Experimente Gemini 3.6 Flash API para análise de arquivos, revisão de documentos, extração, resumos e raciocínio multimodal pelo acesso estável da Flaq AI à API do Google.
Modelos Gemini 3.6 Flash relacionados
Exemplos de API
Exemplo de envio
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
})
});
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);
}
}
}
Exemplo de envio
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)
Exemplo de envio
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
}'
Preços de Gemini 3.6 Flash File Analysis
| Parâmetros | Preço | Preço original | Desconto |
|---|
Modelos relacionados
nano-banana-protext-to-imagenano-banana-pro-editimage-to-imagenano-banana-2text-to-imagenano-banana-2-editimage-to-imageveo3.1-text-to-videotext-to-videoveo3.1-image-to-videoimage-to-videoveo3.1-fast-text-to-videotext-to-videoveo3.1-fast-image-to-videoimage-to-videogemini-3.5-flash-text-to-texttext-to-textgemini-3.5-flash-image-to-textimage-to-textgemini-3.5-flash-file-analysisfile-analysisgemini-3.6-flash-text-to-texttext-to-textgemini-3.6-flash-image-to-textimage-to-textgemini-3.6-flash-file-analysisfile-analysisgemini-3.7-flash-text-to-texttext-to-textgemini-3.7-flash-image-to-textimage-to-textgemini-3.7-flash-file-analysisfile-analysisREADME
API de análise de arquivos Gemini 3.6 Flash rápida e eficiente
A API de análise de arquivos Gemini 3.6 Flash leva a compreensão multimodal do Gemini a uma rota da Flaq AI projetada para perguntas centradas em arquivos. Ela ajuda os aplicativos a combinar instruções escritas com material de origem enviado e, opcionalmente, uma referência visual para produzir respostas de texto claras para fluxos de análise, extração, resumo e revisão. A integração oferece suporte a um padrão delimitado de solicitação com vários arquivos, permitindo que as equipes mantenham tarefas orientadas a documentos organizadas sem sobrecarregar um fluxo geral de chat.
Principais recursos da API de análise de arquivos Gemini 3.6 Flash
-
Análise centrada em arquivos: Faça perguntas sobre o material de origem enviado e receba textos que resumem, explicam, organizam ou extraem as informações mais relevantes.
-
Suporte a contexto multimodal: Combine o conteúdo de arquivos com instruções escritas e, quando útil, uma imagem de apoio para fornecer ao modelo um contexto analítico mais claro.
-
Fluxos eficientes de contexto longo: Use a família de modelos Gemini Flash em tarefas com muitos documentos que se beneficiem de raciocínio contextualizado e respostas concisas.
-
Solicitações delimitadas com vários arquivos: Mantenha o material de origem relacionado reunido no fluxo compatível de entrada de arquivos da Flaq AI em vez de dividir uma tarefa de análise entre muitos prompts isolados.
-
Controle estruturado da conversa: Adicione instruções do sistema e mensagens de acompanhamento do usuário para definir o formato da saída, o público, o tom e os critérios de revisão.
-
Saída de texto para uso posterior: Retorne análises legíveis que possam alimentar painéis internos, filas de revisão, experiências de pesquisa e etapas de aprovação humana.
Como usar a API de análise de arquivos Gemini 3.6 Flash na Flaq AI
-
Entrada: Arquivos compatíveis com uma instrução em linguagem natural, além de uma imagem opcional quando ela ajudar a explicar o material de origem.
-
Saída: Resumos em texto, descobertas, detalhes extraídos, comparações e rascunhos de análise baseados no contexto da solicitação fornecida.
-
Escopo da solicitação: Use o limite configurado para vários arquivos a fim de manter cada solicitação focada em um conjunto coerente de material de origem.
-
Recursos: Análise de documentos, respostas a perguntas fundamentadas em arquivos, resumo, extração de informações e fluxos de assistência à revisão.
Melhores casos de uso para integrar a API de análise de arquivos Gemini 3.6 Flash
-
Revisão de documentos: Resuma relatórios internos, propostas, especificações e conjuntos de pesquisa antes que um revisor humano tome uma decisão.
-
Preparação de bases de conhecimento: Extraia fatos importantes, gere notas estruturadas e crie respostas iniciais a partir de material empresarial enviado.
-
Suporte a operações e conformidade: Ajude as equipes a identificar trechos relevantes e preparar listas de verificação revisáveis sem substituir a validação especializada necessária.
-
Síntese de pesquisas: Compare os arquivos de origem fornecidos, organize as descobertas por tópico e elabore resumos orientados a evidências para analistas.
-
Automação de fluxos de trabalho: Encaminhe solicitações baseadas em arquivos por uma API que produz texto conciso para sistemas de tickets, revisão e ferramentas internas.
Observação A Flaq AI oferece um fluxo delimitado de análise de arquivos, não um serviço ilimitado de processamento de arquivos. Valide as respostas fundamentadas nas fontes em relação ao material original e aplique controles adequados de privacidade, retenção e acesso aos arquivos enviados.
API de análise de arquivos Gemini 3.6 Flash vs. concorrentes: análise comparativa
-
Gemini 3.6 Flash File Analysis vs. Gemini 3.5 Flash File Analysis
O Gemini 3.5 Flash continua adequado para fluxos rotineiros de arquivos e texto. O Gemini 3.6 Flash é a geração mais recente para equipes que desejam raciocínio eficiente e suporte mais avançado a tarefas multimodais complexas. -
Gemini 3.6 Flash File Analysis vs. Gemini 3.7 Flash File Analysis
O Gemini 3.7 Flash é a opção Flash mais recente para fluxos mais complexos. O Gemini 3.6 Flash oferece uma alternativa equilibrada quando o aplicativo precisa de uma rota focada de análise fundamentada em arquivos com uma configuração eficiente. -
Gemini 3.6 Flash File Analysis vs. GPT 5.6 Terra File Analysis
Os modelos de análise de arquivos GPT 5.6 Terra são uma opção ampla para aplicativos centrados em documentos. O Gemini 3.6 Flash oferece às equipes uma rota baseada no Gemini para avaliar síntese de fontes, extração e assistência à revisão. -
Gemini 3.6 Flash File Analysis vs. Claude Document Analysis
Os modelos Claude são frequentemente considerados para raciocínio em documentos longos. O Gemini 3.6 Flash oferece outra opção multimodal para fluxos que precisam de uma saída de texto clara a partir de um conjunto delimitado de arquivos enviados. -
Gemini 3.6 Flash File Analysis vs. Gemini 3.6 Flash Image-to-Text
Image-to-Text foi projetado para uma entrada visual e uma pergunta específica. File Analysis é mais adequado ao trabalho centrado em documentos que precisa de várias entradas relacionadas e uma resposta mais completa fundamentada nas fontes.