با استفاده از جدیدترین مدل‌های Gemini

این صفحه ۳.۵ فلش

Gemini 3.6 Flash ( gemini-3.6-flash ) و Gemini 3.5 Flash-Lite ( gemini-3.5-flash-lite ) به طور کلی در دسترس هستند (GA) و آماده استفاده در محیط تولید می‌باشند.

• Gemini 3.6 Flash : عملکرد قوی‌تر در وظایف پیچیده و چندوجهی ضمن کاهش استفاده از توکن، با قیمتی پایین‌تر از 3.5 Flash.
• Gemini 3.5 Flash-Lite : سریع‌ترین و کم‌هزینه‌ترین مدل در خانواده 3.5. از نظر اجرای با توان عملیاتی بالا، از نسل‌های قبلی Flash-Lite بهتر عمل می‌کند.

این راهنما توضیح می‌دهد که چه چیزهایی در هر مدل جدید است، چه تغییرات API بر کد شما تأثیر می‌گذارد و چگونه می‌توان آن را منتقل کرد.

مدل‌های جدید

هر دو مدل از پنجره زمینه ۱ میلیون توکن، حداکثر ۶۴ هزار توکن خروجی، تفکر و مجموعه کامل ابزارهای داخلی از جمله Computer Use پشتیبانی می‌کنند.

برای مشاهده مشخصات کامل، به صفحات مدل مراجعه کنید:

• صفحه مدل فلش Gemini 3.6
• صفحه مدل Gemini 3.5 Flash-Lite

برای اطلاع از قیمت دقیق، به صفحه قیمت‌گذاری مراجعه کنید.

شروع سریع

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."}]
    }]
  }'

ویژگی‌های جدید Gemini 3.6 Flash

• کاهش توکن و نوبت: گردش‌های کاری چند مرحله‌ای را با مراحل استدلال، نوبت‌های مکالمه و فراخوانی ابزار کمتری نسبت به Gemini 3.5 انجام می‌دهد. همچنین مارپیچ حلقه اجرا را کاهش می‌دهد.
• تولید کد بهبود یافته: کد آماده برای تولید با کیفیت بالاتر، ویرایش‌های ناخواسته کمتر و حلقه‌های اشکال‌زدایی کمتر تولید می‌کند.
• دستورالعمل بهتر در ادامه : تغییرات ناخواسته فایل را در حین انجام وظایف تشخیصی کاهش می‌دهد.
• استدلال چندوجهی و مکانی قوی: بهبود عملکرد در تفسیر نمودار، تبدیل طرح بصری و تولید طرح‌بندی وب چند عنصری.
• بازرسی برنامه‌نویسی اولیه: اجرای اسکریپت‌های کد تشخیصی قبل از ایجاد تغییرات را نسبت به Gemini 3.5 Flash ترجیح می‌دهد. این امر دقت در کارهای پیچیده را بهبود می‌بخشد، اما می‌تواند مراحل اکتشافی اضافی را در کارهای ساده frontend اضافه کند.
• پشتیبانی از استفاده از کامپیوتر: به عنوان ابزار بومی برای اتوماسیون رابط کاربری عامل محور پشتیبانی می‌شود.
• ترجیح سبک رابط کاربری : در ایجاد کد کاربردی بهتر است، اگرچه ارزیاب‌های انسانی مدل‌های اولیه را برای طرح‌بندی بصری و سبک‌دهی ترجیح می‌دهند. می‌توانید با ارائه دستورالعمل‌های طراحی صریح، این مشکل را کاهش دهید.
• تلاش پیش‌فرض برای تفکر (متوسط): از همان سطح تفکر پیش‌فرض medium ​​مانند Gemini 3.5 Flash استفاده می‌کند.
• کاهش قیمت : هزینه‌های توکن خروجی کمتر (۷.۵۰ دلار برای هر ۱ میلیون دلار در مقابل ۹.۰۰ دلار برای هر ۱ میلیون دلار برای فلش ۳.۵). توکن‌های ورودی همچنان ۱.۵۰ دلار برای هر ۱ میلیون دلار باقی می‌مانند.

ویژگی‌های جدید Gemini 3.5 Flash-Lite

• کاهش تأخیر اجرای وظیفه: بالاترین توان عملیاتی در خانواده ۳.۵ برای تجزیه و تحلیل داده‌های حجیم و استخراج اسناد.
• استدلال پیشرفته و عملکرد چندوجهی: مسیر مهاجرت قوی از Gemini 2.5 Flash، با نمرات بالاتر در وظایف استدلال مانند HLE (18.0٪ در مقابل 11.0٪) و معیارهای چندوجهی مانند CharXIV (74.5٪ در مقابل 63.7٪).
• هماهنگی زیرعامل‌ها و قابلیت اطمینان ابزار: قابلیت اطمینان اجرای ابزار را برای اجرای کد، جستجو و گردش‌های کاری MCP بهبود می‌بخشد. سطح تفکر را برای برنامه‌ریزی مستقل و وظایف پیچیده زیرعامل‌ها افزایش می‌دهد.
• بهبود درک اسناد: دقت در تجزیه و تحلیل اسناد و استخراج داده‌های ساختاریافته را بهبود می‌بخشد. بسته به پیچیدگی سند، سطوح تفکر حداقلی و سطح تفکر بالا را آزمایش کنید.
• کدنویسی تعاملی وب و پردازش داده‌های جدولی: با برنامه‌ریزی از طریق اجرای کد سبک، در جاوا اسکریپت frontend و پردازش داده‌های جدولی عملکرد قوی دارد.
• چت‌بات و پایداری شخصیت: دنبال کردن دستورالعمل‌های چند نوبتی قوی‌تر و ثبات شخصیت نسبت به Gemini 3.1 Flash-Lite.
• پشتیبانی از استفاده از کامپیوتر: به عنوان ابزار بومی برای اتوماسیون رابط کاربری عامل محور پشتیبانی می‌شود.

انتخاب مدل فلش یا فلش-لایت مناسب

از این جدول برای انتخاب مدل و مسیر مهاجرت مناسب برای حجم کاری خود استفاده کنید.

هر دو مدل نیاز به حذف پارامترهای نمونه‌برداری منسوخ‌شده ( temperature ، top_p ، top_k ) و چرخش‌های مدل از پیش پر شده دارند. برای جزئیات بیشتر به تغییرات API مراجعه کنید.

عامل ضد جاذبه به‌روزرسانی شد

با توجه به بهبود عملکرد، Gemini 3.6 Flash اکنون مدل پیش‌فرض جدیدی است که عامل Antigravity را در Gemini Managed Agents فعال می‌کند. این را می‌توان با تنظیم یک فیلد جدید در API تغییر داد.

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"
}'

تغییرات API و به‌روزرسانی پارامترها

با شروع از Gemini 3.6 Flash و Gemini 3.5 Flash-Lite، تغییرات API زیر برای این مدل‌ها و تمام نسخه‌های آینده مدل‌های Gemini اعمال می‌شود.

• منسوخ شدن پارامترهای نمونه‌برداری : temperature ، top_p و top_k منسوخ شده‌اند. API این پارامترها را نادیده می‌گیرد و در نسل‌های بعدی مدل، خطا برمی‌گرداند.
• اعتبارسنجی نوبت مدل از پیش پر شده : پیش‌پر کردن نوبت‌های مدل دیگر پشتیبانی نمی‌شود. اگر آخرین نوبت غیر خالی در درخواست، نوبت model باشد، API خطای 400 را برمی‌گرداند.

در زیر توضیحات مفصل و نمونه کد برای هر تغییر API آمده است.

۱. منسوخ شدن پارامترهای نمونه‌برداری ( temperature ، top_p ، top_k )

temperature ، top_p و top_k منسوخ شده و نادیده گرفته می‌شوند. در نسل‌های بعدی مدل، ارائه این پارامترها خطای HTTP 400 را برمی‌گرداند. این پارامترها را از همه درخواست‌ها حذف کنید.

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

To improve determinism, define a system instruction with explicit rules for your specific use case.

۲. اعتبارسنجی نوبت مدل از پیش پر شده

درخواست‌های API که با یک چرخش نقش مدل غیر خالی خاتمه می‌یابند، مجاز نیستند و خطای HTTP 400 را برمی‌گردانند.

⚠️ اجتناب کنید

در payload های قدیمی generateContent یا REST خام، پایان دادن به چرخش نقش مدل اکنون مجاز نیست:

/* ❌ 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 */
  ]
}

✅ مهاجرت توصیه شده

اگر برنامه شما قبلاً مدلی را از پیش پر کرده است، به جای آن system_instruction یا Structured outputs استفاده کنید.

# ✅ 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."},
)

چک لیست مهاجرت

مهاجرت به gemini-3.6-flash

• به‌روزرسانی شناسه مدل: رشته مدل هدف خود را به gemini-3.6-flash تغییر دهید.
• پارامترهای نمونه‌برداری منسوخ‌شده را حذف کنید:
  • temperature ، top_p و top_k را از پیکربندی‌های تولید جدا کنید.
  • به جای thinking_budget متغیر رشته‌ای enum thinking_level را با مقدار "medium" یا "high" جایگزین کنید.
  • حذف candidate_count (در Gemini 3.x پشتیبانی نمی‌شود).
• قوانین اعتبارسنجی نوبت را اجرا کنید:
  • چرخش‌های مدل از پیش پر شده را بردارید.
  • مطمئن شوید که نوبت کاربر نهایی شامل متن غیر خالی باشد.
• فراخوانی تابع حسابرسی:
  • مطمئن شوید که همه اشیاء FunctionResponse شامل call_id و name هستند.
  • دارایی‌های چندوجهی را درون بار داده پاسخ قرار دهید.
  • دستورالعمل‌های درون‌خطی را با استفاده از \\n\\n قالب‌بندی کنید.
  • اگر خطاهای Malformed_Function_Call مرتبط با متن پیش از ابزار را مشاهده کردید، برای الزامات متن پیش از ابزار به راه‌حل‌ها مراجعه کنید.
• الزامات پایه Gemini 3.x: برای به‌روزرسانی‌های SDK و حفظ امضای فکری، به چک‌لیست مهاجرت Gemini 3.5 مراجعه کنید.

به gemini-3.5-flash-lite مهاجرت کنید

• به‌روزرسانی شناسه مدل: رشته مدل هدف خود را به gemini-3.5-flash-lite تغییر دهید.
• سطح تلاش فکری را پیکربندی کنید:
  • برای استخراج، مسیریابی یا طبقه‌بندی با حجم بالا: برای حداکثر توان عملیاتی thinking_level روی "minimal" (پیش‌فرض) بگذارید.
  • برای زیرعامل‌های خودکار با فراخوانی ابزار، اجرای کد یا استدلال چندمرحله‌ای: برای جلوگیری از خاتمه زودهنگام ابزار thinking_level روی "medium" یا "high" تنظیم کنید.
• پارامترهای منسوخ شده را حذف کنید و فراخوانی تابع را اعتبارسنجی کنید: همان قوانین نسخه ۳.۶ Flash را اعمال کنید.
• الزامات پایه Gemini 3.x: به چک لیست مهاجرت به Gemini 3.5 مراجعه کنید.

مراحل بعدی

• مشخصات API را در نمای کلی مدل‌ها مرور کنید.
• هماهنگی چندعاملی را در راهنمای API تعاملات بررسی کنید.
• دستورالعمل‌ها را در Google AI Studio آزمایش و اصلاح کنید.