Claude Code ガイド
Flaq AI の Claude モデルを設定し、Claude Code スキルを探す
Gemini 3.6 Flash APIを試して、Flaq AIの安定したGoogle APIアクセスを通じて、ファイル分析、ドキュメントレビュー、抽出、要約、マルチモーダル推論に活用できます。
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);
}
}
}
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)
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
}'
| パラメータ | 料金 | 元の料金 | 割引 |
|---|
Gemini 3.6 Flash File Analysis API は、Gemini のマルチモーダル理解を、 ファイル中心の質問向けに設計された Flaq AI ルートへ導入します。アプリケーションが書面による指示とアップロードされたソース資料、 さらに必要に応じて視覚的な参考資料を組み合わせ、分析、抽出、要約、レビューの ワークフロー向けに明確なテキスト応答を生成できるよう支援します。この統合は上限のある複数ファイルのリクエストパターンに対応し、チームは文書指向のタスクを 汎用チャットフローに過度な負荷をかけずに整理できます。
ファイル中心の分析: アップロードしたソース資料について質問し、最も関連性の高い情報を要約、説明、 整理、抽出したテキストを受け取れます。
マルチモーダルコンテキスト対応: ファイル内容と書面による指示に加え、必要に応じて補助画像を 組み合わせ、モデルにより明確な分析コンテキストを与えます。
効率的な長文コンテキストワークフロー: コンテキストを認識した推論と簡潔な出力が役立つ、文書量の多いタスクに Gemini Flash モデルファミリーを利用します。
上限のある複数ファイルリクエスト: 分析タスクを多数の孤立したプロンプトに分割するのではなく、 対応する Flaq AI のファイル入力ワークフローで関連するソース資料をまとめて扱います。
構造化された会話制御: システム指示とフォローアップのユーザーメッセージを追加して、出力形式、 対象読者、トーン、レビュー基準を定義します。
後続処理向けのテキスト出力: 社内ダッシュボード、レビューキュー、検索 体験、人による承認ステップに利用できる、読みやすい分析を返します。
入力: 自然言語の指示を伴う対応ファイル入力に加え、ソース資料の 説明に役立つ場合はオプションの画像。
出力: 提供されたリクエストコンテキストに基づく、テキストの要約、調査結果、抽出された詳細、比較、 分析の下書き。
リクエスト範囲: 構成済みの複数ファイル上限を使用し、各リクエストを一貫したソース資料群に 集中させます。
機能: 文書分析、ファイルに基づく質問応答、要約、情報抽出、 レビューアシスタントのワークフロー。
文書レビュー: 人間のレビュアーが 意思決定を行う前に、社内レポート、提案書、仕様書、調査資料一式を要約します。
ナレッジベースの準備: アップロードされた業務資料から重要な事実を抽出し、構造化されたメモを生成して、 初稿となる回答を作成します。
業務とコンプライアンスの支援: 必要な専門家による検証に 代わることなく、関連箇所の特定とレビュー可能なチェックリストの準備を支援します。
リサーチの統合: 提供されたソースファイルを比較し、調査結果をトピック別に整理して、根拠を重視した 要約をアナリスト向けに作成します。
ワークフローの自動化: チケット管理、レビュー、 社内ツール向けに簡潔なテキスト出力を生成する API を通じて、ファイルベースのリクエストを処理します。
注記 Flaq AI が提供するのは、上限のあるファイル分析ワークフローであり、無制限のアーカイブ処理サービスではありません。ソースに基づく 回答を元の資料と照合し、アップロードされたファイルに適切なプライバシー、保持、アクセス制御を適用してください。
Gemini 3.6 Flash File Analysis vs. Gemini 3.5 Flash File Analysis
Gemini 3.5 Flash は、一般的な
ファイルとテキストのワークフローに引き続き適しています。Gemini 3.6 Flash は、効率的な推論と、
複雑なマルチモーダルタスクへの強力な対応を求めるチーム向けの新世代モデルです。
Gemini 3.6 Flash File Analysis vs. Gemini 3.7 Flash File Analysis
Gemini 3.7 Flash は、
より複雑なワークフロー向けの新しい Flash の選択肢です。Gemini 3.6 Flash は、アプリケーションに、
効率的な構成のファイルベース分析専用ルートが必要な場合に、バランスの取れた代替手段となります。
Gemini 3.6 Flash File Analysis vs. GPT 5.6 Terra File Analysis
GPT 5.6 Terra のファイル分析モデルは、
文書中心のアプリケーションに対応する幅広い選択肢です。Gemini 3.6 Flash は、ソースの統合、
抽出、レビュー支援向けに評価できる Gemini ベースのルートをチームに提供します。
Gemini 3.6 Flash File Analysis vs. Claude Document Analysis
Claude モデルは、長文の
文書推論でよく検討されます。Gemini 3.6 Flash は、上限のあるアップロード済みファイル群から明確なテキスト出力を
必要とするワークフロー向けの、もう一つのマルチモーダルな選択肢です。
Gemini 3.6 Flash File Analysis vs. Gemini 3.6 Flash Image-to-Text
Image-to-Text は、1 つの視覚入力と
焦点を絞った質問向けに設計されています。File Analysis は、複数の関連入力と
より完全なソースベースの応答が必要な文書中心の作業に適しています。
Flaq AI の Claude モデルを設定し、Claude Code スキルを探す

Flaq AI の GPT モデルを設定し、Codex スキルを探す
Hermes Agent で Flaq AI の LLM モデルを使用
ZCodeでGLM 5.2、Kimi K3、DeepSeek v4を使用
Flaq AI の DeepSeek モデルで DeepSeek Harness を実行
AIエージェントをFlaqの画像・動画生成ツールに接続
WorkBuddy で GPT 6 Astra と Claude Fable 5.1 を使用