Gemini 3.5 Flash API

Référence API complète pour les modèles LLM Gemini 3.5 Flash fournis par Google.

Variantes de modèle

Cette API prend en charge trois variantes du modèle Gemini 3.5 Flash :

Comparaison rapide

Gemini 3.5 Flash Text to Text

Point de terminaison

httpCopier
POST /api/v1/chat/completions

Paramètres de requête

Obligatoire

Prise en charge des messages

Facultatif

Exemple de requête

javascriptCopier
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-3.5-flash-text-to-text',
    messages: [
      {
        role: 'user',
        content: 'Write a concise summary of how transformer models work.'
      }
    ],
    stream: true,
    max_tokens: 2048
  })
});

Gemini 3.5 Flash Image to Text

Point de terminaison

httpCopier
POST /api/v1/chat/completions

Paramètres de requête

Obligatoire

Prise en charge des messages

Facultatif

Exemple de requête

javascriptCopier
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-3.5-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 3.5 Flash Analyse de fichiers

Point de terminaison

httpCopier
POST /api/v1/chat/completions

Paramètres de requête

Obligatoire

Prise en charge des messages

Facultatif

Exemple de requête

javascriptCopier
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-3.5-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
  })
});

Format de réponse

Les modèles LLM Gemini 3.5 Flash renvoient des réponses de completion compatibles Google. Avec stream: true, la réponse est Server-Sent Events ; avec stream: false, la réponse est un objet JSON unique.

Réponse réussie

textCopier
data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"gemini-3.5-flash-text-to-text","choices":[{"index":0,"delta":{"role":"assistant"},"finish_reason":null}]}

data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"gemini-3.5-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-3.5-flash-text-to-text","choices":[{"index":0,"delta":{},"finish_reason":"stop"}]}

data: {"id":"chatcmpl-...","object":"chat.completion.chunk","created":1710000000,"model":"gemini-3.5-flash-text-to-text","choices":[],"usage":{"prompt_tokens":12,"completion_tokens":8,"total_tokens":20}}

data: [DONE]

Réponse d’erreur

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

Bonnes pratiques

1. Utiliser des messages structurés : Envoyez l’historique de conversation via messages[] au lieu d’aplatir le contexte dans un seul prompt.
2. Choisir la bonne variante de modèle : Utilisez Text to Text pour les tâches uniquement textuelles, Image to Text pour la compréhension d’images et File Analysis lorsque des documents ou contenus mixtes sont nécessaires.
3. Consommer les événements SSE : Ajoutez choices[0].delta.content pour l’affichage en streaming et traitez data: [DONE] comme une fin réussie.
4. Envoyer uniquement les entrées prises en charge : Les modèles texte ignorent les parties fichier et image non prises en charge dans le client actuel.