คู่มือ Claude Code
ตั้งค่าโมเดล Claude ของ Flaq AI และสำรวจสกิล Claude Code
ทดลองใช้ Gemini 3.6 Flash API สำหรับ Image-to-Text ถามตอบภาพ OCR วิเคราะห์ และสตรีมคำตอบหลายโมดัลผ่าน Google API ของ Flaq AI
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-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
})
});
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);
}
}
}
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-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-3.6-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 |
|---|
API Gemini 3.6 Flash Image-to-Text มอบเส้นทางที่มุ่งเน้นสำหรับแอปพลิเคชัน Flaq AI เพื่อเปลี่ยนอินพุตภาพให้เป็นข้อความที่มีประโยชน์ สร้างขึ้นบน โมเดล Gemini 3.6 Flash แบบหลายสื่อของ Google เส้นทางนี้ผสานรูปภาพเข้ากับคำสั่ง เพื่อให้ทีมสามารถถามคำถาม ดึงข้อสังเกต อธิบายภาพหน้าจอ และเตรียมเนื้อหาภาพสำหรับเวิร์กโฟลว์ในขั้นตอนถัดไป การผสานรวมนี้คงขอบเขตไว้ อย่างจำเพาะเจาะจง: คำขอด้านภาพที่มุ่งเน้นจะสร้างข้อความแทนสื่อที่สร้างขึ้น
ความเข้าใจภาพแบบหลายสื่อ: ผสานรูปภาพกับคำสั่งภาษาธรรมชาติเพื่อสร้างคำอธิบาย คำตอบ และการวิเคราะห์ ที่อ้างอิงจากภาพ
การตอบคำถามเกี่ยวกับรูปภาพอย่างมีประสิทธิภาพ: ใช้ตระกูลโมเดล Flash สำหรับงานภาพที่ตอบสนองรวดเร็ว เช่น การอธิบายภาพหน้าจอ การดึงรายละเอียดผลิตภัณฑ์ และการเปรียบเทียบรูปภาพ
เวิร์กโฟลว์ภาพที่มุ่งเน้น: ให้แต่ละคำขอมุ่งเน้นที่อินพุตรูปภาพหนึ่งรายการ ทำให้เส้นทางนี้ใช้งานได้ อย่างตรงไปตรงมาในฟีเจอร์ผลิตภัณฑ์และคิวตรวจสอบ
การส่งรูปภาพตามเอกสาร: ส่งรูปภาพผ่านรูปแบบคำขอ Flaq AI ที่กำหนดค่าไว้ให้เหมาะกับเวิร์กโฟลว์การอัปโหลด และพื้นที่จัดเก็บของแอปพลิเคชัน
บริบทที่อิงตามข้อความสนทนา: เพิ่มคำแนะนำระบบ เจตนาของผู้ใช้ และบริบทการสนทนารอบคำถามด้านภาพเมื่อ งานต้องการข้อจำกัดที่ชัดเจนขึ้น
การผสานรวมที่เน้นข้อความ: รับข้อความที่เหมาะสำหรับการแสดงผล การตรวจสอบ การกำหนดเส้นทาง และระบบอัตโนมัติ โดยไม่ถือว่า endpoint เป็นบริการสร้างรูปภาพ
อินพุต: รูปภาพที่รองรับจับคู่กับพรอมต์ที่ระบุงานด้านคำถาม คำอธิบาย การดึงข้อมูล หรือการเปรียบเทียบ ที่ต้องการ
เอาต์พุต: การตอบกลับข้อความที่อ้างอิงจากรูปภาพที่ให้มาและบริบทของคำขอ
การส่งรูปภาพ: ส่งรูปภาพตามรูปแบบคำขอ Flaq AI ที่กำหนดค่าไว้
ความสามารถ: การตอบคำถามด้านภาพ การอธิบายภาพหน้าจอ การสรุปรูปภาพ การดึงรายละเอียด และ การร่างเนื้อหาที่อ้างอิงจากรูปภาพ
การตรวจสอบ UI และผลิตภัณฑ์: เปลี่ยนภาพหน้าจอเป็นคำอธิบายอินเทอร์เฟซ ฉบับร่างรายงานข้อบกพร่อง บันทึก QA ด้านภาพ หรือ ข้อเสนอแนะด้านการออกแบบที่นำไปดำเนินการได้
การเพิ่มข้อมูลแคตตาล็อก: ดึงคุณลักษณะที่มองเห็นได้และร่างคำอธิบายผลิตภัณฑ์สำหรับเวิร์กโฟลว์การค้าและสินค้าคงคลัง ที่มีมนุษย์ตรวจสอบ
การคัดแยกงานสนับสนุนลูกค้า: ตีความภาพหน้าจอและรูปภาพที่ผู้ใช้ส่งมาเพื่อแนะนำคำถาม การตอบกลับ และ การตัดสินใจกำหนดเส้นทางสำหรับทีมสนับสนุน
ความช่วยเหลือด้านการเข้าถึง: สร้างฉบับร่างคำอธิบายรูปภาพและบทสรุปด้านภาพที่บรรณาธิการสามารถตรวจสอบและปรับปรุง ก่อนเผยแพร่
การอธิบายเอกสารและแผนภาพ: ช่วยให้ผู้ใช้เข้าใจแผนภูมิ แผนภาพ สไลด์ และข้อมูลอ้างอิงด้านภาพผ่าน ข้อความที่สร้างขึ้นอย่างชัดเจน
หมายเหตุ เส้นทางนี้กำหนดค่าไว้สำหรับอินพุตรูปภาพที่มุ่งเน้นและเอาต์พุตข้อความ โปรดตรวจสอบเอาต์พุตที่ได้จากรูปภาพก่อนนำไปใช้กับ การตัดสินใจที่สำคัญด้านความปลอดภัย กฎหมาย การแพทย์ การเงิน หรือการปฏิบัติตามข้อกำหนด
Gemini 3.6 Flash Image-to-Text เทียบกับ Gemini 3.5 Flash Image-to-Text
Gemini 3.5 Flash มอบตัวเลือกที่คุ้นเคยสำหรับ
งาน image-to-text Gemini 3.6 Flash เป็นโมเดลรุ่นใหม่กว่าสำหรับทีมที่ต้องการ API แบบหลายสื่อที่มีประสิทธิภาพ
พร้อมความสามารถด้านการให้เหตุผลและการสนับสนุนการวางแผนที่เกี่ยวข้องกับการเขียนโค้ดที่แข็งแกร่งขึ้น
Gemini 3.6 Flash Image-to-Text เทียบกับ Gemini 3.7 Flash Image-to-Text
Gemini 3.7 Flash เป็นโมเดล Flash รุ่นใหม่กว่า
สำหรับเวิร์กโฟลว์แบบเอเจนต์และหลายสื่อที่ซับซ้อน Gemini 3.6 Flash มอบเส้นทางความเข้าใจภาพที่สมดุลเมื่อ
เวิร์กโฟลว์ image-to-text ที่มุ่งเน้นเป็นสิ่งสำคัญ
Gemini 3.6 Flash Image-to-Text เทียบกับ Grok 4.6 Image-to-Text
Grok 4.6 เป็นทางเลือกจาก xAI ที่มีประโยชน์สำหรับการให้เหตุผลทางเทคนิค
ที่อ้างอิงจากรูปภาพ Gemini 3.6 Flash มอบตระกูลโมเดลหลายสื่อของ Google พร้อมการผสานรวม Flaq AI ที่มุ่งเน้นสำหรับ
คำถามด้านภาพและการดำเนินงานด้านเนื้อหา
Gemini 3.6 Flash Image-to-Text เทียบกับ GPT 5.6 Terra Image-to-Text
โมเดลด้านภาพของ GPT 5.6 Terra รองรับสถานการณ์แอปพลิเคชันหลายสื่อที่หลากหลาย
Gemini 3.6 Flash เป็นตัวเลือกที่เหมาะสมในการประเมินเมื่อทีมต้องการเส้นทางที่มีประสิทธิภาพบน Gemini สำหรับ
ภาพหน้าจอ ผลิตภัณฑ์ และเอาต์พุตข้อความที่อ้างอิงจากรูปภาพ
Gemini 3.6 Flash Image-to-Text เทียบกับ Claude Vision
โมเดลด้านการมองเห็นของ Claude อาจเหมาะกับงานด้านเอกสารและ
การอธิบาย Gemini 3.6 Flash มอบตัวเลือก API ที่พร้อมใช้งานจริงอีกทางสำหรับการวิเคราะห์ภาพโดยมีขอบเขต
image-to-text ที่ชัดเจน
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
ใช้ GPT 6 Astra และ Claude Fable 5.1 ใน WorkBuddy