Z użyciem najnowszych modeli Gemini

Ta strona dotyczy modelu 3.5 Flash

Modele Gemini 3.6 Flash (gemini-3.6-flash) i Gemini 3.5 Flash-Lite (gemini-3.5-flash-lite) są ogólnie dostępne i gotowe do użycia w środowisku produkcyjnym.

• Gemini 3.6 Flash: większa skuteczność w złożonych zadaniach agentowych i multimodalnych przy jednoczesnym zmniejszeniu zużycia tokenów i niższej cenie niż w przypadku modelu 3.5 Flash.
• Gemini 3.5 Flash-Lite: najszybszy i najtańszy model z rodziny 3.5. Przewyższa poprzednie generacje Flash-Lite pod względem przepustowości.

Z tego przewodnika dowiesz się, co nowego jest w poszczególnych modelach, jakie zmiany w interfejsie API wpływają na Twój kod i jak przeprowadzić migrację.

Nowe modele

Oba modele obsługują okno kontekstowe o rozmiarze 1 mln tokenów, maksymalnie 64 tys. tokenów wyjściowych, myślenie i pełny zestaw wbudowanych narzędzi, w tym korzystanie z komputera.

Pełne specyfikacje znajdziesz na stronach modeli:

• Strona modelu Gemini 3.6 Flash
• Strona modelu Gemini 3.5 Flash-Lite

Szczegółowe informacje o cenach znajdziesz na stronie z cennikiem.

Krótkie wprowadzenie

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."}]
    }]
  }'

Co nowego w Gemini 3.6 Flash

• Zmniejszenie liczby tokenów i tur: wykonuje wieloetapowe przepływy pracy z mniejszą liczbą kroków rozumowania, tur konwersacji i wywołań narzędzi niż Gemini 3.5. Ogranicza też spiralne działanie pętli wykonywania.
• Ulepszone generowanie kodu: tworzy kod wyższej jakości, gotowy do użycia w środowisku produkcyjnym, z mniejszą liczbą niechcianych zmian i pętli debugowania.
• Lepsze wykonywanie instrukcji: ogranicza niechciane zmiany plików podczas zadań diagnostycznych.
• Zaawansowane rozumowanie multimodalne i przestrzenne: lepsza skuteczność w interpretacji wykresów, konwersji wizualnych planów i generowaniu układów stron internetowych z wieloma elementami.
• Wstępne sprawdzanie programowe: częściej niż Gemini 3.5 Flash preferuje uruchamianie skryptów kodu diagnostycznego przed wprowadzeniem zmian. Zwiększa to dokładność w przypadku złożonych zadań, ale może dodać dodatkowe kroki eksploracyjne w przypadku prostych prac związanych z frontendem.
• Obsługa korzystania z komputera: obsługiwana jako natywne narzędzie do automatyzacji interfejsu agenta.
• Preferencje dotyczące stylizacji interfejsu: lepiej tworzy kod funkcjonalny, ale oceniający ludzie preferowali wcześniejsze modele pod względem układu wizualnego i stylizacji. Możesz temu zapobiec, podając wyraźne wytyczne dotyczące projektowania.
• Domyślny nakład pracy związany z myśleniem (średni): używa tego samego medium domyślnego nakładu pracy związanego z myśleniem co Gemini 3.5 Flash.
• Niższe ceny: niższe koszty tokenów wyjściowych (7,50 USD za 1 mln w porównaniu z 9,00 USD za 1 mln w przypadku modelu 3.5 Flash). Tokeny wejściowe nadal kosztują 1,50 USD za 1 mln.

Co nowego w Gemini 3.5 Flash-Lite

• Krótszy czas oczekiwania na wykonanie zadania: najwyższa przepustowość w rodzinie 3.5 w przypadku analizowania dużych ilości danych i wyodrębniania dokumentów.
• Ulepszone rozumowanie i skuteczność multimodalna: silna ścieżka migracji z Gemini 2.5 Flash z wyższymi wynikami w zadaniach rozumowania, takich jak HLE (18,0% w porównaniu z 11,0%), i testach porównawczych multimodalnych, takich jak CharXIV (74,5% w porównaniu z 63,7%).
• Administrowanie subagentami i niezawodność narzędzi: zwiększa niezawodność wykonywania narzędzi w przypadku wykonywania kodu, wyszukiwania i przepływów pracy MCP. Zwiększ poziom myślenia w przypadku autonomicznego planowania i złożonych zadań subagentów.
• Lepsze rozumienie dokumentów: zwiększa dokładność analizowania dokumentów i wyodrębniania uporządkowanych danych. W zależności od złożoności dokumentu eksperymentuj z minimalnym i wysokim poziomem myślenia.
• Interaktywne kodowanie w internecie i przetwarzanie danych tabelarycznych: dobrze radzi sobie z przetwarzaniem danych tabelarycznych i JavaScriptu na frontendzie dzięki planowaniu za pomocą lekkiego wykonywania kodu.
• Trwałość czatbotów i person: lepsze wykonywanie instrukcji wieloetapowych i spójność person w porównaniu z Gemini 3.1 Flash-Lite.
• Obsługa korzystania z komputera: obsługiwana jako natywne narzędzie do automatyzacji interfejsu agenta.

Wybieranie odpowiedniego modelu Flash lub Flash-Lite

Użyj tej tabeli, aby wybrać odpowiedni model i ścieżkę migracji dla swoich zbiorów zadań.

Oba modele wymagają usunięcia wycofanych parametrów próbkowania (temperature, top_p, top_k) i wstępnie wypełnionych tur modelu. Więcej informacji znajdziesz w sekcji Zmiany w interfejsie API.

Zaktualizowany agent Antigravity

Ze względu na lepszą skuteczność Gemini 3.6 Flash jest teraz nowym modelem domyślnym, który obsługuje agenta Antigravity w Gemini Managed Agents. Możesz to zmienić, ustawiając nowe pole w interfejsie API.

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"
}'

Zmiany w interfejsie API i aktualizacje parametrów

Począwszy od modeli Gemini 3.6 Flash i Gemini 3.5 Flash-Lite, te zmiany w interfejsie API dotyczą tych modeli i wszystkich przyszłych wersji modeli Gemini.

• Wycofanie parametrów próbkowania: parametry temperature, top_p i top_k zostały wycofane. Interfejs API ignoruje te parametry i w przyszłych generacjach modeli zwraca błąd.
• Weryfikacja wstępnie wypełnionych tur modelu: wstępne wypełnianie tur modelu nie jest już obsługiwane. Jeśli ostatnia niepusta tura w żądaniu jest turą model, interfejs API zwraca błąd 400.

Poniżej znajdziesz szczegółowe wyjaśnienia i przykłady kodu dotyczące każdej zmiany w interfejsie API.

1. Wycofanie parametrów próbkowania (temperature, top_p, top_k)

Parametry temperature, top_p i top_k zostały wycofane i są ignorowane. W przyszłych generacjach modeli podanie tych parametrów spowoduje zwrócenie błędu HTTP 400. Usuń te parametry ze wszystkich żądań.

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

Aby zwiększyć determinizm, zdefiniuj instrukcję systemową z wyraźnymi regułami dotyczącymi konkretnego przypadku użycia.

2. Weryfikacja wstępnie wypełnionych tur modelu

Żądania do interfejsu API kończące się niepustą turą roli modelu są niedozwolone i zwracają błąd HTTP 400.

⚠️ Unikaj

W starszych wersjach generateContent lub w surowych ładunkach REST kończenie tury rolą modelu jest teraz niedozwolone:

/* ❌ 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 */
  ]
}

✅ Zalecana migracja

Jeśli Twoja aplikacja wcześniej wstępnie wypełniała turę modelu, aby pominąć wstępy lub wymusić formatowanie JSON, użyj system_instruction lub uporządkowanych danych wyjściowych zamiast tego.

# ✅ 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."},
)

Lista kontrolna migracji

Migracja do gemini-3.6-flash

• Zaktualizuj identyfikator modelu: zmień ciąg docelowego modelu na gemini-3.6-flash.
• Usuń wycofane parametry próbkowania:
  • Usuń temperature, top_p i top_k z konfiguracji generowania.
  • Zastąp thinking_budget wyliczeniem ciągu znaków thinking_level ustawionym na "medium" lub "high".
  • Usuń candidate_count (nieobsługiwany w Gemini 3.x).
• Wymuś reguły weryfikacji tur:
  • Usuń wstępnie wypełnione tury modelu.
  • Upewnij się, że ostatnia tura użytkownika zawiera niepusty tekst.
• Sprawdź wywoływanie funkcji:
  • Upewnij się, że wszystkie obiekty FunctionResponse zawierają call_id i name.
  • Umieść zasoby multimodalne w ładunku odpowiedzi.
  • Sformatuj instrukcje w tekście za pomocą \\n\\n.
  • Jeśli widzisz błędy Malformed_Function_Call powiązane z tekstem przed narzędziem, zapoznaj się z sekcją Obejścia wymagań dotyczących tekstu przed narzędziem.
• Podstawowe wymagania Gemini 3.x: informacje o aktualizacjach pakietu SDK i zachowaniu sygnatury myśli znajdziesz na liście kontrolnej migracji do Gemini 3.5.

Migracja do gemini-3.5-flash-lite

• Zaktualizuj identyfikator modelu: zmień ciąg docelowego modelu na gemini-3.5-flash-lite.
• Skonfiguruj nakład pracy związany z myśleniem:
  • W przypadku wyodrębniania, routingu lub klasyfikacji dużych ilości danych: pozostaw thinking_level na poziomie "minimal" (domyślnym), aby uzyskać maksymalną przepustowość.
  • W przypadku autonomicznych subagentów z wywołaniami narzędzi, wykonywaniem kodu lub wieloetapowym wnioskowaniem: ustaw thinking_level na "medium" lub "high", aby zapobiec przedwczesnemu zakończeniu narzędzia.
• Usuń wycofane parametry i zweryfikuj wywoływanie funkcji: zastosuj te same reguły co w przypadku modelu 3.6 Flash.
• Podstawowe wymagania Gemini 3.x: zapoznaj się z listą kontrolną migracji do Gemini 3.5.

Dalsze kroki

• Zapoznaj się ze specyfikacjami interfejsu API w przeglądzie modeli Models Overview.
• Dowiedz się więcej o administrowaniu wieloma agentami w przewodniku po interfejsie Interactions API.
• Testuj i ulepszaj prompty w Google AI Studio.