Google/gemini-3.6-flash-file-analysis

gemini-3.6-flash-file-analysis

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.

File Analysis

Modelos Gemini 3.6 Flash relacionados

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

Documentação

Exemplos de API

JavaScriptPythoncURL

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
  })
});

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);
    }
  }
}

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
  }'

Inicie um novo chat

Envie uma mensagem para começar.

Preços de Gemini 3.6 Flash File Analysis

Parâmetros	Preço	Preço original	Desconto

Token: input	$0.7125 por 1 milhão de tokens de entrada	$0.7500 por 1 milhão de tokens de entrada	95%
Token: output	$3.5625 por 1 milhão de tokens de saída	$3.7500 por 1 milhão de tokens de saída	95%

README

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.