คู่มือ Claude Code
ตั้งค่าโมเดล Claude ของ Flaq AI และสำรวจสกิล Claude Code
Gemini 3.5 Flash API สำหรับถามตอบจากภาพ OCR การวิเคราะห์ภาพ และการให้เหตุผลหลายโมดัล การเข้าถึงที่เสถียรสำหรับแอป AI การผลิต ทดสอบผลลัพธ์ของโมเดล เปรียบเทียบคุณภาพภาพ แล้วขยายไอเดียที่ดีผ่านเวิร์กโฟลว์ API ภาพ วิดีโอ หรือมัลติโมดัลที่เสถียร.
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-image-to-text',
messages: [
{
role: 'user',
content: [
{ type: 'text', text: 'Describe the image and extract any visible text.' },
{
type: 'image_url',
image_url: {
url: 'https://example.com/sample-image.jpg'
}
}
]
}
],
stream: true,
max_tokens: 2048
})
});
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-image-to-text',
'messages': [
{
'role': 'user',
'content': [
{'type': 'text', 'text': 'Describe the image and extract any visible text.'},
{
'type': 'image_url',
'image_url': {
'url': 'https://example.com/sample-image.jpg'
}
},
],
}
],
'stream': True,
'max_tokens': 2048,
},
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-image-to-text",
"messages": [
{
"role": "user",
"content": [
{ "type": "text", "text": "Describe the image and extract any visible text." },
{
"type": "image_url",
"image_url": {
"url": "https://example.com/sample-image.jpg"
}
}
]
}
],
"stream": true,
"max_tokens": 2048
}'
| พารามิเตอร์ | ราคา | ราคาเดิม | ส่วนลด |
|---|
Gemini 3.5 Flash Image-to-Text API บน Flaq AI ให้การเข้าถึงโมเดล Google สำหรับเวิร์กโฟลว์ความเข้าใจภาพที่รวดเร็ว การวิเคราะห์รูปภาพ และการให้เหตุผลแบบมัลติโมดัล การผสานรวม Gemini API ที่มีประสิทธิภาพนี้ช่วยให้นักพัฒนาเปลี่ยนรูปภาพที่อัปโหลดเป็นคำอธิบาย รายละเอียดที่แยกออกมา คำตอบ และสรุปแบบมีโครงสร้างผ่านเส้นทางที่มีการจัดการอย่างเสถียร ออกแบบมาสำหรับทีมที่ต้องการความสามารถ image-to-text ที่ตอบสนองเร็วโดยไม่ต้องสร้างโครงสร้างพื้นฐานเฉพาะผู้ให้บริการ
หมายเหตุ โปรดตรวจสอบให้แน่ใจว่าพรอมป์ รูปภาพที่อัปโหลด และเวิร์กโฟลว์ของแอปพลิเคชันเป็นไปตามแนวทางความปลอดภัยของ Google หากเกิดข้อผิดพลาด ให้ตรวจสอบอินพุตว่ามีเนื้อหาที่ถูกจำกัดหรือไม่ ทำให้คำของ่ายขึ้น แล้วลองอีกครั้ง
Gemini 3.5 Flash เทียบกับ GPT Image-to-Text
เส้นทาง GPT image-to-text ให้พฤติกรรมมัลติโมดัลแบบ OpenAI เนทีฟ Gemini 3.5 Flash ให้เส้นทางโมเดล Google ที่รวดเร็วสำหรับความเข้าใจภาพที่คุ้มค่าบน Flaq AI
Gemini 3.5 Flash เทียบกับ Claude File Analysis
Claude file analysis แข็งแกร่งสำหรับการให้เหตุผลเอกสารและไฟล์แนบอย่างรอบคอบ Gemini 3.5 Flash Image-to-Text มุ่งเน้นความเข้าใจรูปภาพที่ตอบสนองเร็วและ visual QA
Gemini 3.5 Flash เทียบกับ Grok Image-to-Text
Grok Image-to-Text ให้พฤติกรรมโมเดล xAI สำหรับการวิเคราะห์ภาพ Gemini 3.5 Flash ให้ทางเลือก Google พร้อมการเข้าถึง API แบบมีการจัดการที่มีประสิทธิภาพ
Gemini 3.5 Flash เทียบกับ Qwen Vision Workflows
เวิร์กโฟลว์วิชันของ Qwen น่าสนใจสำหรับผู้ใช้โมเดล Alibaba Gemini 3.5 Flash เหมาะกับทีมที่ต้องการการผสานรวม Google image-to-text ที่รวดเร็ว
Gemini 3.5 Flash เทียบกับ Llama Vision Models
โมเดลวิชัน Llama ให้ความยืดหยุ่นในการปรับใช้โมเดลเปิด Gemini 3.5 Flash ลดงานโฮสต์และให้เส้นทางแบบมีการจัดการที่เสถียรแก่นักพัฒนา
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