Gemini 3.7 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。
関連するGemini 3.7 Flashモデル
API 例
送信例
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-3.7-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);
}
}
}
送信例
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-3.7-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)
送信例
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-3.7-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
}'
Gemini 3.7 Flash File Analysisの料金
| パラメータ | 料金 | 元の料金 | 割引 |
|---|
README
高速で手頃な Gemini 3.7 Flash File Analysis API
Gemini 3.7 Flash File Analysis API は、アップロードされたソース資料を有用な テキストに変換する、Flaq AI のコスト効率に優れたルートです。最新の Gemini Flash モデルを使用して複雑な複数ステップの分析を実行しながら、製品の対象範囲を ファイル中心の質問、任意の視覚コンテキスト、生成テキストに絞っています。チームはこの API を使用してソース 資料を整理し、関連情報を抽出して、範囲が定められた一連のファイルからレビュー可能な調査結果を一つのまとまった リクエストで作成できます。
Gemini 3.7 Flash File Analysis API の主な機能
-
ファイルに基づく高度な推論: 詳細な指示に従って提供ファイルを分析し、ソース資料と要求されたタスクを反映した構造化テキストを 受け取れます。
-
非常に手頃な分析ワークフロー: ドキュメント中心の自動化、 レビューキュー、調査支援、ナレッジ運用にコスト効率の高い Flash 構成を使用できます。
-
複数ファイルのコンテキスト: 関連する一連のアップロードファイルを一つのリクエストにまとめ、モデルによる比較、 統合、抽出、ソース横断の質問への対応を可能にします。
-
任意の視覚コンテキスト: 視覚コンテキストがソース 資料の解釈やタスクの明確化に役立つ場合、ファイル入力と対応画像を組み合わせられます。
-
制御可能な API 応答: 製品や運用のワークフローに合わせて、構造化された会話メッセージ、出力長の制御、ドキュメントに記載された 応答モードを使用できます。
-
レビュー対応のテキスト出力: 人による承認や後続の自動化に移行できる要約、調査結果、回答の下書き、整理されたメモを 返します。
Flaq AI で Gemini 3.7 Flash File Analysis API を使用する方法
-
入力: 対応する一連のファイル、自然言語による分析指示、関連する場合は任意の画像。
-
出力: 提供された 資料に基づくテキスト形式の要約、抽出された事実、比較、回答、分析の下書き。
-
リクエスト範囲: 各リクエストを設定された複数ファイルの境界内に収め、同じタスクに 属するソース資料のみをまとめます。
-
機能: ファイルに基づく質問応答、ドキュメント要約、ソース横断の統合、情報 抽出、レビューワークフローの支援。
Gemini 3.7 Flash File Analysis API 統合の最適なユースケース
-
複雑なドキュメントレビュー: 関連するレポート、 仕様書、提案書、調査資料から初期要約、課題リスト、比較を作成します。
-
調査業務: 複数ソースの調査結果を整理し、関連する証拠を特定して、 研究者や編集者が検証するための分析メモを作成します。
-
社内ナレッジワーク: アップロードされた資料を、チーム向けの概要、引き継ぎメモ、Q&A の下書き、構造化された 情報に変換します。
-
ワークフローのトリアージ: 提出ファイルから重要な詳細を抽出し、サポート、運用、 コンテンツ処理向けにレビュー可能な記録を作成します。
-
生産性を高めるファイルアシスタント: 焦点を絞ったテキスト中心の分析を通じて、ユーザー自身のソース資料の理解を支援するアプリケーション機能を 構築します。
注記 File Analysis は、専門家のレビューを置き換えるものではなく、支援することを目的としています。機密資料を保護し、生成された 調査結果をソースファイルと照合し、重大な意思決定には適切な人の監督を取り入れてください。
Gemini 3.7 Flash File Analysis API と競合製品の比較分析
-
Gemini 3.7 Flash File Analysis vs. Gemini 3.6 Flash File Analysis
Gemini 3.6 Flash は、ドキュメント中心のワークフローに適したバランスの取れた選択肢です。 Gemini 3.7 Flash は、同様のファイル中心タスクで、より高度な推論と 複数ステップの統合を検討するチーム向けの新しい Flash モデルです。 -
Gemini 3.7 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、 ドキュメントアプリケーション向けの幅広いルートを提供します。Gemini 3.7 Flash は、ソースに基づく 抽出、レビュー、統合に対応する非常にコスト効率の高い Gemini の選択肢をチームに提供します。 -
Gemini 3.7 Flash File Analysis vs. Claude Document Analysis
Claude モデルは、長文の ドキュメント推論で頻繁に比較検討されます。Gemini 3.7 Flash は、範囲が定められた一連のアップロードファイルから構造化された分析を必要とする アプリケーション向けの、もう一つの高性能な選択肢です。 -
Gemini 3.7 Flash File Analysis vs. Gemini 3.7 Flash Image-to-Text
Image-to-Text は、一つの視覚入力と 焦点を絞った質問向けに設計されています。ドキュメント中心のコンテキストと 複数の関連ファイルが必要なタスクには、File Analysis が適したルートです。 -
Gemini 3.7 Flash File Analysis vs. Gemini 3.7 Flash Text-to-Text
Text-to-Text は、添付のない指示やチャットに最適です。 応答がアップロードされたソース資料に基づく必要がある場合、File Analysis は Flaq AI に設定された ファイル入力ワークフローを追加します。