คู่มือ Claude Code
ตั้งค่าโมเดล Claude ของ Flaq AI และสำรวจสกิล Claude Code
ทดลองใช้ฟรี Gemini 3.5 Flash API สำหรับการวิเคราะห์ไฟล์ สรุปเอกสาร การดึงข้อมูล และการให้เหตุผลหลายโมดัล การเข้าถึงที่เสถียรสำหรับทีมผลิต ใช้ API ของ GPT, Claude และ LLM อื่นที่เสถียรสำหรับ AI agent, chatbot, งานวิจัย, โค้ด, ระบบอัตโนมัติ และแอปอัจฉริยะ.
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-3.5-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);
}
}
}
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-3.5-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-3.5-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
}'
| พารามิเตอร์ | ราคา | ราคาเดิม | ส่วนลด |
|---|
Gemini 3.5 Flash File Analysis API บน Flaq AI ให้การเข้าถึงโมเดล Google สำหรับเวิร์กโฟลว์ความเข้าใจเอกสารที่รวดเร็ว การตรวจทานไฟล์ และการวิเคราะห์แบบมัลติโมดัล การผสานรวม Gemini API ที่มีประสิทธิภาพนี้ช่วยให้นักพัฒนาวิเคราะห์ไฟล์ รูปภาพ และคำสั่งข้อความที่อัปโหลดผ่านเส้นทางที่มีการจัดการอย่างเสถียร สร้างมาสำหรับทีมที่ต้องการการวิเคราะห์ไฟล์ที่คุ้มค่าในระดับขนาดใหญ่โดยไม่ต้องประกอบโครงสร้างพื้นฐานประมวลผลเฉพาะผู้ให้บริการ
หมายเหตุ โปรดตรวจสอบให้แน่ใจว่าไฟล์ที่อัปโหลด พรอมป์ และเวิร์กโฟลว์ของแอปพลิเคชันเป็นไปตามแนวทางความปลอดภัยของ Google หากเกิดข้อผิดพลาด ให้ตรวจสอบอินพุตว่ามีเนื้อหาที่ถูกจำกัดหรือไม่ ทำให้คำของ่ายขึ้น แล้วลองอีกครั้ง
Gemini 3.5 Flash เทียบกับ Claude File Analysis
Claude file analysis แข็งแกร่งสำหรับการให้เหตุผลเอกสารอย่างรอบคอบ Gemini 3.5 Flash File Analysis ให้ความสำคัญกับความเร็ว ความคุ้มค่า และการผสานรวมโมเดล Google สำหรับเวิร์กโฟลว์ที่ปรับขนาดได้
Gemini 3.5 Flash เทียบกับ GPT File Analysis
เส้นทางวิเคราะห์ไฟล์ของ GPT ให้พฤติกรรมแบบ OpenAI เนทีฟและความคุ้นเคยในระบบนิเวศที่กว้าง Gemini 3.5 Flash ให้เส้นทาง Google ที่มีประสิทธิภาพสำหรับความเข้าใจไฟล์แบบมีการจัดการ
Gemini 3.5 Flash เทียบกับ Qwen File Workflows
เวิร์กโฟลว์ Qwen ให้ทางเลือกโมเดล Alibaba สำหรับงานภาษา Gemini 3.5 Flash File Analysis มุ่งเน้นความเข้าใจไฟล์และรูปภาพที่ขับเคลื่อนด้วย Google อย่างคุ้มค่า
Gemini 3.5 Flash เทียบกับ Grok Vision Workflows
เวิร์กโฟลว์วิชันของ Grok ให้พฤติกรรมโมเดล xAI Gemini 3.5 Flash ให้การวิเคราะห์ไฟล์ Google แบบมีการจัดการที่รวดเร็วผ่าน Flaq AI
Gemini 3.5 Flash เทียบกับ Llama with Document Pipelines
Llama พร้อมเครื่องมือเอกสารให้การควบคุมโครงสร้างพื้นฐาน Gemini 3.5 Flash ลดความซับซ้อนของการโฮสต์และไปป์ไลน์สำหรับทีมที่ต้องการ API แบบมีการจัดการ
ตั้งค่าโมเดล Claude ของ Flaq AI และสำรวจสกิล Claude Code

ตั้งค่าโมเดล GPT ของ Flaq AI และสำรวจสกิล Codex
ใช้โมเดล LLM ของ Flaq AI ใน Hermes Agent
ใช้ GLM 5.2, Kimi K3 และ DeepSeek v4 ใน ZCode
เรียกใช้ DeepSeek Harness กับโมเดล DeepSeek ของ Flaq AI
เชื่อมต่อเอเจนต์ AI กับเครื่องมือสร้างรูปภาพและวิดีโอของ Flaq