Google/gemini-3.7-flash-text-to-text

gemini-3.7-flash-text-to-text

ทดลองใช้ Gemini 3.7 Flash API โดย Google เพื่อสร้างข้อความเร็ว ให้เหตุผล เขียน และเขียนโค้ด สตรีมคำตอบผ่าน LLM API ของ Flaq AI

Text Chat

โมเดล Gemini 3.7 Flash ที่เกี่ยวข้อง

gemini-3.7-flash-text-to-texttext-to-text

gemini-3.7-flash-image-to-textimage-to-text

gemini-3.7-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-3.7-flash-text-to-text',
    messages: [
      {
        role: 'user',
        content: 'Write a concise summary of how transformer models work.'
      }
    ],
    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);
    }
  }
}

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-3.7-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-3.7-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 3.7 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

Gemini 3.7 Flash Text-to-Text API ที่รวดเร็วและประหยัด

Gemini 3.7 Flash Text-to-Text API คือช่องทางที่คุ้มค่าอย่างยิ่งจาก Flaq AI สำหรับใช้งานโมเดล Flash รุ่นล่าสุดของ Google ในเวิร์กโฟลว์ ข้อความที่ซับซ้อน Gemini 3.7 Flash ผสานการใช้เหตุผลขั้นสูง การดำเนินงานหลายขั้นตอนที่เชื่อถือได้ และศักยภาพด้านการเขียนโค้ดที่แข็งแกร่ง เข้ากับการกำหนดค่าที่สร้างขึ้นเพื่อการผสานรวมแบบข้อความซึ่งตอบสนองได้รวดเร็ว ช่องทางนี้ตั้งใจรับเฉพาะข้อความ ทำให้ ทีมมีขอบเขต API ที่ชัดเจนสำหรับแชตในระบบจริง ระบบอัตโนมัติ และฟีเจอร์งานเชิงความรู้ที่ไม่ต้องใช้สื่อหรือไฟล์ แนบ

ฟีเจอร์สำคัญของ Gemini 3.7 Flash Text-to-Text API

การใช้เหตุผล Flash ขั้นสูง: ใช้โมเดล Gemini Flash รุ่นใหม่ที่ออกแบบมาสำหรับพรอมต์ซับซ้อน งานหลายขั้นตอน และ การดำเนินงานบนข้อความที่เชื่อถือได้
การกำหนดค่า API ที่ประหยัดอย่างยิ่ง: สร้างประสบการณ์ข้อความปริมาณมากด้วยการกำหนดค่าโมเดล Flaq AI ที่ คุ้มค่า พร้อมคงศักยภาพด้านการใช้เหตุผลและการเขียนโค้ดที่แข็งแกร่ง
รองรับการเขียนโค้ดและการวางแผนแบบเอเจนต์: สร้างแผนการพัฒนา คำอธิบายโค้ด ร่างเนื้อหาทางเทคนิค และ ขั้นตอนถัดไปที่มีโครงสร้างจากคำขอภาษาธรรมชาติที่มีรายละเอียด
ช่องทางเฉพาะข้อความ: รักษาการผสานรวมให้สอดคล้องกับขอบเขตอินพุต text-to-text ที่กำหนดไว้ เพื่อให้ แชตและระบบอัตโนมัติทำงานได้อย่างคาดการณ์ได้
การควบคุมเอาต์พุตและบริบท: จัดโครงสร้างคำขอด้วยบทบาทในการสนทนา และปรับความยาวเอาต์พุตให้เหมาะกับการตอบสนอง UI แบบ กระชับ การวิเคราะห์โดยละเอียด หรือไปป์ไลน์ประมวลผล
การส่งข้อมูลที่พร้อมสำหรับสตรีมมิง: ใช้รูปแบบสตรีมมิงหรือการตอบกลับแบบสมบูรณ์ตามเอกสาร เพื่อให้เข้ากับโฟลว์แอปพลิเคชันแบบโต้ตอบและ เบื้องหลัง

วิธีใช้ Gemini 3.7 Flash Text-to-Text API บน Flaq AI

อินพุต: ข้อความสนทนาที่ระบุคำสั่งของงาน ความต้องการของผู้ใช้ และบริบทก่อนหน้าเมื่อ จำเป็น
เอาต์พุต: ข้อความที่สร้างขึ้นสำหรับผู้ช่วย เครื่องมือนักพัฒนา เวิร์กโฟลว์วิจัย ระบบเนื้อหา และระบบ อัตโนมัติภายใน
โหมดการตอบกลับ: ใช้สตรีมมิงเพื่อแสดงผลแชตแบบทยอย หรือการตอบกลับ JSON มาตรฐานเมื่อแอปพลิเคชันต้องการ ผลลัพธ์ที่สมบูรณ์
ความสามารถ: การสร้างข้อความ การวางแผนหลายขั้นตอน การช่วยเขียนโค้ด การสรุป การวิเคราะห์ การจำแนกประเภท และการร่างเนื้อหาแบบมีโครงสร้าง

กรณีใช้งานที่เหมาะที่สุดสำหรับการผสานรวม Gemini 3.7 Flash Text-to-Text API

ผู้ช่วย AI ในระบบจริง: สร้างผู้ช่วยข้อความที่ตอบสนองรวดเร็วสำหรับฟีเจอร์ผลิตภัณฑ์ เครื่องมือภายใน และโฟลว์ช่วยเหลือ ลูกค้า
งานเขียนโค้ดที่ซับซ้อน: ร่างแผนทางเทคนิค อธิบายโค้ด จัดระเบียบสมมติฐานการดีบัก และรองรับ เวิร์กโฟลว์ตรวจสอบการพัฒนา
ระบบอัตโนมัติสำหรับงานเชิงความรู้: เปลี่ยนคำสั่งและบันทึกแหล่งข้อมูลที่ยาวให้เป็นสรุปย่อ บทสรุป การวิเคราะห์ และการดำเนินการติดตามผลที่มีโครงสร้าง
การดำเนินงานด้านเนื้อหา: สร้าง แปลง จำแนกประเภท และตรวจสอบคุณภาพข้อความในเวิร์กโฟลว์ด้านบรรณาธิการ การตลาด และฝ่ายสนับสนุน ต่าง ๆ
ผลิตภัณฑ์ API ที่ปรับขนาดได้: ใช้การกำหนดค่า Flash ที่คุ้มค่าสำหรับแอปพลิเคชันปริมาณงานสูงที่ต้องการพฤติกรรม โมเดลภาษาที่มีประสิทธิภาพ

หมายเหตุ ช่องทาง Flaq AI นี้จำกัดเฉพาะการโต้ตอบแบบ text-to-text แม้ว่าตระกูลโมเดล Gemini พื้นฐานจะรองรับ ความสามารถที่กว้างกว่า โปรดตรวจสอบเอาต์พุตก่อนตัดสินใจหรือดำเนินงานจริงที่มีผลสำคัญ และปฏิบัติตามนโยบายที่เกี่ยวข้องของ Google และ Flaq AI

Gemini 3.7 Flash Text-to-Text API เทียบกับคู่แข่ง: การวิเคราะห์เปรียบเทียบ

Gemini 3.7 Flash vs. Gemini 3.6 Flash
Gemini 3.6 Flash สร้างสมดุลระหว่างการทำงานอย่างมีประสิทธิภาพกับการใช้เหตุผลที่มีความสามารถ ส่วน Gemini 3.7 Flash คือ Flash รุ่นใหม่กว่าสำหรับทีมที่กำลังประเมินการเขียนโค้ดที่ซับซ้อนขึ้น การวางแผนแบบเอเจนต์ และเวิร์กโฟลว์ข้อความ หลายขั้นตอน
Gemini 3.7 Flash vs. GPT 5.6 Terra
GPT 5.6 Terra เป็นตัวเลือกอเนกประสงค์ที่ครอบคลุมสำหรับงานภาษาขั้นสูง Gemini 3.7 Flash มอบตัวเลือก Gemini API ที่คุ้มค่าอย่างยิ่งให้ทีมที่ให้ความสำคัญกับเวิร์กโฟลว์ข้อความที่ตอบสนองรวดเร็วและมี โครงสร้าง
Gemini 3.7 Flash vs. Claude Sonnet 5
Claude Sonnet 5 มักได้รับการประเมินสำหรับการเขียนและการใช้เหตุผลที่ซับซ้อน Gemini 3.7 Flash เป็นทางเลือกโมเดล Flash ที่แข่งขันได้สำหรับการเขียนโค้ด การวิเคราะห์ และระบบอัตโนมัติด้านข้อความในระบบจริง
Gemini 3.7 Flash vs. Grok 4.6 Text-to-Text
Grok 4.6 เน้นการเขียนโค้ดที่นำด้วยการใช้เหตุผลและงานเชิงความรู้ภายในตระกูลโมเดล xAI ส่วน Gemini 3.7 Flash เป็นตัวเลือกที่แข็งแกร่งเมื่อทีมต้องการโมเดล Flash รุ่นล่าสุดของ Google และช่องทางข้อความ Flaq AI ที่ คุ้มค่าเป็นพิเศษ
Gemini 3.7 Flash vs. Kimi 2.7
Kimi 2.7 เป็นทางเลือกที่มีประสิทธิภาพสำหรับผลิตภัณฑ์ข้อความและการเขียนโค้ด ส่วน Gemini 3.7 Flash โดดเด่นด้วยการกำหนดค่า Gemini ที่มีประสิทธิภาพและการรองรับงานข้อความหลายขั้นตอนที่ซับซ้อน