Google/gemini-3.6-flash-file-analysis

gemini-3.6-flash-file-analysis

Coba Gemini 3.6 Flash API untuk analisis file, peninjauan dokumen, ekstraksi, ringkasan, dan penalaran multimodal melalui akses Google API Flaq AI yang stabil.

File Analysis

Model Gemini 3.6 Flash Terkait

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

Dokumentasi

Contoh API

JavaScriptPythoncURL

Contoh Pengiriman

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);
    }
  }
}

Contoh Pengiriman

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)

Contoh Pengiriman

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
  }'

Mulai chat baru

Kirim pesan untuk memulai.

Harga Gemini 3.6 Flash File Analysis

Parameter	Harga	Harga asli	Diskon

Token: input	$0.7125 per 1 juta token input	$0.7500 per 1 juta token input	95%
Token: output	$3.5625 per 1 juta token output	$3.7500 per 1 juta token output	95%

README

API Gemini 3.6 Flash File Analysis yang Cepat dan Efisien

API Gemini 3.6 Flash File Analysis menghadirkan pemahaman multimodal Gemini ke rute Flaq AI yang dirancang untuk pertanyaan berpusat pada file. API ini membantu aplikasi menggabungkan instruksi tertulis dengan materi sumber yang diunggah, dan referensi visual opsional, untuk menghasilkan respons teks yang jelas bagi alur kerja analisis, ekstraksi, peringkasan, dan peninjauan. Integrasi ini mendukung pola permintaan multi-file terbatas agar tim dapat menjaga tugas berorientasi dokumen tetap teratur tanpa membebani alur chat serbaguna.

Fitur Utama API Gemini 3.6 Flash File Analysis

Analisis Berpusat pada File: Ajukan pertanyaan tentang materi sumber yang diunggah dan terima teks yang meringkas, menjelaskan, mengatur, atau mengekstrak informasi paling relevan.
Dukungan Konteks Multimodal: Gabungkan konten file dengan instruksi tertulis dan, apabila berguna, gambar pendukung untuk memberikan konteks analitis yang lebih jelas kepada model.
Alur Kerja Konteks Panjang yang Efisien: Gunakan keluarga model Gemini Flash untuk tugas padat dokumen yang memanfaatkan penalaran sadar konteks dan output ringkas.
Permintaan Multi-File Terbatas: Jaga materi sumber yang berkaitan tetap bersama dalam alur kerja input file Flaq AI yang didukung, bukan membagi tugas analisis ke banyak prompt terpisah.
Kontrol Percakapan Terstruktur: Tambahkan instruksi sistem dan pesan tindak lanjut pengguna untuk menentukan format output, audiens, nada, dan kriteria peninjauan.
Output Teks untuk Penggunaan Lanjutan: Hasilkan analisis yang mudah dibaca untuk dimanfaatkan oleh dasbor internal, antrean peninjauan, pengalaman pencarian, dan tahap persetujuan manusia.

Cara Menggunakan API Gemini 3.6 Flash File Analysis di Flaq AI

Input: Input file yang didukung dengan instruksi bahasa alami, serta gambar opsional apabila membantu menjelaskan materi sumber.
Output: Ringkasan teks, temuan, detail yang diekstrak, perbandingan, dan draf analisis berdasarkan konteks permintaan yang diberikan.
Cakupan Permintaan: Gunakan batas multi-file yang dikonfigurasi agar setiap permintaan tetap berfokus pada kumpulan materi sumber yang koheren.
Kemampuan: Analisis dokumen, tanya jawab berdasarkan file, peringkasan, ekstraksi informasi, dan alur kerja asisten peninjauan.

Kasus Penggunaan Terbaik untuk Integrasi API Gemini 3.6 Flash File Analysis

Peninjauan Dokumen: Ringkas laporan internal, proposal, spesifikasi, dan kumpulan riset sebelum peninjau manusia mengambil keputusan.
Persiapan Basis Pengetahuan: Ekstrak fakta utama, buat catatan terstruktur, dan susun jawaban awal dari materi bisnis yang diunggah.
Dukungan Operasional dan Kepatuhan: Bantu tim mengidentifikasi bagian yang relevan dan menyiapkan daftar periksa yang dapat ditinjau tanpa menggantikan validasi ahli yang diwajibkan.
Sintesis Riset: Bandingkan file sumber yang diberikan, atur temuan berdasarkan topik, dan susun ringkasan berorientasi bukti untuk analis.
Otomatisasi Alur Kerja: Arahkan permintaan berbasis file melalui API yang menghasilkan output teks ringkas untuk tiket, peninjauan, dan alat internal.

Catatan Flaq AI menyediakan alur kerja analisis file terbatas, bukan layanan pemrosesan arsip tanpa batas. Validasi jawaban berdasarkan sumber terhadap materi asli dan terapkan kontrol privasi, retensi, serta akses yang sesuai pada file yang diunggah.

API Gemini 3.6 Flash File Analysis vs Pesaing: Analisis Perbandingan

Gemini 3.6 Flash File Analysis vs. Gemini 3.5 Flash File Analysis
Gemini 3.5 Flash tetap sesuai untuk alur kerja file dan teks rutin. Gemini 3.6 Flash adalah generasi lebih baru bagi tim yang menginginkan penalaran efisien dan dukungan lebih kuat untuk tugas multimodal yang kompleks.
Gemini 3.6 Flash File Analysis vs. Gemini 3.7 Flash File Analysis
Gemini 3.7 Flash adalah opsi Flash yang lebih baru untuk alur kerja yang lebih kompleks. Gemini 3.6 Flash menawarkan alternatif seimbang ketika aplikasi membutuhkan rute analisis berbasis file yang terfokus dengan konfigurasi efisien.
Gemini 3.6 Flash File Analysis vs. GPT 5.6 Terra File Analysis
Model analisis file GPT 5.6 Terra adalah opsi serbaguna untuk aplikasi berorientasi dokumen. Gemini 3.6 Flash memberikan rute berbasis Gemini untuk dievaluasi tim dalam sintesis sumber, ekstraksi, dan bantuan peninjauan.
Gemini 3.6 Flash File Analysis vs. Claude Document Analysis
Model Claude sering dipertimbangkan untuk penalaran dokumen panjang. Gemini 3.6 Flash menyediakan opsi multimodal lainnya bagi alur kerja yang membutuhkan output teks yang jelas dari kumpulan terbatas file yang diunggah.
Gemini 3.6 Flash File Analysis vs. Gemini 3.6 Flash Image-to-Text
Image-to-Text dirancang untuk satu input visual dan pertanyaan terfokus. File Analysis lebih sesuai untuk pekerjaan berpusat pada dokumen yang membutuhkan beberapa input terkait dan respons lebih lengkap yang didasarkan pada sumber.