การใช้โมเดล Gemini ล่าสุด

หน้านี้ 3.5 Flash

Gemini 3.6 Flash (gemini-3.6-flash) และ Gemini 3.5 Flash-Lite (gemini-3.5-flash-lite) พร้อมใช้งานสำหรับผู้ใช้ทั่วไป (GA) และพร้อมสำหรับการใช้งานจริงแล้ว

• Gemini 3.6 Flash: ประสิทธิภาพที่ดียิ่งขึ้นในงานที่ซับซ้อนแบบ Agent และ Multimodal พร้อมทั้งลดการใช้โทเค็น โดยมีราคาต่ำกว่า 3.5 Flash
• Gemini 3.5 Flash-Lite: โมเดลที่เร็วที่สุดและมีค่าใช้จ่ายต่ำที่สุดในตระกูล 3.5 มีประสิทธิภาพเหนือกว่า Flash-Lite รุ่นก่อนๆ ในการดำเนินการที่มีปริมาณงานสูง

คู่มือนี้จะอธิบายสิ่งใหม่ๆ ในแต่ละโมเดล การเปลี่ยนแปลง API ที่ส่งผลต่อโค้ด และวิธีย้ายข้อมูล

โมเดลใหม่

ทั้ง 2 โมเดลรองรับหน้าต่างบริบทขนาด 1 ล้านโทเค็น, โทเค็นเอาต์พุตสูงสุด 64, 000 รายการ, การคิด และชุดเครื่องมือในตัวทั้งหมด รวมถึงการใช้คอมพิวเตอร์

ดูสเปคทั้งหมดได้ที่หน้าโมเดลต่อไปนี้

• หน้าโมเดล Gemini 3.6 Flash
• หน้าโมเดล Gemini 3.5 Flash-Lite

ดูราคาโดยละเอียดได้ที่หน้าการกำหนดราคา

คู่มือเริ่มใช้งานฉบับย่อ

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."}]
    }]
  }'

มีอะไรใหม่ใน Gemini 3.6 Flash

• การลดโทเค็นและการโต้ตอบ: ทำเวิร์กโฟลว์แบบหลายขั้นตอนให้เสร็จสมบูรณ์ด้วยขั้นตอนการให้เหตุผล การโต้ตอบ และการเรียกเครื่องมือที่น้อยกว่า Gemini 3.5 นอกจากนี้ยังช่วยลดการวนซ้ำในการดำเนินการ
• การสร้างโค้ดที่ปรับปรุงแล้ว: สร้างโค้ดคุณภาพสูงที่พร้อมใช้งานจริงโดยมีการแก้ไขที่ไม่ต้องการและลูปการแก้ไขข้อบกพร่องน้อยลง
• การปฏิบัติตามคำแนะนำที่ดีขึ้น: ลดการเปลี่ยนแปลงไฟล์ที่ไม่ต้องการระหว่างงานการวินิจฉัย
• การให้เหตุผลแบบ Multimodal และเชิงพื้นที่ที่มีประสิทธิภาพ: ประสิทธิภาพที่ดียิ่งขึ้นในการตีความแผนภูมิ การแปลงพิมพ์เขียวแบบภาพ และการสร้างเลย์เอาต์เว็บแบบหลายองค์ประกอบ
• การตรวจสอบเชิงโปรแกรมล่วงหน้า: ชอบที่จะเรียกใช้สคริปต์โค้ดการวินิจฉัยก่อนทำการเปลี่ยนแปลงบ่อยกว่า Gemini 3.5 Flash ซึ่งช่วยเพิ่มความแม่นยำในงานที่ซับซ้อน แต่สามารถเพิ่มขั้นตอนการสำรวจเพิ่มเติมในงานฟรอนท์เอนด์อย่างง่าย
• การรองรับการใช้คอมพิวเตอร์: รองรับเป็นเครื่องมือเนทีฟสำหรับการทำงานอัตโนมัติของ UI แบบ Agent
• ความชอบในการจัดสไตล์ UI: สร้างโค้ดที่ใช้งานได้ดีขึ้น แม้ว่าผู้ประเมินที่เป็นมนุษย์จะชอบโมเดลก่อนหน้านี้สำหรับการจัดวางเลย์เอาต์ภาพและการจัดสไตล์ คุณสามารถลดปัญหานี้ได้โดยระบุหลักเกณฑ์การออกแบบอย่างชัดเจน
• ความพยายามในการคิดเริ่มต้น (ปานกลาง): ใช้ระดับการคิดเริ่มต้น medium เดียวกับ Gemini 3.5 Flash
• ราคาที่ลดลง: ค่าใช้จ่ายโทเค็นเอาต์พุตที่ต่ำลง ($7.50/1M เทียบกับ $9.00/1M สำหรับ 3.5 Flash) โทเค็นอินพุตยังคงอยู่ที่ $1.50/1M

มีอะไรใหม่ใน Gemini 3.5 Flash-Lite

• เวลาในการตอบสนองในการดำเนินการงานที่ลดลง: อัตราการส่งข้อมูลสูงสุดในตระกูล 3.5 สำหรับการแยกวิเคราะห์ข้อมูลและการแยกเอกสารปริมาณมาก
• ประสิทธิภาพการให้เหตุผลและ Multimodal ที่ดียิ่งขึ้น: เส้นทางการย้ายข้อมูลที่ราบรื่นจาก Gemini 2.5 Flash โดยมีคะแนนสูงขึ้นในงานการให้เหตุผล เช่น HLE (18.0% เทียบกับ 11.0%) และเกณฑ์มาตรฐาน Multimodal เช่น CharXIV (74.5% เทียบกับ 63.7%)
• การจัดระเบียบ Subagent และความน่าเชื่อถือของเครื่องมือ: ปรับปรุงความน่าเชื่อถือในการดำเนินการเครื่องมือสำหรับการดำเนินการโค้ด การค้นหา และเวิร์กโฟลว์ MCP เพิ่มระดับการคิดสำหรับการวางแผนแบบอัตโนมัติและงาน Subagent ที่ซับซ้อน
• ความเข้าใจเอกสารที่ดียิ่งขึ้น: ปรับปรุงความแม่นยำในการแยกวิเคราะห์เอกสารและการแยกข้อมูลที่มีโครงสร้าง ทดลองใช้ระดับการคิดทั้งต่ำและสูงขึ้นอยู่กับความซับซ้อนของเอกสาร
• การเขียนโค้ดเว็บแบบโต้ตอบและการประมวลผลข้อมูลแบบตาราง: ทำงานได้ดีในการประมวลผล JavaScript ส่วนหน้าและข้อมูลแบบตารางโดยการวางแผนผ่านการดำเนินการโค้ดแบบเบา
• ความต่อเนื่องของแชทบ็อตและลักษณะตัวตน: การปฏิบัติตามคำแนะนำแบบการสนทนาไปมาและความสอดคล้องของลักษณะตัวตนที่ดียิ่งขึ้นเมื่อเทียบกับ Gemini 3.1 Flash-Lite
• การรองรับการใช้คอมพิวเตอร์: รองรับเป็นเครื่องมือเนทีฟสำหรับการทำงานอัตโนมัติของ UI แบบ Agent

การเลือกโมเดล Flash หรือ Flash-Lite ที่เหมาะสม

ใช้ตารางนี้เพื่อเลือกโมเดลและเส้นทางการย้ายข้อมูลที่เหมาะสมสำหรับปริมาณงานของคุณ

ทั้ง 2 โมเดลกำหนดให้ต้องนำพารามิเตอร์การสุ่มตัวอย่างที่เลิกใช้งานแล้ว (temperature, top_p, top_k) และการโต้ตอบของโมเดลที่เติมไว้ล่วงหน้าออก ดูรายละเอียดได้ที่การเปลี่ยนแปลง API

Agent ของ Antigravity ที่อัปเดตแล้ว

เนื่องจากประสิทธิภาพที่ดียิ่งขึ้น ตอนนี้ Gemini 3.6 Flash จึงเป็นโมเดลเริ่มต้นใหม่ที่ขับเคลื่อน Agent ของ Antigravity ใน Agent ที่ได้รับการจัดการของ Gemini คุณสามารถเปลี่ยนโมเดลนี้ได้โดยการตั้งค่าฟิลด์ใหม่ใน 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"
}'

การเปลี่ยนแปลง API และการอัปเดตพารามิเตอร์

การเปลี่ยนแปลง API ต่อไปนี้จะมีผลกับโมเดล Gemini 3.6 Flash และ Gemini 3.5 Flash-Lite รวมถึงโมเดล Gemini รุ่นต่อๆ ไป

• การเลิกใช้งานพารามิเตอร์การสุ่มตัวอย่าง: temperature, top_p และ top_k เลิกใช้งานแล้ว API จะไม่สนใจพารามิเตอร์เหล่านี้และแสดงข้อผิดพลาดในโมเดลรุ่นต่อๆ ไป
• การตรวจสอบการโต้ตอบของโมเดลที่เติมไว้ล่วงหน้า: ระบบไม่รองรับการเติมการโต้ตอบของโมเดลไว้ล่วงหน้าอีกต่อไป หากการโต้ตอบสุดท้ายที่ไม่ว่างเปล่าในคำขอเป็นการโต้ตอบ model API จะแสดงข้อผิดพลาด 400

ด้านล่างนี้คือคำอธิบายโดยละเอียดและตัวอย่างโค้ดสำหรับการเปลี่ยนแปลง API แต่ละรายการ

1. การเลิกใช้งานพารามิเตอร์การสุ่มตัวอย่าง (temperature, top_p, top_k)

temperature, top_p และ top_k เลิกใช้งานแล้วและระบบจะไม่สนใจพารามิเตอร์เหล่านี้ ในโมเดลรุ่นต่อๆ ไป การระบุพารามิเตอร์เหล่านี้จะแสดงข้อผิดพลาด HTTP 400 นำพารามิเตอร์เหล่านี้ออกจากคำขอทั้งหมด

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

หากต้องการปรับปรุงความแน่นอน ให้กำหนดคำแนะนำของระบบด้วยกฎที่ชัดเจนสำหรับกรณีการใช้งานเฉพาะของคุณ

2. การตรวจสอบการโต้ตอบของโมเดลที่เติมไว้ล่วงหน้า

ระบบไม่อนุญาตคำขอ API ที่สิ้นสุดด้วยการโต้ตอบที่มีบทบาทเป็นโมเดลที่ไม่ว่างเปล่า และจะแสดงข้อผิดพลาด HTTP 400

⚠️ หลีกเลี่ยง

ใน generateContent แบบเดิมหรือเพย์โหลด REST แบบดิบ ตอนนี้ระบบไม่อนุญาตให้สิ้นสุดด้วยการโต้ตอบที่มีบทบาทเป็นโมเดลแล้ว

/* ❌ 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 */
  ]
}

✅ การย้ายข้อมูลที่แนะนำ

หากแอปพลิเคชันของคุณเคยเติมการโต้ตอบของโมเดลไว้ล่วงหน้าเพื่อระงับคำนำหรือบังคับใช้การจัดรูปแบบ JSON ให้ใช้ system_instruction หรือ เอาต์พุตที่มีโครงสร้าง แทน

# ✅ 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."},
)

รายการตรวจสอบการย้ายข้อมูล

ย้ายข้อมูลไปยัง gemini-3.6-flash

• อัปเดตรหัสโมเดล: เปลี่ยนสตริงโมเดลเป้าหมายเป็น gemini-3.6-flash
• นำพารามิเตอร์การสุ่มตัวอย่างที่เลิกใช้งานแล้วออก
  • นำ temperature, top_p และ top_k ออกจากการกำหนดค่าการสร้าง
  • แทนที่ thinking_budget ด้วย Enum สตริง thinking_level ที่ตั้งค่าเป็น "medium" หรือ "high"
  • นำ candidate_count ออก (ไม่รองรับใน Gemini 3.x)
• บังคับใช้กฎการตรวจสอบการโต้ตอบ
  • นำการโต้ตอบของโมเดลที่เติมไว้ล่วงหน้าออก
  • ตรวจสอบว่าการโต้ตอบสุดท้ายของผู้ใช้มีข้อความที่ไม่ว่างเปล่า
• ตรวจสอบการเรียกฟังก์ชัน
  • ตรวจสอบว่าออบเจ็กต์ FunctionResponse ทั้งหมดมี call_id และ name
  • วางเนื้อหา Multimodal ไว้ในเพย์โหลดการตอบกลับ
  • จัดรูปแบบคำแนะนำแบบอินไลน์โดยใช้ \\n\\n
  • หากเห็นข้อผิดพลาด Malformed_Function_Call ที่เชื่อมโยงกับข้อความก่อนเครื่องมือ โปรดดู วิธีแก้ปัญหาสำหรับข้อกำหนดข้อความก่อนเครื่องมือ
• ข้อกำหนดพื้นฐานของ Gemini 3.x: สำหรับการอัปเดต SDK และการเก็บรักษาลายเซ็นความคิด โปรดดูที่ รายการตรวจสอบการย้ายข้อมูล Gemini 3.5

ย้ายข้อมูลไปยัง gemini-3.5-flash-lite

• อัปเดตรหัสโมเดล: เปลี่ยนสตริงโมเดลเป้าหมายเป็น gemini-3.5-flash-lite
• กำหนดค่าระดับความพยายามในการคิด
  • สำหรับการแยก การกำหนดเส้นทาง หรือการจัดประเภทปริมาณมาก ให้ตั้งค่า thinking_level เป็น "minimal" (ค่าเริ่มต้น) เพื่อให้ได้ปริมาณงานสูงสุด
  • สำหรับ Subagent แบบอัตโนมัติที่มีการเรียกเครื่องมือ การเรียกใช้โค้ด หรือการให้เหตุผลหลายขั้นตอน ให้ตั้งค่า thinking_level เป็น "medium" หรือ "high" เพื่อป้องกันไม่ให้เครื่องมือหยุดทำงานก่อนเวลาอันควร
• นำพารามิเตอร์ที่เลิกใช้งานแล้วออกและตรวจสอบการเรียกฟังก์ชัน: ใช้กฎเดียวกับ 3.6 Flash
• ข้อกำหนดพื้นฐานของ Gemini 3.x: โปรดดู รายการตรวจสอบการย้ายข้อมูล Gemini 3.5

ขั้นตอนถัดไป

• ตรวจสอบสเปค API ในภาพรวมของโมเดล
• สำรวจการจัดระเบียบ Agent หลายรายการในคู่มือ Interactions API
• ทดสอบและปรับแต่งพรอมต์ใน Google AI Studio