คู่มือ Claude Code
ตั้งค่าโมเดล Claude ของ Flaq AI และสำรวจสกิล Claude Code
ทดลองใช้ฟรี Gemini 3.5 Flash API สำหรับการเขียน LLM อย่างรวดเร็ว ความช่วยเหลือด้านโค้ด การให้เหตุผล และการสรุป การเข้าถึงที่เสถียรสำหรับแอป AI การผลิตที่ขยายได้ 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-text-to-text',
messages: [
{
role: 'user',
content: 'Write a concise summary of how transformer models work.'
}
],
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-text-to-text',
'messages': [
{
'role': 'user',
'content': 'Write a concise summary of how transformer models work.',
}
],
'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-text-to-text",
"messages": [
{
"role": "user",
"content": "Write a concise summary of how transformer models work."
}
],
"stream": true,
"max_tokens": 2048
}'
| พารามิเตอร์ | ราคา | ราคาเดิม | ส่วนลด |
|---|
Gemini 3.5 Flash Text-to-Text API บน Flaq AI ให้การเข้าถึงโมเดล Google สำหรับเวิร์กโฟลว์ภาษาที่รวดเร็ว คุ้มค่า และพร้อมใช้จริง การผสานรวม Gemini API ที่มีประสิทธิภาพนี้ช่วยให้นักพัฒนาสร้างฟีเจอร์แชท การสรุป การเขียน การเขียนโค้ด และระบบอัตโนมัติด้วยบริบทการสนทนาที่ยืดหยุ่นและการควบคุมเอาต์พุตที่ใช้งานได้จริง ออกแบบมาสำหรับทีมที่ต้องการการสร้างข้อความที่ตอบสนองเร็วในระดับขนาดใหญ่โดยไม่ต้องจัดการโครงสร้างพื้นฐานโมเดล Google โดยตรง
หมายเหตุ โปรดตรวจสอบให้แน่ใจว่าพรอมป์และเวิร์กโฟลว์ของแอปพลิเคชันเป็นไปตามแนวทางความปลอดภัยของ Google หากเกิดข้อผิดพลาด ให้ตรวจสอบอินพุตว่ามีเนื้อหาที่ถูกจำกัดหรือไม่ ทำให้คำของ่ายขึ้น แล้วลองอีกครั้ง
Gemini 3.5 Flash เทียบกับโมเดล Gemini Pro
โมเดล Gemini Pro มักถูกวางตำแหน่งสำหรับการให้เหตุผลที่ต้องการมากขึ้นและคุณภาพระดับพรีเมียม Gemini 3.5 Flash ให้ความสำคัญกับความเร็ว ความคุ้มค่า และปริมาณงานที่มีประสิทธิภาพสำหรับเวิร์กโฟลว์ข้อความประจำวัน
Gemini 3.5 Flash เทียบกับโมเดล GPT
โมเดล GPT ให้พฤติกรรมแบบ OpenAI เนทีฟและความคุ้นเคยในระบบนิเวศที่กว้าง Gemini 3.5 Flash ให้เส้นทางโมเดล Google ที่รวดเร็วสำหรับการสร้างข้อความแบบมีการจัดการบน Flaq AI
Gemini 3.5 Flash เทียบกับ Claude Sonnet
Claude Sonnet แข็งแกร่งด้านการเขียนอย่างรอบคอบและการให้เหตุผลที่สมดุล Gemini 3.5 Flash น่าสนใจสำหรับการสร้างข้อความที่รวดเร็ว คุ้มค่า และการผสานรวมโมเดล Google
Gemini 3.5 Flash เทียบกับ Qwen Plus
Qwen Plus ให้เวิร์กโฟลว์ภาษาของ Alibaba ที่คุ้มค่า Gemini 3.5 Flash ให้ทางเลือก Google สำหรับแอปพลิเคชัน text-to-text ที่ตอบสนองเร็ว
Gemini 3.5 Flash เทียบกับ Llama
โมเดล Llama ให้การควบคุมโมเดลเปิดแก่ทีม Gemini 3.5 Flash ลดความซับซ้อนของการโฮสต์และให้การเข้าถึง API แบบมีการจัดการสำหรับฟีเจอร์ข้อความระดับโปรดักชัน
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