试用 Gemini 3.7 Flash API,通过 Flaq AI 稳定的 Google API 访问,进行文件分析、文档审查、信息提取、摘要和多模态推理。适合整理文档重点并快速生成清晰摘要。
Gemini 3.7 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-3.7-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-3.7-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-3.7-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 价格
| 参数 | 价格 | 原价 | 折扣 |
|---|
README
快速且经济实惠的 Gemini 3.7 Flash File Analysis API
Gemini 3.7 Flash File Analysis API 是 Flaq AI 将上传的源材料转化为实用 文本的经济实惠渠道。它使用最新的 Gemini Flash 模型进行复杂的多步骤分析,同时让产品界面专注 于以文件为中心的问题、可选视觉上下文及生成文本。团队可以使用此 API 整理源 材料、提取相关信息,并在一项连贯的请求中根据有限的文件集合起草可审核的 分析结果。
Gemini 3.7 Flash File Analysis API 的主要功能
-
先进的文件依据推理: 通过详细指令分析所提供的文件,并接收能够反映源材料和 所需任务的结构化文本。
-
极具性价比的分析工作流: 为以文档为中心的自动化、 审核队列、研究辅助及知识运营采用经济实惠的 Flash 配置。
-
多文件上下文: 将一组相关的已上传文件汇集到一项请求中,使模型能够支持比较、 综合、提取及跨来源问答。
-
可选视觉上下文: 当视觉上下文有助于解读源 材料或明确任务时,将文件输入与受支持的图像搭配使用。
-
可控的 API 响应: 使用结构化对话消息、输出长度控制及文档所述的 响应模式,以适应产品和运营工作流。
-
可供审核的文本输出: 返回摘要、分析结果、答案草稿及条理化笔记,以便进入人工 审批或下游自动化流程。
如何在 Flaq AI 上使用 Gemini 3.7 Flash File Analysis API
-
输入: 一组受支持的文件、自然语言分析指令,以及相关时可选的图像。
-
输出: 基于所提供材料的文本摘要、提取事实、比较、答案及分析 草稿。
-
请求范围: 将每项请求控制在已配置的多文件边界内,并且仅将属于 同一任务的源材料归为一组。
-
能力: 基于文件的问答、文档摘要、跨来源综合、信息 提取及审核工作流辅助。
Gemini 3.7 Flash File Analysis API 集成的最佳使用场景
-
复杂文档审核: 根据相关报告、 规范、提案及研究材料准备初步摘要、问题清单和比较结果。
-
研究运营: 整理多来源分析结果、识别相关证据,并起草分析笔记,供 研究人员或编辑验证。
-
内部知识工作: 将上传材料转化为简报、交接笔记、问答草稿及面向团队的结构化 信息。
-
工作流分类: 从提交的文件中提取关键细节,并为支持、运营及 内容流程创建可供审核的记录。
-
高效文件助手: 构建应用功能,通过聚焦的文本优先分析帮助用户理解自己的源 材料。
注意 File Analysis 旨在辅助而非取代专家审核。请保护敏感材料、对照源文件核验生成的 分析结果,并在重要决策中采用适当的人工监督。
Gemini 3.7 Flash File Analysis API 与竞品对比:比较分析
-
Gemini 3.7 Flash File Analysis 与 Gemini 3.6 Flash File Analysis
Gemini 3.6 Flash 是适用于 文档工作流的均衡选择。Gemini 3.7 Flash 则是更新的 Flash 模型,面向希望在同类文件任务中评估更先进推理和 多步骤综合能力的团队。 -
Gemini 3.7 Flash File Analysis 与 GPT 5.6 Terra File Analysis
GPT 5.6 Terra 文件分析模型为 文档应用提供广泛适用的渠道。Gemini 3.7 Flash 则为团队提供极具性价比的 Gemini 替代方案,用于基于来源的 提取、审核和综合。 -
Gemini 3.7 Flash File Analysis 与 Claude Document Analysis
Claude 模型常用于评估长篇 文档推理。对于需要根据有限的已上传文件集合进行结构化分析的应用,Gemini 3.7 Flash 提供另一项强大 选择。 -
Gemini 3.7 Flash File Analysis 与 Gemini 3.7 Flash Image-to-Text
Image-to-Text 专为单一视觉输入 和聚焦问题而设计。当任务需要以文档为中心的上下文及 多个相关文件时,File Analysis 是合适的渠道。 -
Gemini 3.7 Flash File Analysis 与 Gemini 3.7 Flash Text-to-Text
Text-to-Text 最适合无附件的指令和聊天。 当回复需要以上传的源材料为依据时,File Analysis 可提供 Flaq AI 已配置的文件输入 工作流。