Google/gemini-3.7-flash-file-analysis

gemini-3.7-flash-file-analysis

Experimente Gemini 3.7 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 3.7 Flash relacionados

gemini-3.7-flash-text-to-texttext-to-text

gemini-3.7-flash-image-to-textimage-to-text

gemini-3.7-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-3.7-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
  })
});

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-3.7-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)

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-3.7-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
  }'

Inicie um novo chat

Envie uma mensagem para começar.

Preços de Gemini 3.7 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 Gemini 3.7 Flash File Analysis rápida e acessível

A API Gemini 3.7 Flash File Analysis é a rota econômica da Flaq AI para transformar o material de origem enviado em texto útil. Ela usa o modelo Gemini Flash mais recente para análises complexas em várias etapas, mantendo a experiência do produto focada em perguntas baseadas em arquivos, contexto visual opcional e texto gerado. As equipes podem usar essa API para organizar o material de origem, extrair informações relevantes e elaborar conclusões que possam ser revisadas com base em um conjunto limitado de arquivos em uma única solicitação coerente.

Principais recursos da API Gemini 3.7 Flash File Analysis

Raciocínio avançado baseado em arquivos: Analise os arquivos fornecidos por meio de instruções detalhadas e receba texto estruturado que reflita o material de origem e a tarefa solicitada.
Fluxo de análise muito acessível: Use uma configuração Flash econômica para automação focada em documentos, filas de revisão, assistência à pesquisa e operações de conhecimento.
Contexto de vários arquivos: Reúna um conjunto relacionado de arquivos enviados em uma solicitação para que o modelo ofereça suporte a comparação, síntese, extração e perguntas entre fontes.
Contexto visual opcional: Combine entradas de arquivos com uma imagem compatível quando o contexto visual ajudar a interpretar o material de origem ou esclarecer a tarefa.
Respostas de API controladas: Use mensagens de conversa estruturadas, controles de tamanho da saída e o modo de resposta documentado para atender aos fluxos de produtos e operações.
Saída de texto pronta para revisão: Retorne resumos, conclusões, rascunhos de respostas e notas organizadas que possam seguir para aprovação humana ou automação subsequente.

Como usar a API Gemini 3.7 Flash File Analysis na Flaq AI

Entrada: Um conjunto compatível de arquivos, uma instrução de análise em linguagem natural e uma imagem opcional, quando relevante.
Saída: Resumos em texto, fatos extraídos, comparações, respostas e rascunhos de análise baseados no material fornecido.
Escopo da solicitação: Mantenha cada solicitação dentro do limite configurado de vários arquivos e agrupe apenas o material de origem que pertence à mesma tarefa.
Recursos: Resposta a perguntas baseadas em arquivos, resumo de documentos, síntese entre fontes, extração de informações e assistência a fluxos de revisão.

Melhores casos de uso para a integração da API Gemini 3.7 Flash File Analysis

Revisão de documentos complexos: Prepare resumos iniciais, listas de problemas e comparações com base em relatórios, especificações, propostas e materiais de pesquisa relacionados.
Operações de pesquisa: Organize conclusões de várias fontes, identifique evidências relevantes e elabore notas analíticas para um pesquisador ou editor validar.
Trabalho intelectual interno: Transforme o material enviado em briefings, notas de transferência, rascunhos de perguntas e respostas e informações estruturadas para as equipes.
Triagem de fluxo de trabalho: Extraia detalhes importantes dos arquivos enviados e crie registros prontos para revisão em suporte, operações e processos de conteúdo.
Assistentes de arquivos produtivos: Crie recursos de aplicativos que ajudem os usuários a compreender o próprio material de origem por meio de análises focadas e voltadas ao texto.

Observação O File Analysis se destina a apoiar, e não substituir, a revisão de especialistas. Mantenha o material confidencial protegido, verifique as conclusões geradas com os arquivos de origem e use a supervisão humana adequada para decisões importantes.

API Gemini 3.7 Flash File Analysis vs. concorrentes: análise comparativa

Gemini 3.7 Flash File Analysis vs. Gemini 3.6 Flash File Analysis
O Gemini 3.6 Flash é uma opção equilibrada para fluxos de trabalho voltados a documentos. O Gemini 3.7 Flash é o modelo Flash mais recente para equipes que avaliam um raciocínio mais avançado e síntese em várias etapas no mesmo tipo de tarefa baseada em arquivos.
Gemini 3.7 Flash File Analysis vs. GPT 5.6 Terra File Analysis
Os modelos de análise de arquivos GPT 5.6 Terra oferecem uma rota abrangente para aplicativos de documentos. O Gemini 3.7 Flash fornece às equipes uma alternativa Gemini altamente econômica para extração, revisão e síntese baseadas nas fontes.
Gemini 3.7 Flash File Analysis vs. Claude Document Analysis
Os modelos Claude são avaliados com frequência para raciocínio em documentos extensos. O Gemini 3.7 Flash oferece outra opção avançada para aplicativos que precisam de análise estruturada de um conjunto limitado de arquivos enviados.
Gemini 3.7 Flash File Analysis vs. Gemini 3.7 Flash Image-to-Text
O Image-to-Text foi desenvolvido para uma entrada visual e uma pergunta focada. O File Analysis é a rota adequada quando a tarefa exige contexto baseado em documentos e vários arquivos relacionados.
Gemini 3.7 Flash File Analysis vs. Gemini 3.7 Flash Text-to-Text
O Text-to-Text é ideal para instruções e chats sem anexos. O File Analysis adiciona o fluxo configurado de entrada de arquivos da Flaq AI quando as respostas precisam se basear no material de origem enviado.