試用 Gemini 3.7 Flash API,透過 Flaq AI 穩定的 Google API 存取,進行檔案分析、文件審查、資訊擷取、摘要與多模態推理。適合整理文件重點並快速產出清晰摘要。
Gemini 3.7 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-3.7-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-3.7-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-3.7-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 3.7 Flash File Analysis 價格
| 參數 | 價格 | 原價 | 折扣 |
|---|
README
快速且經濟實惠的 Gemini 3.7 Flash File Analysis API
Gemini 3.7 Flash File Analysis API 是 Flaq AI 將上傳的來源資料轉化為實用 文字的經濟實惠管道。它使用最新的 Gemini Flash 模型進行複雜的多步驟分析,同時讓產品介面專注 於以檔案為中心的問題、可選視覺上下文及生成文字。團隊可以使用此 API 整理來源 資料、擷取相關資訊,並在一項連貫的要求中根據有限的檔案集合草擬可審查的 分析結果。
Gemini 3.7 Flash File Analysis API 的主要功能
-
先進的檔案依據推理: 透過詳細指示分析所提供的檔案,並接收能夠反映來源資料和 所需任務的結構化文字。
-
極具性價比的分析工作流程: 為以文件為中心的自動化、 審查佇列、研究協助及知識營運採用經濟實惠的 Flash 配置。
-
多檔案上下文: 將一組相關的已上傳檔案彙集到一項要求中,讓模型能夠支援比較、 綜合、擷取及跨來源問答。
-
可選視覺上下文: 當視覺上下文有助於解讀來源 資料或釐清任務時,將檔案輸入與受支援的圖像搭配使用。
-
可控的 API 回應: 使用結構化對話訊息、輸出長度控制及文件所述的 回應模式,以配合產品和營運工作流程。
-
可供審查的文字輸出: 傳回摘要、分析結果、答案草稿及條理化筆記,以便進入人工 核准或下游自動化流程。
如何在 Flaq AI 上使用 Gemini 3.7 Flash File Analysis API
-
輸入: 一組受支援的檔案、自然語言分析指示,以及相關時可選的圖像。
-
輸出: 基於所提供資料的文字摘要、擷取事實、比較、答案及分析 草稿。
-
要求範圍: 將每項要求控制在已配置的多檔案邊界內,並且僅將屬於 同一任務的來源資料歸為一組。
-
能力: 基於檔案的問答、文件摘要、跨來源綜合、資訊 擷取及審查工作流程協助。
Gemini 3.7 Flash File Analysis API 整合的最佳使用情境
-
複雜文件審查: 根據相關報告、 規格、提案及研究資料準備初步摘要、問題清單和比較結果。
-
研究營運: 整理多來源分析結果、識別相關證據,並草擬分析筆記,供 研究人員或編輯驗證。
-
內部知識工作: 將上傳資料轉化為簡報、交接筆記、問答草稿及面向團隊的結構化 資訊。
-
工作流程分類: 從提交的檔案中擷取關鍵細節,並為支援、營運及 內容流程建立可供審查的記錄。
-
高效檔案助理: 建構應用程式功能,透過聚焦的文字優先分析協助使用者理解自己的來源 資料。
注意 File Analysis 旨在協助而非取代專家審查。請保護敏感資料、對照來源檔案核驗生成的 分析結果,並在重大決策中採用適當的人工監督。
Gemini 3.7 Flash File Analysis API 與競品對比:比較分析
-
Gemini 3.7 Flash File Analysis 與 Gemini 3.6 Flash File Analysis
Gemini 3.6 Flash 是適用於 文件工作流程的均衡選擇。Gemini 3.7 Flash 則是較新的 Flash 模型,面向希望在同類檔案任務中評估更先進推理和 多步驟綜合能力的團隊。 -
Gemini 3.7 Flash File Analysis 與 GPT 5.6 Terra File Analysis
GPT 5.6 Terra 檔案分析模型為 文件應用程式提供廣泛適用的管道。Gemini 3.7 Flash 則為團隊提供極具性價比的 Gemini 替代方案,用於基於來源的 擷取、審查和綜合。 -
Gemini 3.7 Flash File Analysis 與 Claude Document Analysis
Claude 模型常用於評估長篇 文件推理。對於需要根據有限的已上傳檔案集合進行結構化分析的應用程式,Gemini 3.7 Flash 提供另一項強大 選擇。 -
Gemini 3.7 Flash File Analysis 與 Gemini 3.7 Flash Image-to-Text
Image-to-Text 專為單一視覺輸入 和聚焦問題而設計。當任務需要以文件為中心的上下文及 多個相關檔案時,File Analysis 是合適的管道。 -
Gemini 3.7 Flash File Analysis 與 Gemini 3.7 Flash Text-to-Text
Text-to-Text 最適合無附件的指示和聊天。 當回覆需要以上傳的來源資料為依據時,File Analysis 可提供 Flaq AI 已配置的檔案輸入 工作流程。