ทดลองใช้ Gemini 3.6 Flash API สำหรับวิเคราะห์ไฟล์ ตรวจเอกสาร ดึงข้อมูล สรุป และให้เหตุผลหลายโมดัลผ่าน Google API ของ Flaq AI
โมเดล Gemini 3.6 Flash ที่เกี่ยวข้อง
ตัวอย่าง API
ตัวอย่างการส่งคำขอ
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
})
});
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);
}
}
}
ตัวอย่างการส่งคำขอ
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)
ตัวอย่างการส่งคำขอ
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
}'
ราคา Gemini 3.6 Flash File Analysis
| พารามิเตอร์ | ราคา | ราคาเดิม | ส่วนลด |
|---|
README
API Gemini 3.6 Flash File Analysis ที่รวดเร็วและมีประสิทธิภาพ
API Gemini 3.6 Flash File Analysis นำความเข้าใจแบบหลายสื่อของ Gemini มาสู่เส้นทาง Flaq AI ที่ออกแบบมาสำหรับ คำถามที่มุ่งเน้นไฟล์ ช่วยให้แอปพลิเคชันผสานคำสั่งที่เป็นลายลักษณ์อักษรเข้ากับเนื้อหาต้นฉบับที่อัปโหลด และ เพิ่มข้อมูลอ้างอิงด้านภาพได้ตามต้องการ เพื่อสร้างการตอบกลับข้อความที่ชัดเจนสำหรับเวิร์กโฟลว์การวิเคราะห์ การดึงข้อมูล การสรุป และการตรวจสอบ การผสานรวมรองรับรูปแบบคำขอหลายไฟล์ที่มีขอบเขต เพื่อให้ทีมสามารถจัดระเบียบงานที่มุ่งเน้นเอกสาร โดยไม่ทำให้โฟลว์แชตทั่วไปทำงานหนักเกินไป
คุณสมบัติหลักของ API Gemini 3.6 Flash File Analysis
-
การวิเคราะห์ที่มุ่งเน้นไฟล์: ถามคำถามเกี่ยวกับเนื้อหาต้นฉบับที่อัปโหลดและรับข้อความที่สรุป อธิบาย จัดระเบียบ หรือดึงข้อมูลที่เกี่ยวข้องมากที่สุด
-
การรองรับบริบทแบบหลายสื่อ: ผสานเนื้อหาไฟล์เข้ากับคำสั่งที่เป็นลายลักษณ์อักษร และเพิ่มรูปภาพประกอบเมื่อเป็นประโยชน์ เพื่อมอบบริบทการวิเคราะห์ที่ชัดเจนขึ้นแก่โมเดล
-
เวิร์กโฟลว์บริบทยาวที่มีประสิทธิภาพ: ใช้ตระกูลโมเดล Gemini Flash สำหรับงานที่มีเอกสารจำนวนมากซึ่งได้รับประโยชน์จาก การให้เหตุผลที่เข้าใจบริบทและเอาต์พุตที่กระชับ
-
คำขอหลายไฟล์ที่มีขอบเขต: เก็บเนื้อหาต้นฉบับที่เกี่ยวข้องไว้ด้วยกันในเวิร์กโฟลว์อินพุตไฟล์ Flaq AI ที่รองรับ แทนการแบ่งงานวิเคราะห์ออกเป็นพรอมต์แยกหลายรายการ
-
การควบคุมการสนทนาแบบมีโครงสร้าง: เพิ่มคำสั่งระบบและข้อความติดตามจากผู้ใช้เพื่อกำหนดรูปแบบเอาต์พุต กลุ่มเป้าหมาย น้ำเสียง และเกณฑ์การตรวจสอบ
-
เอาต์พุตข้อความสำหรับการใช้งานในขั้นตอนถัดไป: ส่งคืนการวิเคราะห์ที่อ่านได้ ซึ่งสามารถป้อนข้อมูลให้แดชบอร์ดภายใน คิวตรวจสอบ ประสบการณ์ การค้นหา และขั้นตอนอนุมัติโดยมนุษย์
วิธีใช้ API Gemini 3.6 Flash File Analysis บน Flaq AI
-
อินพุต: อินพุตไฟล์ที่รองรับพร้อมคำสั่งภาษาธรรมชาติ และรูปภาพที่เป็นตัวเลือกเมื่อช่วยอธิบาย เนื้อหาต้นฉบับ
-
เอาต์พุต: บทสรุป ผลการค้นพบ รายละเอียดที่ดึงมา การเปรียบเทียบ และฉบับร่างการวิเคราะห์แบบข้อความตาม บริบทคำขอที่ให้มา
-
ขอบเขตคำขอ: ใช้ขีดจำกัดหลายไฟล์ที่กำหนดค่าไว้เพื่อให้แต่ละคำขอมุ่งเน้นที่ชุดเนื้อหาต้นฉบับ ที่สอดคล้องกัน
-
ความสามารถ: การวิเคราะห์เอกสาร การตอบคำถามโดยอ้างอิงจากไฟล์ การสรุป การดึงข้อมูล และ เวิร์กโฟลว์ผู้ช่วยตรวจสอบ
กรณีการใช้งานที่เหมาะสมที่สุดสำหรับการผสานรวม API Gemini 3.6 Flash File Analysis
-
การตรวจสอบเอกสาร: สรุปรายงานภายใน ข้อเสนอ ข้อกำหนด และชุดงานวิจัยก่อนที่ผู้ตรวจสอบซึ่งเป็นมนุษย์ จะตัดสินใจ
-
การเตรียมฐานความรู้: ดึงข้อเท็จจริงสำคัญ สร้างบันทึกแบบมีโครงสร้าง และสร้างคำตอบรอบแรกจาก เนื้อหาธุรกิจที่อัปโหลด
-
การสนับสนุนการดำเนินงานและการปฏิบัติตามข้อกำหนด: ช่วยทีมระบุข้อความที่เกี่ยวข้องและจัดเตรียมรายการตรวจสอบที่ตรวจทานได้โดยไม่ แทนที่การตรวจสอบโดยผู้เชี่ยวชาญที่จำเป็น
-
การสังเคราะห์งานวิจัย: เปรียบเทียบไฟล์ต้นฉบับที่ให้มา จัดระเบียบผลการค้นพบตามหัวข้อ และร่างบทสรุป ที่เน้นหลักฐานสำหรับนักวิเคราะห์
-
ระบบอัตโนมัติสำหรับเวิร์กโฟลว์: กำหนดเส้นทางคำขอแบบไฟล์ผ่าน API ที่สร้างเอาต์พุตข้อความที่กระชับสำหรับระบบทิกเก็ต การตรวจสอบ และเครื่องมือภายใน
หมายเหตุ Flaq AI นำเสนอเวิร์กโฟลว์การวิเคราะห์ไฟล์ที่มีขอบเขต ไม่ใช่บริการประมวลผลไฟล์เก็บถาวรแบบไม่จำกัด โปรดตรวจสอบคำตอบที่อ้างอิงจากต้นฉบับ กับเนื้อหาต้นฉบับ และใช้การควบคุมความเป็นส่วนตัว การเก็บรักษา และการเข้าถึงที่เหมาะสมกับไฟล์ที่อัปโหลด
API Gemini 3.6 Flash File Analysis เทียบกับคู่แข่ง: การวิเคราะห์เปรียบเทียบ
-
Gemini 3.6 Flash File Analysis เทียบกับ Gemini 3.5 Flash File Analysis
Gemini 3.5 Flash ยังคงเหมาะสำหรับเวิร์กโฟลว์ ไฟล์และข้อความทั่วไป Gemini 3.6 Flash เป็นรุ่นที่ใหม่กว่าสำหรับทีมที่ต้องการการให้เหตุผลที่มีประสิทธิภาพและการสนับสนุนที่แข็งแกร่งขึ้น สำหรับงานแบบหลายสื่อที่ซับซ้อน -
Gemini 3.6 Flash File Analysis เทียบกับ Gemini 3.7 Flash File Analysis
Gemini 3.7 Flash เป็นตัวเลือก Flash ที่ใหม่กว่าสำหรับ เวิร์กโฟลว์ที่ซับซ้อนขึ้น Gemini 3.6 Flash มอบทางเลือกที่สมดุลเมื่อแอปพลิเคชันต้องการเส้นทางการวิเคราะห์ที่มุ่งเน้น และอ้างอิงจากไฟล์พร้อมการกำหนดค่าที่มีประสิทธิภาพ -
Gemini 3.6 Flash File Analysis เทียบกับ GPT 5.6 Terra File Analysis
โมเดลวิเคราะห์ไฟล์ของ GPT 5.6 Terra เป็นตัวเลือกที่ครอบคลุมสำหรับ แอปพลิเคชันที่มุ่งเน้นเอกสาร Gemini 3.6 Flash มอบเส้นทางบน Gemini ให้ทีมประเมินสำหรับการสังเคราะห์ต้นฉบับ การดึงข้อมูล และความช่วยเหลือด้านการตรวจสอบ -
Gemini 3.6 Flash File Analysis เทียบกับ Claude Document Analysis
โมเดล Claude มักได้รับการพิจารณาสำหรับการให้เหตุผลเกี่ยวกับ เอกสารแบบยาว Gemini 3.6 Flash มอบอีกหนึ่งตัวเลือกแบบหลายสื่อสำหรับเวิร์กโฟลว์ที่ต้องการเอาต์พุตข้อความที่ชัดเจนจาก ชุดไฟล์ที่อัปโหลดซึ่งมีขอบเขต -
Gemini 3.6 Flash File Analysis เทียบกับ Gemini 3.6 Flash Image-to-Text
Image-to-Text ออกแบบมาสำหรับอินพุตภาพหนึ่งรายการ และคำถามที่มุ่งเน้น File Analysis เหมาะกับงานที่มุ่งเน้นเอกสารซึ่งต้องการอินพุตที่เกี่ยวข้องหลายรายการและ การตอบกลับที่อ้างอิงจากต้นฉบับอย่างสมบูรณ์ยิ่งขึ้น