Neueste Gemini-Modelle verwenden

Diese Seite 3.5 Flash

Gemini 3.6 Flash (gemini-3.6-flash) und Gemini 3.5 Flash-Lite (gemini-3.5-flash-lite) sind allgemein verfügbar und können in der Produktion eingesetzt werden.

• Gemini 3.6 Flash: Bessere Leistung bei komplexen agentischen und multimodalen Aufgaben bei geringerem Tokenverbrauch und niedrigerem Preis als 3.5 Flash.
• Gemini 3.5 Flash-Lite: Das schnellste und kostengünstigste Modell der 3.5-Familie. Übertrifft frühere Flash-Lite-Generationen bei der Ausführung mit hohem Durchsatz.

In diesem Leitfaden wird erläutert, was in den einzelnen Modellen neu ist, welche API-Änderungen sich auf Ihren Code auswirken und wie Sie migrieren.

Schema: Neue Modelle

Beide Modelle unterstützen das Kontextfenster von 1 Million Tokens, maximal 64.000 Ausgabetokens, die Fähigkeit zum logischen Argumentieren und die gesamte Palette der integrierten Tools, einschließlich Computer verwenden.

Die vollständigen Spezifikationen finden Sie auf den Modellseiten:

• Seite zum Gemini 3.6 Flash-Modell
• Modellseite für Gemini 3.5 Flash-Lite

Ausführliche Informationen zu den Preisen finden Sie auf der Preisseite.

Kurzanleitung

from google import genai

client = genai.Client()

response = client.models.generate_content(
    model="gemini-3.6-flash",
    contents="Write a three.js script that renders an interactive 3D robot.",
)

print(response.text)

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({});

async function main() {
  const response = await ai.models.generateContent({
    model: "gemini-3.6-flash",
    contents: "Write a three.js script that renders an interactive 3D robot.",
  });
  console.log(response.text);
}

main();

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.6-flash:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "contents": [{
      "parts": [{"text": "Write a three.js script that renders an interactive 3D robot."}]
    }]
  }'

Neu in Gemini 3.6 Flash

• Weniger Tokens und Unterhaltungsrunden: Mehrstufige Workflows werden mit weniger Denkschritten, Unterhaltungsrunden und Tool-Aufrufen als bei Gemini 3.5 abgeschlossen. Außerdem wird dadurch verhindert, dass sich die Ausführungsschleife immer weiter ausdehnt.
• Verbesserte Codegenerierung:Generiert produktionsbereiten Code in höherer Qualität mit weniger unerwünschten Änderungen und weniger Debugging-Schleifen.
• Bessere Befolgung von Anweisungen: Unerwünschte Dateiänderungen bei Diagnoseaufgaben werden reduziert.
• Starkes multimodales und räumliches Denken:Verbesserte Leistung bei der Interpretation von Diagrammen, der Umwandlung visueller Blaupausen und der Generierung von Web-Layouts mit mehreren Elementen.
• Vorab-Prüfung per Programmierung:Bevor Änderungen vorgenommen werden, werden häufiger Diagnose-Codeskripts ausgeführt als bei Gemini 3.5 Flash. Das verbessert die Genauigkeit bei komplexen Aufgaben, kann aber bei einfachen Frontend-Aufgaben zusätzliche explorative Schritte erfordern.
• Unterstützung für die Computernutzung:Wird als natives Tool für die agentenbasierte UI-Automatisierung unterstützt.
• UI-Stilvorzug: Besser bei der Erstellung von funktionalem Code, obwohl menschliche Prüfer frühere Modelle für visuelles Layout und Styling bevorzugten. Sie können das Problem beheben, indem Sie explizite Designrichtlinien bereitstellen.
• Standard-Denkaufwand (mittel): Verwendet dieselbe medium-Standard-Denkstufe wie Gemini 3.5 Flash.
• Reduzierte Preise: Geringere Kosten für Ausgabetokens (7,50 $/1 Mio. im Vergleich zu 9,00 $/1 Mio. für 3.5 Flash). Die Kosten für Eingabetokens bleiben bei 1,50 $ pro 1 Million.

Neues bei Gemini 3.5 Flash-Lite

• Geringere Latenz bei der Ausführung von Aufgaben:Höchster Durchsatz in der 3.5-Familie für das Parsen großer Datenmengen und das Extrahieren von Dokumenten.
• Verbesserte logische Fähigkeiten und multimodale Leistung:Ein starker Migrationspfad von Gemini 2.5 Flash mit höheren Werten bei Aufgaben, die logisches Denken erfordern, wie HLE (18,0% gegenüber 11,0%) und multimodalen Benchmarks wie CharXIV (74,5% gegenüber 63,7%).
• Orchestration von untergeordneten Agenten und Tool-Zuverlässigkeit:Verbessert die Zuverlässigkeit der Tool-Ausführung für Code-Ausführung, Suche und MCP-Workflows. Das Denkvermögen für die autonome Planung und komplexe Unteragentenaufgaben wird gesteigert.
• Verbessertes Dokumentverständnis:Die Genauigkeit beim Parsen von Dokumenten und beim Extrahieren strukturierter Daten wird verbessert. Experimentieren Sie je nach Komplexität des Dokuments mit minimalem und hohem Denkaufwand.
• Interaktive Webprogrammierung und Verarbeitung tabellarischer Daten:Das Modell ist sehr leistungsstark bei der Frontend-JavaScript-Programmierung und der Verarbeitung tabellarischer Daten, da es die Ausführung von einfachem Code plant.
• Chatbot- und Persona-Persistenz:Gemini 3.1 Flash-Lite kann Anweisungen in mehreren Schritten besser nachvollziehen und die Persona konsistenter beibehalten.
• Unterstützung für die Computernutzung:Wird als natives Tool für die agentenbasierte UI-Automatisierung unterstützt.

Das richtige Flash- oder Flash-Lite-Modell auswählen

Anhand dieser Tabelle können Sie das richtige Modell und den richtigen Migrationspfad für Ihre Arbeitslasten auswählen.

Bei beiden Modellen müssen die verworfenen Sampling-Parameter (temperature, top_p, top_k) und die vorab ausgefüllten Modell-Turns entfernt werden. Weitere Informationen finden Sie unter API-Änderungen.

Aktualisierter Antigravity-Agent

Aufgrund seiner verbesserten Leistung ist Gemini 3.6 Flash jetzt das neue Standardmodell für den Antigravity-Agenten in Verwaltete KI-Agenten. Dies kann durch Festlegen eines neuen Felds in der API geändert werden.

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    agent="antigravity-preview-05-2026",
    input="Read Hacker News, summarize the top 10 stories, and save the results as a PDF.",
    environment="remote",
)

print(interaction.output_text)

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
    agent: "antigravity-preview-05-2026",
    input: "Read Hacker News, summarize the top 10 stories, and save the results as a PDF.",
    environment: "remote",
}, { timeout: 300000 });

console.log(interaction.output_text);

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "Content-Type: application/json" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-d '{
    "agent": "antigravity-preview-05-2026",
    "input": "Read Hacker News, summarize the top 10 stories, and save the results as a PDF.",
    "environment": "remote"
}'

API-Änderungen und Parameteraktualisierungen

Ab Gemini 3.6 Flash und Gemini 3.5 Flash-Lite gelten die folgenden API-Änderungen für diese Modelle und alle zukünftigen Gemini-Modelle.

• Einstellung von Sampling-Parametern: temperature, top_p und top_k werden eingestellt. Die API ignoriert diese Parameter und gibt in zukünftigen Modellgenerationen einen Fehler zurück.
• Validierung vorab ausgefüllter Modell-Turns: Das Vorabausfüllen von Modell-Turns wird nicht mehr unterstützt. Wenn der letzte nicht leere Zug in der Anfrage ein model-Zug ist, gibt die API einen 400-Fehler zurück.

Im Folgenden finden Sie detaillierte Erläuterungen und Codebeispiele für jede API-Änderung.

1. Einstellung von Stichprobenparametern (temperature, top_p, top_k)

temperature, top_p und top_k sind veraltet und werden ignoriert. Bei zukünftigen Modellgenerationen wird bei Angabe dieser Parameter ein HTTP 400-Fehler zurückgegeben. Entfernen Sie diese Parameter aus allen Anfragen.

# ⚠️ Remove these parameters (deprecated)
generation_config = {
     "temperature": 0.7,
     "top_p": 0.9,
     "top_k": 40,
}

Um die Deterministik zu verbessern, definieren Sie eine Systemanweisung mit expliziten Regeln für Ihren spezifischen Anwendungsfall.

2. Validierung von vorab ausgefüllten Modell-Turns

API-Anfragen, die mit einem nicht leeren Modellrollen-Turn enden, sind nicht zulässig und geben einen HTTP 400-Fehler zurück.

⚠️ Vermeiden

In Legacy-generateContent- oder Raw-REST-Nutzlasten, die mit einem Modellrollen-Turn enden, ist das jetzt nicht mehr zulässig:

/* ❌ DO NOT: End payload contents with a 'model' role turn */
{
  "contents": [
    {"role": "user", "parts": [{"text": "Translate 'Hello world' to Spanish."}]},
    {"role": "model", "parts": [{"text": "Translation:"}]}  /* ❌ Returns error */
  ]
}

✅ Empfohlene Migration

Wenn in Ihrer Anwendung zuvor ein Modell-Turn vorab ausgefüllt wurde, um Präambeln zu unterdrücken oder die JSON-Formatierung zu erzwingen, verwenden Sie stattdessen system_instruction oder strukturierte Ausgaben.

# ✅ RECOMMENDED: Use system_instruction to specify output format
response = client.models.generate_content(
    model="gemini-3.6-flash",
    contents="Translate 'Hello world' to Spanish.",
    config={"system_instruction": "Output only the translation without introductory text."},
)

Checkliste für die Migration

Zu gemini-3.6-flash migrieren

• Modell-ID aktualisieren:Ändern Sie den String des Zielmodells in gemini-3.6-flash.
• Verworfene Sampling-Parameter entfernen:
  • Entfernen Sie temperature, top_p und top_k aus den Konfigurationen für die Generierung.
  • Ersetzen Sie thinking_budget durch die String-Enumeration thinking_level, die auf "medium" oder "high" festgelegt ist.
  • Entfernen Sie candidate_count (nicht unterstützt in Gemini 3.x).
• Regeln für die Zugvalidierung erzwingen:
  • Entfernen Sie vorab ausgefüllte Modell-Turns.
  • Achten Sie darauf, dass der letzte Nutzerbeitrag nicht leer ist.
• Funktionsaufrufe prüfen:
  • Achten Sie darauf, dass alle FunctionResponse-Objekte call_id und name enthalten.
  • Multimodale Assets in die Antwortnutzlast einfügen.
  • Inline-Anweisungen mit \\n\\n formatieren.
  • Wenn Malformed_Function_Call-Fehler im Zusammenhang mit Text vor dem Tool angezeigt werden, lesen Sie den Abschnitt Problemumgehungen für Anforderungen an Text vor dem Tool.
• Gemini 3.x-Basisanforderungen:Informationen zu SDK-Updates und zur Beibehaltung der Gedanken-Signatur finden Sie in der Checkliste für die Migration zu Gemini 3.5.

Zu gemini-3.5-flash-lite migrieren

• Modell-ID aktualisieren:Ändern Sie den String des Zielmodells in gemini-3.5-flash-lite.
• Denkaufwand konfigurieren:
  • Bei der Extraktion, Weiterleitung oder Klassifizierung großer Mengen: Lassen Sie thinking_level auf "minimal" (Standard) eingestellt, um den maximalen Durchsatz zu erzielen.
  • Für autonome untergeordnete Agents mit Tool-Aufrufen, Code-Ausführung oder mehrstufiger Problemlösung: Setzen Sie thinking_level auf "medium" oder "high", um ein vorzeitiges Beenden des Tools zu verhindern.
• Entfernen Sie eingestellte Parameter und validieren Sie Funktionsaufrufe:Wenden Sie dieselben Regeln wie für 3.6 Flash an.
• Gemini 3.x-Basisanforderungen:Siehe Checkliste für die Migration zu Gemini 3.5.

Nächste Schritte

• Sehen Sie sich die API-Spezifikationen in der Modellübersicht an.
• Weitere Informationen zur Orchestrierung mehrerer Agenten finden Sie im Interactions API Guide.
• Prompts in Google AI Studio testen und optimieren