免費體驗 Gemini 3.5 Flash API,用於檔案分析、文件摘要、資訊擷取和多模態推理。為生產團隊提供穩定存取。適合專業團隊在 AI 工作流程中處理應用整合、協作交付、場景驗證、內容複核、資料整理、業務分析、多步驟任務、產品探索與日常團隊迭代,持續建置、測試、驗證、最佳化並改進 AI 功能體驗。穩定接入 GPT、Claude 等 LLM API,用於 AI Agent、聊天機器人、研究、程式碼、自動化與智慧應用。
Gemini 3.5 Flash 相關模型
API 範例
提交範例
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-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);
}
}
}
提交範例
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-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)
提交範例
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-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
}'
Gemini 3.5 Flash File Analysis 價格
| 參數 | 價格 | 原價 | 折扣 |
|---|
README
快速且實惠的 Gemini 3.5 Flash File Analysis API(Google 的高效文件理解模型)
Flaq AI 上的 Gemini 3.5 Flash File Analysis API 提供 Google 模型存取,適用於快速文件理解、檔案審閱與多模態分析工作流程。這項高效 Gemini API 整合可協助開發者透過穩定的受管理路由分析上傳檔案、影像與文字指令。它專為需要大規模實惠檔案分析、且不想組裝供應商專屬處理基礎設施的團隊而打造。
Gemini 3.5 Flash File Analysis API 的主要功能
- 快速檔案理解: 分析上傳檔案、影像與文字指令,以產生實用摘要、回答與結構化洞察。
- 高性價比 API 存取: 透過 Flaq AI 上實惠的 Gemini 路由,建立高流量文件與附件工作流程。
- 影像與檔案輸入支援: 處理視覺與文件型輸入,用於實用的分析、擷取與審閱任務。
- 具備對話情境的輸出: 在保留有用情境的同時,針對上傳材料提出後續問題。
- 開發者友善控制: 透過實用設定引導回應長度、細節層級與任務方向。
- Production 工作流程支援: 將文件理解加入應用程式、內部工具與知識系統,而不必管理模型基礎設施。
如何在 Flaq AI 上使用 Gemini 3.5 Flash File Analysis API 進行文件理解
- 輸入: 上傳檔案、影像、選填文字指令與對話情境。
- 輸出: 透過穩定的 chat API 整合提供摘要、擷取細節、回答、比較與結構化分析。
- 路由設定: 專為具備文件、影像與後續追問支援的檔案分析工作流程而設計。
- 設定: 支援回應長度、細節層級與任務方向的實用輸出控制。
- 能力: 透過實惠的 Gemini API 整合提供文件審閱、檔案摘要、螢幕截圖分析、結構化擷取、知識庫支援與多模態推理。
Gemini 3.5 Flash File Analysis API 整合的最佳使用場景
- 文件摘要: 將報告、簡報與內部文件轉換為精簡摘要與行動項目。
- 附件審閱: 分析螢幕截圖、表單、收據與上傳參考檔案,用於支援或營運工作流程。
- 知識擷取: 將長篇材料轉換為 FAQ、表格、筆記與結構化輸出。
- 研究協助: 比較文件、擷取主題,並為團隊整合來源材料。
- 內部工具: 將實惠檔案分析加入儀表板、管理工具與知識工作流程。
注意 請確保上傳檔案、prompt 與應用程式工作流程符合 Google 的安全準則。如果發生錯誤,請檢查輸入是否含有限制內容、簡化請求,然後再試一次。
Gemini 3.5 Flash File Analysis 與競品比較:比較分析
-
Gemini 3.5 Flash vs. Claude File Analysis
Claude file analysis 在細緻文件推理方面表現強大。Gemini 3.5 Flash File Analysis 優先強調速度、實惠價格與 Google 模型整合,適合可擴展工作流程。 -
Gemini 3.5 Flash vs. GPT File Analysis
GPT file analysis routes 提供 OpenAI 原生行為與廣泛的生態熟悉度。Gemini 3.5 Flash 為團隊提供高效的 Google 路由,用於受管理的檔案理解。 -
Gemini 3.5 Flash vs. Qwen File Workflows
Qwen workflows 為語言任務提供 Alibaba 模型替代選擇。Gemini 3.5 Flash File Analysis 專注於由 Google 驅動的實惠檔案與影像理解。 -
Gemini 3.5 Flash vs. Grok Vision Workflows
Grok vision workflows 提供 xAI 模型行為。Gemini 3.5 Flash 透過 Flaq AI 提供快速受管理的 Google 檔案分析。 -
Gemini 3.5 Flash vs. Llama with Document Pipelines
Llama with document tooling 提供基礎設施控制。Gemini 3.5 Flash 為需要受管理 API 的團隊移除託管與 pipeline 複雜度。