Google/gemini-3.5-flash-file-analysis

gemini-3.5-flash-file-analysis

Essayez gratuitement l'API Gemini 3.5 Flash pour l'analyse de fichiers, les synthèses de documents, l'extraction et le raisonnement multimodal. Accès stable pour les équipes de production.

File Analysis

Modèles Gemini 3.5 Flash associés

gemini-3.5-flash-text-to-texttext-to-text

gemini-3.5-flash-image-to-textimage-to-text

gemini-3.5-flash-file-analysisfile-analysis

Documentation

Exemples d'API

JavaScriptPythoncURL

Exemple d'envoi

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
  })
});

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('\n\n');
  buffer = frames.pop() || '';

  for (const frame of frames) {
    const lines = frame.split('\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);
    }
  }
}

Exemple d'envoi

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-3.5-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,
    },
    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)

Exemple d'envoi

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-3.5-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
  }'

Démarrer un nouveau chat

Envoyez un message pour commencer.

Tarifs de Gemini 3.5 Flash File Analysis

Paramètres	Prix	Prix d’origine	Remise

Jeton: input	$1.4250 par 1 M de jetons d’entrée	$1.5000 par 1 M de jetons d’entrée	95%
Jeton: output	$8.5500 par 1 M de jetons de sortie	$9.0000 par 1 M de jetons de sortie	95%

README

API Gemini 3.5 Flash File Analysis rapide et abordable (modèle efficace de compréhension documentaire de Google)

L'API Gemini 3.5 Flash File Analysis sur Flaq AI donne accès au modèle Google pour la compréhension rapide des documents, la revue de fichiers et les workflows d'analyse multimodale. Cette intégration efficace de l'API Gemini aide les développeurs à analyser des fichiers importés, des images et des instructions textuelles via une route gérée stable. Elle est conçue pour les équipes qui ont besoin d'une analyse de fichiers abordable à grande échelle sans assembler une infrastructure de traitement propre au fournisseur.

Fonctionnalités clés de l'API Gemini 3.5 Flash File Analysis

Compréhension rapide des fichiers : Analysez les fichiers importés, les images et les instructions textuelles pour produire des synthèses utiles, des réponses et des insights structurés.
Accès API économique : Créez des workflows de documents et de pièces jointes à fort volume via une route Gemini abordable sur Flaq AI.
Prise en charge d'entrées image et fichier : Gérez des entrées visuelles et de type document pour des tâches pratiques d'analyse, d'extraction et de revue.
Sortie tenant compte de la conversation : Posez des questions de suivi sur les contenus importés tout en conservant le contexte utile.
Contrôles adaptés aux développeurs : Orientez la longueur de réponse, le niveau de détail et la direction de la tâche grâce à une configuration pratique.
Support de workflows de production : Ajoutez la compréhension documentaire aux applications, outils internes et systèmes de connaissance sans gérer l'infrastructure de modèles.

Comment utiliser l'API Gemini 3.5 Flash File Analysis pour la compréhension de documents sur Flaq AI

Entrée : Fichiers importés, images, instructions textuelles facultatives et contexte de conversation.
Sortie : Synthèses, détails extraits, réponses, comparaisons et analyses structurées livrés via une intégration chat API stable.
Configuration de route : Conçue pour les workflows d'analyse de fichiers avec prise en charge des documents, des images et des suivis.
Configuration : Prend en charge des contrôles de sortie pratiques pour la longueur de réponse, le niveau de détail et la direction de la tâche.
Capacités : Revue de documents, synthèse de fichiers, analyse de captures d'écran, extraction structurée, support de base de connaissances et raisonnement multimodal via une intégration Gemini API abordable.

Meilleurs cas d'utilisation pour l'intégration de l'API Gemini 3.5 Flash File Analysis

Synthèse de documents : Transformez rapports, briefs et documents internes en synthèses concises et actions à mener.
Revue de pièces jointes : Analysez captures d'écran, formulaires, reçus et fichiers de référence importés pour les workflows de support ou d'opérations.
Extraction de connaissances : Convertissez de longs contenus en FAQ, tableaux, notes et sorties structurées.
Assistance à la recherche : Comparez des documents, extrayez des thèmes et synthétisez des contenus sources pour les équipes.
Outils internes : Ajoutez une analyse de fichiers abordable aux tableaux de bord, outils d'administration et workflows de connaissance.

Remarque Veuillez vous assurer que les fichiers importés, les prompts et les workflows applicatifs respectent les consignes de sécurité de Google. En cas d'erreur, vérifiez l'entrée pour détecter du contenu restreint, simplifiez la demande, puis réessayez.

Gemini 3.5 Flash File Analysis face aux concurrents : analyse comparative

Gemini 3.5 Flash vs Claude File Analysis
Claude file analysis est solide pour le raisonnement documentaire attentif. Gemini 3.5 Flash File Analysis privilégie la vitesse, l'accessibilité et l'intégration de modèles Google pour les workflows évolutifs.
Gemini 3.5 Flash vs GPT File Analysis
Les routes GPT file analysis offrent un comportement natif OpenAI et une grande familiarité d'écosystème. Gemini 3.5 Flash donne aux équipes une route Google efficace pour la compréhension de fichiers gérée.
Gemini 3.5 Flash vs Qwen File Workflows
Les workflows Qwen fournissent des alternatives de modèles Alibaba pour les tâches linguistiques. Gemini 3.5 Flash File Analysis se concentre sur la compréhension abordable de fichiers et d'images propulsée par Google.
Gemini 3.5 Flash vs Grok Vision Workflows
Les workflows de vision Grok offrent le comportement du modèle xAI. Gemini 3.5 Flash fournit une analyse de fichiers Google rapide et gérée via Flaq AI.
Gemini 3.5 Flash vs Llama avec pipelines documentaires
Llama avec des outils documentaires donne le contrôle de l'infrastructure. Gemini 3.5 Flash supprime la complexité d'hébergement et de pipeline pour les équipes qui veulent une API gérée.