Google/gemini-3.5-flash-text-to-text

gemini-3.5-flash-text-to-text

Essayez gratuitement l'API Gemini 3.5 Flash pour l'écriture LLM rapide, l'aide au codage, le raisonnement et les synthèses. Accès stable pour les applications d'IA en production à grande échelle.

Text Chat

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

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

Démarrer un nouveau chat

Envoyez un message pour commencer.

Tarifs de Gemini 3.5 Flash Text to Text

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 Text-to-Text rapide et abordable (modèle linguistique efficace de Google)

L'API Gemini 3.5 Flash Text-to-Text sur Flaq AI donne accès au modèle Google pour des workflows linguistiques rapides, abordables et prêts pour la production. Cette intégration efficace de l'API Gemini aide les développeurs à créer des fonctions de chat, de synthèse, d'écriture, de codage et d'automatisation avec un contexte de conversation flexible et des contrôles de sortie pratiques. Elle est conçue pour les équipes qui ont besoin d'une génération de texte réactive à grande échelle sans gérer directement l'infrastructure des modèles Google.

Fonctionnalités clés de l'API Gemini 3.5 Flash Text-to-Text

Génération de texte rapide : Produisez rapidement des réponses utiles pour le chat, le support, le contenu et l'automatisation des workflows.
Accès API économique : Utilisez une route Gemini abordable pour des applications text-to-text à fort volume sur Flaq AI.
Suivi fiable des instructions : Transformez des instructions en langage naturel en réponses ciblées, synthèses, réécritures et sorties structurées.
Sortie tenant compte de la conversation : Prenez en charge les questions de suivi et l'affinage itératif avec un contexte flexible.
Contrôles adaptés aux développeurs : Orientez la longueur de réponse et la direction de la tâche grâce à une configuration pratique sur Flaq AI.
Intégration Google gérée : Ajoutez la capacité textuelle Gemini via une route API stable avec un comportement d'entrée et de sortie clair.

Comment utiliser l'API Gemini 3.5 Flash Text-to-Text pour la génération de texte sur Flaq AI

Entrée : Prompts en langage naturel, instructions système, contexte de conversation et exigences de tâche structurées.
Sortie : Réponses textuelles claires livrées via une intégration chat API stable sur Flaq AI.
Configuration de route : Conçue pour les workflows de texte conversationnel avec contexte flexible et prise en charge des suivis.
Configuration : Prend en charge des contrôles de sortie pratiques pour la longueur de réponse et la direction de la tâche.
Capacités : Synthèse, réécriture, assistance chat, aide au codage, écriture multilingue et génération de contenu structuré via une intégration Gemini API abordable.

Meilleurs cas d'utilisation pour l'intégration de l'API Gemini 3.5 Flash Text-to-Text

Fonctions de chat à fort volume : Alimentez des assistants réactifs pour applications, sites web et outils internes.
Opérations de contenu : Générez des synthèses, plans, réécritures et textes localisés pour les workflows de publication.
Automatisation du support : Rédigez des réponses, classez les demandes et aidez les utilisateurs à naviguer dans les informations produit ou de politique.
Productivité des développeurs : Expliquez du code, rédigez des snippets et résumez des contenus techniques.
Automatisation de workflows : Ajoutez une intelligence linguistique rapide aux tableaux de bord, bases de connaissances et systèmes opérationnels.

Remarque Veuillez vous assurer que 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 Text-to-Text face aux concurrents : analyse comparative

Gemini 3.5 Flash vs modèles Gemini Pro
Les modèles Gemini Pro sont souvent positionnés pour un raisonnement plus exigeant et une qualité premium. Gemini 3.5 Flash privilégie la vitesse, l'accessibilité et un débit efficace pour les workflows textuels quotidiens.
Gemini 3.5 Flash vs modèles GPT
Les modèles GPT offrent un comportement natif OpenAI et une grande familiarité d'écosystème. Gemini 3.5 Flash donne aux équipes une route rapide de modèle Google pour la génération de texte gérée sur Flaq AI.
Gemini 3.5 Flash vs Claude Sonnet
Claude Sonnet est solide pour l'écriture attentive et le raisonnement équilibré. Gemini 3.5 Flash est attractif pour une génération de texte rapide et économique ainsi que l'intégration de modèles Google.
Gemini 3.5 Flash vs Qwen Plus
Qwen Plus fournit des workflows linguistiques Alibaba abordables. Gemini 3.5 Flash fournit une alternative Google pour les applications text-to-text réactives.
Gemini 3.5 Flash vs Llama
Les modèles Llama donnent aux équipes le contrôle des modèles ouverts. Gemini 3.5 Flash supprime la complexité d'hébergement et fournit un accès API géré pour les fonctions textuelles de production.