Google/gemini-3.6-flash-text-to-text

gemini-3.6-flash-text-to-text

ทดลองใช้ Gemini 3.6 Flash API โดย Google เพื่อสร้างข้อความเร็ว ให้เหตุผล เขียน และเขียนโค้ด สตรีมคำตอบผ่าน LLM API ของ Flaq AI

Text Chat

โมเดล Gemini 3.6 Flash ที่เกี่ยวข้อง

gemini-3.6-flash-text-to-texttext-to-text

gemini-3.6-flash-image-to-textimage-to-text

gemini-3.6-flash-file-analysisfile-analysis

เอกสาร

ตัวอย่าง API

JavaScriptPythoncURL

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-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);
    }
  }
}

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-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)

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-text-to-text",
    "messages": [
      {
        "role": "user",
        "content": "Write a concise summary of how transformer models work."
      }
    ],
    "stream": true,
    "max_tokens": 2048
  }'

เริ่มแชตใหม่

ส่งข้อความเพื่อเริ่มต้น

ราคา Gemini 3.6 Flash Text to Text

พารามิเตอร์	ราคา	ราคาเดิม	ส่วนลด

โทเค็น: input	$0.7125 ต่อ 1 ล้านโทเค็นอินพุต	$0.7500 ต่อ 1 ล้านโทเค็นอินพุต	95%
โทเค็น: output	$3.5625 ต่อ 1 ล้านโทเค็นเอาต์พุต	$3.7500 ต่อ 1 ล้านโทเค็นเอาต์พุต	95%

README

API Gemini 3.6 Flash Text-to-Text ที่รวดเร็วและมีประสิทธิภาพ

API Gemini 3.6 Flash Text-to-Text นำโมเดล Flash ของ Google ที่ใช้โทเค็นอย่างมีประสิทธิภาพและมีความสามารถด้านการให้เหตุผลมาสู่ Flaq AI สำหรับ เวิร์กโฟลว์ข้อความที่ตอบสนองรวดเร็ว เส้นทางนี้ออกแบบมาสำหรับแอปพลิเคชันที่ต้องการการปฏิบัติตามคำสั่งที่แม่นยำ ความช่วยเหลือด้านการเขียนโค้ด การร่างเนื้อหาเพื่อการวิจัย และงานด้านความรู้ในชีวิตประจำวัน พร้อมจำกัดการผสานรวมไว้ที่อินพุตข้อความและเอาต์พุต ข้อความ การกำหนดค่าบน Flaq AI ทำให้เป็นตัวเลือกที่เหมาะกับทีมที่ต้องการ Gemini API ที่มีประสิทธิภาพโดยไม่ต้องขยาย เวิร์กโฟลว์ข้อความไปสู่การจัดการสื่อหรือไฟล์

คุณสมบัติหลักของ API Gemini 3.6 Flash Text-to-Text

เวิร์กโฟลว์การให้เหตุผลที่มีประสิทธิภาพ: ใช้โมเดล Flash ที่สร้างขึ้นเพื่อสร้างสมดุลระหว่างการตอบสนองรวดเร็วกับความสามารถด้านการให้เหตุผลสำหรับ พรอมต์ที่ซับซ้อนและงานข้อความหลายขั้นตอน
การสนับสนุนการเขียนโค้ดและการวางแผน: เปลี่ยนข้อกำหนด คำถามเกี่ยวกับโค้ด และปัญหาทางเทคนิคให้เป็นบันทึกการนำไปใช้ ฉบับร่าง คำอธิบาย และแผนขั้นตอนถัดไป
การปฏิบัติตามคำสั่งคุณภาพสูง: ระบุคำสั่งภาษาธรรมชาติโดยละเอียดสำหรับเวิร์กโฟลว์การเขียน การแปลง การวิเคราะห์ การจัดประเภท และการตอบกลับแบบมีโครงสร้าง
ขอบเขตที่มุ่งเน้นเฉพาะข้อความ: รักษาการผสานรวมให้สอดคล้องกับเส้นทางข้อความที่กำหนดค่าไว้ โดยไม่ต้องใช้อินพุตรูปภาพหรือไฟล์ สำหรับงานนั้น
ความยาวการตอบกลับที่ยืดหยุ่น: ใช้การควบคุมเอาต์พุตที่เป็นตัวเลือกเพื่อปรับการตอบกลับให้เหมาะกับข้อความผลิตภัณฑ์ที่กระชับ คำ อธิบายโดยละเอียด หรือระบบอัตโนมัติในขั้นตอนถัดไป
การผสานรวมแชตที่พร้อมสำหรับสตรีมมิง: รองรับประสบการณ์ผู้ใช้ที่ตอบสนองรวดเร็วผ่านรูปแบบคำขอแบบสตรีมมิงและ ไม่ใช่สตรีมมิงที่ระบุไว้ในเอกสารบน Flaq AI

วิธีใช้ API Gemini 3.6 Flash Text-to-Text บน Flaq AI

อินพุต: ข้อความสนทนาแบบข้อความพร้อมคำสั่งระบบ คำขอของผู้ใช้ และบริบทจากผู้ช่วยก่อนหน้าเมื่อ จำเป็น
เอาต์พุต: ข้อความที่สร้างขึ้นสำหรับประสบการณ์แชต เครื่องมือภายใน เวิร์กโฟลว์เนื้อหา และแอปพลิเคชันที่ขับเคลื่อนด้วย API
โหมดการตอบกลับ: เลือกโฟลว์สตรีมมิงตามที่ระบุในเอกสารสำหรับการส่งแบบต่อเนื่อง หรือการตอบกลับ JSON มาตรฐานเมื่อ ต้องการผลลัพธ์ที่สมบูรณ์
ความสามารถ: การสร้างข้อความ ความช่วยเหลือด้านการเขียนโค้ด การสรุป การเขียนใหม่ การจัดประเภท การวางแผน และ การสนับสนุนงานด้านความรู้

กรณีการใช้งานที่เหมาะสมที่สุดสำหรับการผสานรวม API Gemini 3.6 Flash Text-to-Text

ผู้ช่วยสำหรับนักพัฒนา: ช่วยอธิบายโค้ด วางแผนการนำไปใช้ ร่างกรณีทดสอบ จัดทำเอกสาร และ เวิร์กโฟลว์การคัดแยกปัญหา
ระบบอัตโนมัติสำหรับงานเขียนธุรกิจ: สร้างฉบับร่างแรกสำหรับบทสรุป รายงาน การตอบอีเมล ข้อความผลิตภัณฑ์ และการสื่อสาร ภายในจากพรอมต์แบบมีโครงสร้าง
ผู้ช่วยฝ่ายสนับสนุน: จัดประเภทคำขอที่เข้ามา เสนอคำตอบที่เป็นประโยชน์ และสร้างบันทึกส่งต่องานให้เจ้าหน้าที่อย่างชัดเจน ในโฟลว์การสนับสนุนที่เน้นข้อความ
การร่างงานวิจัยและการวิเคราะห์: สรุปบันทึกที่ให้มา จัดระเบียบผลการค้นพบ เปรียบเทียบตัวเลือก และจัดเตรียม โครงร่างการวิเคราะห์ที่ตรวจสอบได้
แอปพลิเคชันข้อความปริมาณสูง: สร้างฟีเจอร์แชต เนื้อหา หรือระบบอัตโนมัติที่ตอบสนองรวดเร็ว ซึ่งต้องการการกำหนดค่าโมเดลที่ คุ้มค่าและการผสานรวมที่ใช้ข้อความสนทนาซึ่งคาดการณ์ได้

หมายเหตุ เส้นทาง Flaq AI นี้กำหนดค่าไว้สำหรับการโต้ตอบจากข้อความเป็นข้อความ โปรดตรวจสอบเนื้อหาที่สร้างขึ้นก่อนนำไปใช้กับ การตัดสินใจที่มีผลกระทบหรือการเปลี่ยนแปลงในระบบใช้งานจริง และใช้งานให้สอดคล้องกับนโยบายที่เกี่ยวข้องของ Google และ Flaq AI

API Gemini 3.6 Flash Text-to-Text เทียบกับคู่แข่ง: การวิเคราะห์เปรียบเทียบ

Gemini 3.6 Flash เทียบกับ Gemini 3.5 Flash
Gemini 3.5 Flash ยังคงเป็นตัวเลือกพื้นฐานที่ใช้งานได้จริงสำหรับเวิร์กโหลดข้อความทั่วไป Gemini 3.6 Flash เป็นรุ่นที่ใหม่กว่าสำหรับทีมที่ต้องการประสิทธิภาพการใช้โทเค็นที่ดีขึ้นและการสนับสนุนที่แข็งแกร่งขึ้นสำหรับ งานเขียนโค้ดที่ซับซ้อนและการวางแผนแบบเอเจนต์
Gemini 3.6 Flash เทียบกับ Gemini 3.7 Flash
Gemini 3.7 Flash เป็นตัวเลือก Flash ที่ใหม่กว่าและมีความสามารถสูงกว่าสำหรับเวิร์กโฟลว์ ที่ซับซ้อน Gemini 3.6 Flash มอบทางเลือกที่สมดุลเมื่อการผสานรวมเฉพาะข้อความต้องการการให้เหตุผลที่มีประสิทธิภาพพร้อม การกำหนดค่าที่มีประสิทธิภาพ
Gemini 3.6 Flash เทียบกับ GPT 5.6 Terra
GPT 5.6 Terra เป็นโมเดลอเนกประสงค์ที่ครอบคลุมสำหรับงานภาษาขั้นสูง Gemini 3.6 Flash มอบตัวเลือก Gemini API สำหรับทีมที่ให้ความสำคัญกับประสิทธิภาพของเวิร์กโฟลว์ข้อความ การสนับสนุนการเขียนโค้ด และ การผสานรวมที่ใช้ข้อความสนทนา
Gemini 3.6 Flash เทียบกับ Claude Sonnet 5
Claude Sonnet 5 มักได้รับการประเมินสำหรับการให้เหตุผลและการเขียนแบบยาว Gemini 3.6 Flash เป็นทางเลือกที่มีประโยชน์สำหรับทีมที่เปรียบเทียบการสร้างข้อความที่ตอบสนองรวดเร็วและคำนึงถึงต้นทุนในงานเขียนโค้ด และงานด้านความรู้
Gemini 3.6 Flash เทียบกับ Kimi 2.7
Kimi 2.7 เป็นอีกหนึ่งตัวเลือกที่แข็งแกร่งสำหรับเวิร์กโฟลว์ข้อความและการเขียนโค้ด Gemini 3.6 Flash สร้างความแตกต่างด้วยตระกูลโมเดล Flash ของ Google และเส้นทาง text-to-text ที่มุ่งเน้นบน Flaq AI