varias entradas relacionadas y una respuesta más completa basada en las fuentes.