Gemini 3.6 Flash API

Référence API complète pour les modèles LLM Gemini 3.6 Flash fournis par Google.

Variantes du modèle

Cette API prend en charge trois variantes du modèle Gemini 3.6 Flash :

Comparaison rapide

Gemini 3.6 Flash Text to Text

Point de terminaison

httpCopier
POST /api/v1/chat/completions

Paramètres de la requête

Obligatoires

Prise en charge des messages

Facultatifs

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-3.6-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

Point de terminaison

httpCopier
POST /api/v1/chat/completions

Paramètres de la requête

Obligatoires

Prise en charge des messages

Facultatifs

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-3.6-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

Point de terminaison

httpCopier
POST /api/v1/chat/completions

Paramètres de la requête

Obligatoires

Prise en charge des messages

Facultatifs

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-3.6-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
  })
});

Format de réponse

Les modèles LLM Gemini 3.6 Flash renvoient des réponses de complétion compatibles avec OpenAI. Avec stream: true, la réponse utilise les 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-3.6-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]

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. Utilisez des messages structurés : Envoyez l’historique de la conversation via messages[] au lieu de regrouper tout le contexte dans un seul prompt.
2. Choisissez la bonne variante du 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 des contenus mixtes sont nécessaires.
3. Traitez les événements SSE : Ajoutez choices[0].delta.content pour l’affichage en streaming et considérez data: [DONE] comme une exécution réussie.
4. Envoyez uniquement les entrées prises en charge : Dans le client actuel, les modèles textuels ignorent les parties de type fichier et image non prises en charge.