Google/gemini-3.6-flash-file-analysis

gemini-3.6-flash-file-analysis

Essayez Gemini 3.6 Flash API pour l’analyse de fichiers, l’examen de documents, l’extraction, les résumés et le raisonnement multimodal via l’API Google stable de Flaq AI.

File Analysis

Modèles Gemini 3.6 Flash associés

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

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-3.6-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);
    }
  }
}

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-3.6-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)

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-3.6-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
  }'

Démarrer un nouveau chat

Envoyez un message pour commencer.

Tarifs de Gemini 3.6 Flash File Analysis

Paramètres	Prix	Prix d’origine	Remise

Jeton: input	$0.7125 par 1 M de jetons d’entrée	$0.7500 par 1 M de jetons d’entrée	95%
Jeton: output	$3.5625 par 1 M de jetons de sortie	$3.7500 par 1 M de jetons de sortie	95%

README

API d'analyse de fichiers Gemini 3.6 Flash rapide et efficace

L'API d'analyse de fichiers Gemini 3.6 Flash apporte la compréhension multimodale de Gemini à une route Flaq AI conçue pour les questions centrées sur les fichiers. Elle aide les applications à combiner des instructions écrites avec les documents sources téléversés et, facultativement, une référence visuelle afin de produire des réponses textuelles claires pour les flux d'analyse, d'extraction, de résumé et de révision. L'intégration prend en charge un modèle de requête multifichier limité, permettant aux équipes d'organiser les tâches orientées vers les documents sans surcharger un flux de chat général.

Fonctionnalités clés de l'API d'analyse de fichiers Gemini 3.6 Flash

Analyse centrée sur les fichiers : Posez des questions sur les documents sources téléversés et recevez du texte qui résume, explique, organise ou extrait les informations les plus pertinentes.
Prise en charge du contexte multimodal : Combinez le contenu des fichiers avec des instructions écrites et, lorsque cela est utile, une image complémentaire afin de fournir au modèle un contexte analytique plus clair.
Flux efficaces à contexte long : Utilisez la famille de modèles Gemini Flash pour les tâches impliquant de nombreux documents qui bénéficient d'un raisonnement tenant compte du contexte et de résultats concis.
Requêtes multifichiers limitées : Conservez les documents sources associés dans le flux d'entrée de fichiers pris en charge par Flaq AI plutôt que de répartir une tâche d'analyse entre de nombreux prompts isolés.
Contrôle structuré de la conversation : Ajoutez des instructions système et des messages de suivi de l'utilisateur pour définir le format de sortie, le public, le ton et les critères de révision.
Sortie textuelle pour une utilisation en aval : Renvoyez une analyse lisible qui peut alimenter les tableaux de bord internes, les files de révision, les expériences de recherche et les étapes de validation humaine.

Comment utiliser l'API d'analyse de fichiers Gemini 3.6 Flash sur Flaq AI

Entrée : Fichiers pris en charge accompagnés d'une instruction en langage naturel, plus une image facultative lorsqu'elle aide à expliquer les documents sources.
Sortie : Résumés textuels, résultats, détails extraits, comparaisons et brouillons d'analyse basés sur le contexte de la requête fournie.
Périmètre de la requête : Utilisez la limite multifichier configurée pour que chaque requête reste centrée sur un ensemble cohérent de documents sources.
Capacités : Analyse de documents, réponse aux questions fondée sur des fichiers, résumé, extraction d'informations et flux d'assistance à la révision.

Meilleurs cas d'usage pour l'intégration de l'API d'analyse de fichiers Gemini 3.6 Flash

Révision de documents : Résumez les rapports internes, propositions, spécifications et dossiers de recherche avant qu'un réviseur humain ne prenne une décision.
Préparation de bases de connaissances : Extrayez les faits clés, générez des notes structurées et créez des premières réponses à partir des documents professionnels téléversés.
Assistance aux opérations et à la conformité : Aidez les équipes à identifier les passages pertinents et à préparer des listes de contrôle révisables sans remplacer la validation experte requise.
Synthèse de recherche : Comparez les fichiers sources fournis, organisez les résultats par sujet et rédigez des résumés axés sur les preuves pour les analystes.
Automatisation des flux de travail : Acheminez les requêtes basées sur des fichiers via une API qui produit un texte concis pour les systèmes de tickets, la révision et les outils internes.

Remarque Flaq AI propose un flux d'analyse de fichiers limité, et non un service illimité de traitement d'archives. Validez les réponses fondées sur les sources par rapport aux documents d'origine et appliquez des contrôles appropriés de confidentialité, de conservation et d'accès aux fichiers téléversés.

API d'analyse de fichiers Gemini 3.6 Flash face à la concurrence : analyse comparative

Gemini 3.6 Flash File Analysis et Gemini 3.5 Flash File Analysis
Gemini 3.5 Flash reste adapté aux flux courants de fichiers et de texte. Gemini 3.6 Flash est la nouvelle génération destinée aux équipes qui recherchent un raisonnement efficace et une meilleure prise en charge des tâches multimodales complexes.
Gemini 3.6 Flash File Analysis et Gemini 3.7 Flash File Analysis
Gemini 3.7 Flash est l'option Flash la plus récente pour les flux de travail plus complexes. Gemini 3.6 Flash propose une alternative équilibrée lorsque l'application nécessite une route d'analyse ciblée, fondée sur des fichiers et dotée d'une configuration efficace.
Gemini 3.6 Flash File Analysis et GPT 5.6 Terra File Analysis
Les modèles d'analyse de fichiers GPT 5.6 Terra constituent une option polyvalente pour les applications centrées sur les documents. Gemini 3.6 Flash offre aux équipes une route basée sur Gemini à évaluer pour la synthèse des sources, l'extraction et l'aide à la révision.
Gemini 3.6 Flash File Analysis et Claude Document Analysis
Les modèles Claude sont souvent envisagés pour le raisonnement sur des documents longs. Gemini 3.6 Flash offre une autre option multimodale pour les flux qui nécessitent une sortie textuelle claire à partir d'un ensemble limité de fichiers téléversés.
Gemini 3.6 Flash File Analysis et Gemini 3.6 Flash Image-to-Text
Image-to-Text est conçu pour une seule entrée visuelle et une question ciblée. File Analysis est mieux adapté aux travaux centrés sur les documents qui nécessitent plusieurs entrées associées et une réponse plus complète fondée sur les sources.