試用 Google 的 Gemini 3.6 Flash API,透過 Flaq AI 穩定且價格實惠的 LLM API,進行快速文字生成、推理、寫作、程式碼與串流回應。讓文字創作與程式開發更順暢。
Gemini 3.6 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-3.6-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);
}
}
}
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-3.6-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)
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-3.6-flash-text-to-text",
"messages": [
{
"role": "user",
"content": "Write a concise summary of how transformer models work."
}
],
"stream": true,
"max_tokens": 2048
}'
Gemini 3.6 Flash Text to Text 價格
| 參數 | 價格 | 原價 | 折扣 |
|---|
README
快速高效的 Gemini 3.6 Flash Text-to-Text API
Gemini 3.6 Flash Text-to-Text API 將 Google 兼具高 token 效率與推理能力的 Flash 模型引入 Flaq AI,適用於 反應迅速的文字工作流程。此路由專為需要強大指令遵循能力、程式設計輔助、 研究導向內容起草和日常知識工作的應用程式而設計,同時將整合範圍限定為文字輸入和文字 輸出。Flaq AI 的設定使其成為團隊的實用選擇,既可使用功能強大的 Gemini API,又不必將 文字工作流程擴展到媒體或檔案處理。
Gemini 3.6 Flash Text-to-Text API 的主要功能
-
高效推理工作流程: 使用在反應速度與強大推理能力之間取得平衡的 Flash 模型,處理 複雜提示詞和多步驟文字任務。
-
程式設計與規劃支援: 將需求、程式碼問題和技術難題轉化為實作說明、 草稿、解釋和後續步驟計畫。
-
高品質指令遵循: 針對寫作、轉換、 分析、分類和結構化回應工作流程,提供詳細的自然語言指令。
-
專注純文字邊界: 讓整合始終符合已設定的文字路由,任務不需要 圖像或檔案輸入。
-
彈性的回應長度: 使用選用的輸出控制,為簡潔的產品文案、詳細 解釋或下游自動化調整回應。
-
支援串流的聊天整合: 透過 Flaq AI 文件所述的串流和 非串流請求模式,打造反應迅速的使用者體驗。
如何在 Flaq AI 上使用 Gemini 3.6 Flash Text-to-Text API
-
輸入: 文字對話訊息,可在需要時包含系統指令、使用者請求和先前的 助理情境。
-
輸出: 為聊天體驗、內部工具、內容工作流程和 API 驅動型應用程式產生的文字。
-
回應模式: 選擇文件所述的串流流程進行漸進式傳送;如果較適合取得 完整結果,則使用標準 JSON 回應。
-
能力: 文字生成、程式設計輔助、摘要、改寫、分類、規劃和 知識工作支援。
Gemini 3.6 Flash Text-to-Text API 整合的最佳使用情境
-
開發者副駕駛: 協助完成程式碼解釋、實作規劃、測試案例草稿、文件撰寫和 問題分類工作流程。
-
商務寫作自動化: 根據結構化提示詞為簡報、報告、電子郵件回覆、產品文案和內部 溝通內容建立初稿。
-
客服助理: 在以文字為主的支援流程中,對傳入請求進行分類、提出實用的回覆建議, 並產生清楚的客服人員交接說明。
-
研究與分析起草: 摘要所提供的筆記、整理研究結果、比較選項,並準備 可供審查的分析大綱。
-
大量文字應用程式: 建置反應迅速的聊天、內容或自動化功能,滿足對高性價比 模型設定和可預測訊息式整合的需求。
注意 此 Flaq AI 路由針對文字到文字互動進行設定。將生成內容用於 重大決策或正式環境變更之前,請先進行審查,並確保使用方式符合 Google 和 Flaq AI 的適用政策。
Gemini 3.6 Flash Text-to-Text API 與競品:比較分析
-
Gemini 3.6 Flash vs. Gemini 3.5 Flash
Gemini 3.5 Flash 仍然是處理一般文字工作負載的實用基準選擇。 Gemini 3.6 Flash 是新一代模型,適合希望提高 token 效率,並獲得更強 複雜程式設計和代理式規劃任務支援的團隊。 -
Gemini 3.6 Flash vs. Gemini 3.7 Flash
Gemini 3.7 Flash 是更新、能力更強的 Flash 選項,適用於複雜 工作流程。當純文字整合需要兼顧強大推理能力與 高效設定時,Gemini 3.6 Flash 提供均衡的替代選擇。 -
Gemini 3.6 Flash vs. GPT 5.6 Terra
GPT 5.6 Terra 是適用於進階語言任務的廣泛通用模型。 Gemini 3.6 Flash 為重視文字工作流程效率、程式設計支援和 訊息式整合的團隊提供 Gemini API 選擇。 -
Gemini 3.6 Flash vs. Claude Sonnet 5
Claude Sonnet 5 通常用於長篇推理和寫作方面的評估。 對於希望在程式設計和 知識工作任務中比較反應迅速、注重成本的文字生成能力的團隊,Gemini 3.6 Flash 是實用的替代選擇。 -
Gemini 3.6 Flash vs. Kimi 2.7
Kimi 2.7 也是文字和程式設計工作流程的強力選擇。Gemini 3.6 Flash 憑藉 Google 的 Flash 模型系列及其專注的 Flaq AI 文字到文字路由形成差異化優勢。