免费体验 Gemini 3.5 Flash API,用于文件分析、文档摘要、信息提取和多模态推理。为生产团队提供稳定访问。适合专业团队在 AI 工作流中处理应用集成、协作交付、场景验证、内容复核、资料整理、业务分析、多步骤任务、产品探索和日常团队迭代,持续构建、测试、验证、优化并改进 AI 功能体验。稳定接入 GPT、Claude 等 LLM API,用于 AI Agent、聊天机器人、研究、代码、自动化和智能应用。
Gemini 3.5 Flash 相关模型
API 示例
提交示例
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);
}
}
}
提交示例
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)
提交示例
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 价格
| 参数 | 价格 | 原价 | 折扣 |
|---|
README
快速且经济实惠的 Gemini 3.5 Flash 文件分析 API(Google 高效文档理解模型)
Flaq AI 上的 Gemini 3.5 Flash 文件分析 API 为快速文档理解、文件审阅和多模态分析工作流提供 Google 模型访问能力。这一高效的 Gemini API 集成可帮助开发者通过稳定的托管路由分析上传文件、图像和文本指令。它专为需要大规模经济实惠文件分析、但不想组装特定提供商处理基础设施的团队而构建。
Gemini 3.5 Flash 文件分析 API 的核心功能
- 快速文件理解: 分析上传文件、图像和文本指令,生成有用的摘要、答案和结构化洞察。
- 经济高效的 API 访问: 通过 Flaq AI 上经济实惠的 Gemini 路由构建高容量文档和附件工作流。
- 图像和文件输入支持: 处理视觉和文档式输入,用于实用的分析、提取和审阅任务。
- 对话感知输出: 在保留有用上下文的同时,围绕上传资料提出追问。
- 开发者友好的控制: 通过实用配置引导回复长度、细节级别和任务方向。
- 生产工作流支持: 无需管理模型基础设施,即可为应用、内部工具和知识系统添加文档理解能力。
如何在 Flaq AI 上使用 Gemini 3.5 Flash 文件分析 API 进行文档理解
- 输入: 上传文件、图像、可选文本指令和对话上下文。
- 输出: 通过稳定的聊天 API 集成交付摘要、提取细节、答案、比较和结构化分析。
- 路由配置: 专为带有文档、图像和追问支持的文件分析工作流而设计。
- 配置: 支持用于回复长度、细节级别和任务方向的实用输出控制。
- 能力: 通过经济实惠的 Gemini API 集成实现文档审阅、文件摘要、截图分析、结构化提取、知识库支持和多模态推理。
Gemini 3.5 Flash 文件分析 API 集成的最佳使用场景
- 文档摘要: 将报告、简报和内部文档转化为简洁摘要和行动项。
- 附件审阅: 为支持或运营工作流分析截图、表单、收据和上传参考文件。
- 知识提取: 将长篇资料转化为 FAQ、表格、笔记和结构化输出。
- 研究辅助: 比较文档、提取主题,并为团队综合源材料。
- 内部工具: 为仪表盘、管理工具和知识工作流添加经济实惠的文件分析能力。
注意 请确保上传文件、提示和应用工作流符合 Google 的安全指南。如果发生错误,请检查输入是否包含受限内容,简化请求后重试。
Gemini 3.5 Flash 文件分析与竞品对比分析
-
Gemini 3.5 Flash vs. Claude File Analysis
Claude file analysis 擅长细致的文档推理。Gemini 3.5 Flash File Analysis 优先为可扩展工作流提供速度、经济性和 Google 模型集成。 -
Gemini 3.5 Flash vs. GPT File Analysis
GPT file analysis 路由提供 OpenAI 原生行为和广泛的生态熟悉度。Gemini 3.5 Flash 为团队提供一条高效的 Google 路由,用于托管式文件理解。 -
Gemini 3.5 Flash vs. Qwen File Workflows
Qwen workflows 为语言任务提供 Alibaba 模型替代方案。Gemini 3.5 Flash File Analysis 专注于经济实惠的 Google 驱动文件和图像理解。 -
Gemini 3.5 Flash vs. Grok Vision Workflows
Grok vision workflows 提供 xAI 模型行为。Gemini 3.5 Flash 通过 Flaq AI 提供快速托管式 Google 文件分析。 -
Gemini 3.5 Flash vs. Llama with Document Pipelines
Llama with document tooling 提供基础设施控制。Gemini 3.5 Flash 为想要托管 API 的团队消除托管和管道复杂性。