Claude Code 指南
配置 Flaq AI Claude 模型并探索 Claude Code 技能
试用 Google 的 Gemini 3.6 Flash API,通过 Flaq AI 稳定且价格实惠的 LLM API,进行快速文本生成、推理、写作、编程和流式响应。让文字创作与程序开发更顺畅。适合高效内容创作。
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);
}
}
}
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)
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
}'
| 参数 | 价格 | 原价 | 折扣 |
|---|
Gemini 3.6 Flash Text-to-Text API 将 Google 兼具高 token 效率与推理能力的 Flash 模型引入 Flaq AI,适用于 响应迅速的文本工作流。该路由专为需要强大指令遵循能力、编码辅助、 研究型内容起草和日常知识工作的应用而设计,同时将集成范围限定为文本输入和文本 输出。Flaq AI 的配置使其成为团队的实用选择,既可使用功能强大的 Gemini API,又无需将 文本工作流扩展到媒体或文件处理。
高效推理工作流: 使用在响应速度与强大推理能力之间取得平衡的 Flash 模型,处理 复杂提示词和多步骤文本任务。
编码与规划支持: 将需求、代码问题和技术难题转化为实现说明、 草稿、解释和后续步骤计划。
高质量指令遵循: 针对写作、转换、 分析、分类和结构化响应工作流,提供详细的自然语言指令。
专注纯文本边界: 让集成始终符合已配置的文本路由,任务无需 图像或文件输入。
灵活的响应长度: 使用可选的输出控制,为简洁的产品文案、详细 解释或下游自动化调整响应。
支持流式传输的聊天集成: 通过 Flaq AI 文档所述的流式和 非流式请求模式,打造响应迅速的用户体验。
输入: 文本对话消息,可在需要时包含系统指令、用户请求和此前的 助手上下文。
输出: 为聊天体验、内部工具、内容工作流和 API 驱动型应用生成的文本。
响应模式: 选择文档所述的流式传输流程进行增量交付;如果更适合获取 完整结果,则使用标准 JSON 响应。
能力: 文本生成、编码辅助、摘要、改写、分类、规划和 知识工作支持。
开发者副驾驶: 辅助完成代码解释、实现规划、测试用例草稿、文档编写和 问题分类工作流。
商务写作自动化: 根据结构化提示词为简报、报告、电子邮件回复、产品文案和内部 沟通内容创建初稿。
客服助手: 在以文本为主的支持流程中,对传入请求进行分类、提出有用的回复建议, 并生成清晰的客服人员交接说明。
研究与分析起草: 总结所提供的笔记、整理研究结果、比较选项,并准备 可供审核的分析提纲。
大规模文本应用: 构建响应迅速的聊天、内容或自动化功能,满足对高性价比 模型配置和可预测消息式集成的需求。
注意 此 Flaq AI 路由针对文本到文本交互进行配置。将生成内容用于 重大决策或生产环境变更之前,请先进行审核,并确保使用方式符合 Google 和 Flaq AI 的适用政策。
Gemini 3.6 Flash vs. Gemini 3.5 Flash
Gemini 3.5 Flash 仍然是处理常规文本工作负载的实用基准选择。
Gemini 3.6 Flash 是新一代模型,适合希望提高 token 效率,并获得更强
复杂编码和智能体规划任务支持的团队。
Gemini 3.6 Flash vs. Gemini 3.7 Flash
Gemini 3.7 Flash 是更新、能力更强的 Flash 选项,适用于复杂
工作流。当纯文本集成需要兼顾强大推理能力与
高效配置时,Gemini 3.6 Flash 提供了均衡的替代选择。
Gemini 3.6 Flash vs. GPT 5.6 Terra
GPT 5.6 Terra 是适用于高级语言任务的广泛通用模型。
Gemini 3.6 Flash 为重视文本工作流效率、编码支持和
消息式集成的团队提供 Gemini API 选择。
Gemini 3.6 Flash vs. Claude Sonnet 5
Claude Sonnet 5 通常用于长篇推理和写作方面的评估。
对于希望在编码和
知识工作任务中比较响应迅速、注重成本的文本生成能力的团队,Gemini 3.6 Flash 是实用的替代选择。
Gemini 3.6 Flash vs. Kimi 2.7
Kimi 2.7 也是文本和编码工作流的强力选择。Gemini 3.6 Flash
凭借 Google 的 Flash 模型系列及其专注的 Flaq AI 文本到文本路由形成差异化优势。