Gemini düşüncesi

Gemini modelleri, akıl yürütme ve çok adımlı planlama yeteneklerini önemli ölçüde geliştiren dahili bir "düşünme süreci" kullanır. Bu sayede kodlama, ileri matematik ve veri analizi gibi karmaşık görevlerde son derece etkili olurlar.

Bu kılavuzda, Gemini API'yi kullanarak Gemini'ın düşünme özellikleriyle nasıl çalışacağınız gösterilmektedir.

Düşünerek içerik üretme

Düşünen modelle istek başlatmak, diğer içerik oluşturma isteklerine benzer. Aradaki temel fark, model alanında düşünme desteği olan modellerden birinin belirtilmesidir. Bu durum, aşağıdaki metin oluşturma örneğinde gösterilmiştir:

Python

from google import genai

client = genai.Client()
prompt = "Explain the concept of Occam's Razor and provide a simple, everyday example."
response = client.models.generate_content(
    model="gemini-3.8-flash",
    contents=prompt
)

print(response.text)

JavaScript

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

const ai = new GoogleGenAI({});

async function main() {
  const prompt = "Explain the concept of Occam's Razor and provide a simple, everyday example.";

  const response = await ai.models.generateContent({
    model: "gemini-3.8-flash",
    contents: prompt,
  });

  console.log(response.text);
}

main();

Go

package main

import (
  "context"
  "fmt"
  "log"
  "os"
  "google.golang.org/genai"
)

func main() {
  ctx := context.Background()
  client, err := genai.NewClient(ctx, nil)
  if err != nil {
      log.Fatal(err)
  }

  prompt := "Explain the concept of Occam's Razor and provide a simple, everyday example."
  model := "gemini-3.8-flash"

  resp, _ := client.Models.GenerateContent(ctx, model, genai.Text(prompt), nil)

  fmt.Println(resp.Text())
}

REST

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.8-flash:generateContent" \
 -H "x-goog-api-key: $GEMINI_API_KEY" \
 -H 'Content-Type: application/json' \
 -X POST \
 -d '{
   "contents": [
     {
       "parts": [
         {
           "text": "Explain the concept of Occam'\''s Razor and provide a simple, everyday example."
         }
       ]
     }
   ]
 }'
 ```

Düşünce özetleri

Düşünce özetleri, modelin ham düşüncelerinin özetlenmiş versiyonlarıdır ve modelin iç akıl yürütme süreci hakkında bilgi verir. Düşünce düzeylerinin ve bütçelerin, modelin ham düşünceleri için geçerli olduğunu, düşünce özetleri için geçerli olmadığını unutmayın.

İstek yapılandırmanızda includeThoughts değerini true olarak ayarlayarak düşünce özetlerini etkinleştirebilirsiniz. Ardından, response parametresinin parts öğesini yineleyerek ve thought boole değerini kontrol ederek özete erişebilirsiniz.

Aşağıda, akış yapmadan düşünce özetlerini etkinleştirme ve alma işleminin nasıl yapılacağını gösteren bir örnek verilmiştir. Bu işlem, yanıtla birlikte tek bir nihai düşünce özeti döndürür:

Python

from google import genai
from google.genai import types

client = genai.Client()
prompt = "What is the sum of the first 50 prime numbers?"
response = client.models.generate_content(
  model="gemini-3.8-flash",
  contents=prompt,
  config=types.GenerateContentConfig(
    thinking_config=types.ThinkingConfig(
      include_thoughts=True
    )
  )
)

for part in response.candidates[0].content.parts:
  if not part.text:
    continue
  if part.thought:
    print("Thought summary:")
    print(part.text)
    print()
  else:
    print("Answer:")
    print(part.text)
    print()

JavaScript

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

const ai = new GoogleGenAI({});

async function main() {
  const response = await ai.models.generateContent({
    model: "gemini-3.8-flash",
    contents: "What is the sum of the first 50 prime numbers?",
    config: {
      thinkingConfig: {
        includeThoughts: true,
      },
    },
  });

  for (const part of response.candidates[0].content.parts) {
    if (!part.text) {
      continue;
    }
    else if (part.thought) {
      console.log("Thoughts summary:");
      console.log(part.text);
    }
    else {
      console.log("Answer:");
      console.log(part.text);
    }
  }
}

main();

Go

package main

import (
  "context"
  "fmt"
  "google.golang.org/genai"
  "os"
)

func main() {
  ctx := context.Background()
  client, err := genai.NewClient(ctx, nil)
  if err != nil {
      log.Fatal(err)
  }

  contents := genai.Text("What is the sum of the first 50 prime numbers?")
  model := "gemini-3.8-flash"
  resp, _ := client.Models.GenerateContent(ctx, model, contents, &genai.GenerateContentConfig{
    ThinkingConfig: &genai.ThinkingConfig{
      IncludeThoughts: true,
    },
  })

  for _, part := range resp.Candidates[0].Content.Parts {
    if part.Text != "" {
      if part.Thought {
        fmt.Println("Thoughts Summary:")
        fmt.Println(part.Text)
      } else {
        fmt.Println("Answer:")
        fmt.Println(part.Text)
      }
    }
  }
}

Aşağıda, akışla düşünme özelliğini kullanan bir örnek verilmiştir. Bu örnek, üretim sırasında sürekli ve artımlı özetler döndürür:

Python

from google import genai
from google.genai import types

client = genai.Client()

prompt = """
Alice, Bob, and Carol each live in a different house on the same street: red, green, and blue.
The person who lives in the red house owns a cat.
Bob does not live in the green house.
Carol owns a dog.
The green house is to the left of the red house.
Alice does not own a cat.
Who lives in each house, and what pet do they own?
"""

thoughts = ""
answer = ""

for chunk in client.models.generate_content_stream(
    model="gemini-3.8-flash",
    contents=prompt,
    config=types.GenerateContentConfig(
      thinking_config=types.ThinkingConfig(
        include_thoughts=True
      )
    )
):
  for part in chunk.candidates[0].content.parts:
    if not part.text:
      continue
    elif part.thought:
      if not thoughts:
        print("Thoughts summary:")
      print(part.text)
      thoughts += part.text
    else:
      if not answer:
        print("Answer:")
      print(part.text)
      answer += part.text

JavaScript

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

const ai = new GoogleGenAI({});

const prompt = `Alice, Bob, and Carol each live in a different house on the same
street: red, green, and blue. The person who lives in the red house owns a cat.
Bob does not live in the green house. Carol owns a dog. The green house is to
the left of the red house. Alice does not own a cat. Who lives in each house,
and what pet do they own?`;

let thoughts = "";
let answer = "";

async function main() {
  const response = await ai.models.generateContentStream({
    model: "gemini-3.8-flash",
    contents: prompt,
    config: {
      thinkingConfig: {
        includeThoughts: true,
      },
    },
  });

  for await (const chunk of response) {
    for (const part of chunk.candidates[0].content.parts) {
      if (!part.text) {
        continue;
      } else if (part.thought) {
        if (!thoughts) {
          console.log("Thoughts summary:");
        }
        console.log(part.text);
        thoughts = thoughts + part.text;
      } else {
        if (!answer) {
          console.log("Answer:");
        }
        console.log(part.text);
        answer = answer + part.text;
      }
    }
  }
}

await main();

Go

package main

import (
  "context"
  "fmt"
  "log"
  "os"
  "google.golang.org/genai"
)

const prompt = `
Alice, Bob, and Carol each live in a different house on the same street: red, green, and blue.
The person who lives in the red house owns a cat.
Bob does not live in the green house.
Carol owns a dog.
The green house is to the left of the red house.
Alice does not own a cat.
Who lives in each house, and what pet do they own?
`

func main() {
  ctx := context.Background()
  client, err := genai.NewClient(ctx, nil)
  if err != nil {
      log.Fatal(err)
  }

  contents := genai.Text(prompt)
  model := "gemini-3.8-flash"

  resp := client.Models.GenerateContentStream(ctx, model, contents, &genai.GenerateContentConfig{
    ThinkingConfig: &genai.ThinkingConfig{
      IncludeThoughts: true,
    },
  })

  for chunk := range resp {
    for _, part := range chunk.Candidates[0].Content.Parts {
      if len(part.Text) == 0 {
        continue
      }

      if part.Thought {
        fmt.Printf("Thought: %s\n", part.Text)
      } else {
        fmt.Printf("Answer: %s\n", part.Text)
      }
    }
  }
}

Kontrollü düşünme

Gemini modelleri, varsayılan olarak dinamik düşünme özelliğini kullanır ve kullanıcının isteğinin karmaşıklığına göre akıl yürütme çabasını otomatik olarak ayarlar. Ancak belirli gecikme kısıtlamalarınız varsa veya modelin normalden daha derin bir muhakeme yapmasını istiyorsanız düşünme davranışını kontrol etmek için isteğe bağlı olarak parametreleri kullanabilirsiniz.

Düşünme düzeyleri (Gemini 4 ve Gemini 3)

Gemini 4 için gerekli, Gemini 3 modelleri için önerilen thinkingLevel parametresi, akıl yürütme davranışını kontrol etmenizi sağlar. Gemini 4 (gemini-4-argon); low, medium (varsayılan) ve high dillerini destekler.

Aşağıdaki tabloda her model türü için thinkingLevel ayarları ayrıntılı olarak açıklanmaktadır:

Düşünme Seviyesi Gemini 3.8 Flash Gemini 3.6 Flash Gemini 4 Argon Gemini 3.5 ve 3.1 Flash-Lite Gemini 3.1 Flash-Lite Görüntüsü Gemini 3 Flash Gemini Robotics ER 2 Açıklama
minimal Desteklenmiyor (hata) Destekleniyor Desteklenmiyor (hata) Desteklenir (Varsayılan) Desteklenir (Varsayılan) Destekleniyor Destekleniyor Çoğu sorgu için "düşünme yok" ayarıyla eşleşir. minimal, düşünmenin devre dışı olduğunu garanti etmez. Model, karmaşık görevler için çok az gerekçe sunabilir.
low Destekleniyor Destekleniyor Destekleniyor Destekleniyor Desteklenmiyor Destekleniyor Destekleniyor Gecikmeyi ve maliyeti en aza indirir.
medium Desteklenir (Varsayılan) Desteklenir (Varsayılan) Desteklenir (Varsayılan) Destekleniyor Desteklenmiyor Destekleniyor Destekleniyor Çoğu görev için dengeli düşünme
high Destekleniyor (Dinamik) Destekleniyor (Dinamik) Destekleniyor (Dinamik) Destekleniyor (Dinamik) Destekleniyor (Dinamik) Destekleniyor (Varsayılan, Dinamik) Destekleniyor (Varsayılan, Dinamik) Akıl yürütme derinliğini en üst düzeye çıkarır. Modelin ilk (düşünme dışı) çıkış jetonuna ulaşması önemli ölçüde daha uzun sürebilir ancak çıkış daha dikkatli bir şekilde değerlendirilir.

Aşağıdaki örnekte, düşünme seviyesinin nasıl ayarlanacağı gösterilmektedir.

Python

from google import genai
from google.genai import types

client = genai.Client()

response = client.models.generate_content(
    model="gemini-3.8-flash",
    contents="Provide a list of 3 famous physicists and their key contributions",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_level="low")
    ),
)

print(response.text)

JavaScript

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

const ai = new GoogleGenAI({});

async function main() {
  const response = await ai.models.generateContent({
    model: "gemini-3.8-flash",
    contents: "Provide a list of 3 famous physicists and their key contributions",
    config: {
      thinkingConfig: {
        thinkingLevel: ThinkingLevel.LOW,
      },
    },
  });

  console.log(response.text);
}

main();

Go

package main

import (
  "context"
  "fmt"
  "google.golang.org/genai"
  "os"
)

func main() {
  ctx := context.Background()
  client, err := genai.NewClient(ctx, nil)
  if err != nil {
      log.Fatal(err)
  }

  thinkingLevelVal := "low"

  contents := genai.Text("Provide a list of 3 famous physicists and their key contributions")
  model := "gemini-3.8-flash"
  resp, _ := client.Models.GenerateContent(ctx, model, contents, &genai.GenerateContentConfig{
    ThinkingConfig: &genai.ThinkingConfig{
      ThinkingLevel: &thinkingLevelVal,
    },
  })

fmt.Println(resp.Text())
}

REST

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.8-flash:generateContent" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H 'Content-Type: application/json' \
-X POST \
-d '{
  "contents": [
    {
      "parts": [
        {
          "text": "Provide a list of 3 famous physicists and their key contributions"
        }
      ]
    }
  ],
  "generationConfig": {
    "thinkingConfig": {
          "thinkingLevel": "low"
    }
  }
}'

Gemini 4 Argon'da düşünme özelliğini devre dışı bırakamazsınız. Gemini 3 Flash ve Flash-Lite da düşünme özelliğinin tamamen devre dışı bırakılmasını desteklemez. Düşünme seviyesi belirtmezseniz Gemini, modelin varsayılan düşünme seviyesini (ör. Gemini 4 Argon, Gemini 3.8 Flash ve Gemini 3.6 Flash için "medium") kullanır.

Gemini 2.5 serisi modeller thinkingLevel parametresini desteklemez. Bunun yerine thinkingBudget parametresini kullanın.

Jeton sınırları ve max_output_tokens

max_output_tokens üretim parametresi, düşünce parçaları da dahil olmak üzere bir yanıtın üretebileceği maksimum parça sayısını belirler.

Bu parametre ayarlandığında, modelin düşünme bütçesini (thinking_level) nasıl tahsis ettiğini değiştirmeden altyapı tarafından uygulanan kesin bir sınır görevi görür.

Model, akıl yürütme sırasında bu sınıra ulaşırsa finish_reason: MAX_TOKENS ile oluşturmayı durdurur ve kesilmiş veya boş çıkış döndürür (üretilen tüm düşünme token'ları için faturalandırma devam eder). Yanıtları kısaltmadan maliyeti veya gecikmeyi azaltmak için küçük bir max_output_tokens değeri ayarlamak yerine thinking_level değerini (low veya medium) düşürün.

Gemini 4 modelleri (gemini-4-argon) için aşağıdaki bağlam ve çıkış sınırlarını göz önünde bulundurun:

  • Paylaşılan 1 milyon parçalık bağlam penceresi: Giriş, düşünme ve çıkış parçaları, 1 milyon parçalık tek bir bağlam penceresini (1,048,576 parça) paylaşır. Giriş jetonlarınız ile max_output_tokens toplamı 1.048.576 jetonu aşarsa API, çıkış sınırını otomatik olarak bağlam penceresinde kalan alanla (1,048,576 eksi giriş jetonlarınız) sınırlandırır.
  • İstek başına çıkış sınırları (64 bin akış / 32 bin akış dışı) ve uzun kod çözme (1 milyon jetona kadar): Tek bir akış isteği (streamGenerateContent) en fazla 65,536 jeton, tek bir akış dışı istek (generateContent) ise en fazla 32,768 jeton döndürür. İstek başına sınırın (girişiniz hariç en fazla 1,048,576 jeton) üzerinde içerik üretmek için max_output_tokens değerini sınırın üzerinde ayarlayın. En yeni Google GenAI SDK'ları, varsayılan olarak adımlar arasında otomatik olarak devam eder (automatic_continuation=True). Alternatif olarak, bir adım finish_reason: "CONTINUATION" ile durduğunda döndürülen continuation_token değerini kullanarak bir istemci döngüsü çalıştırabilirsiniz. Kod örnekleri için Uzun kod çözme bölümüne bakın.

Düşünme bütçeleri

Gemini 2.5 serisiyle kullanıma sunulan thinkingBudget parametresi, akıl yürütme için kullanılacak düşünme token'larının sayısı konusunda modele yol gösterir.

Her model türü için thinkingBudget yapılandırma ayrıntıları aşağıda verilmiştir. thinkingBudget değerini 0 olarak ayarlayarak düşünme özelliğini devre dışı bırakabilirsiniz. thinkingBudget değerini -1 olarak ayarlamak dinamik düşünme özelliğini etkinleştirir. Bu durumda model, bütçeyi isteğin karmaşıklığına göre ayarlar.

Model Varsayılan ayar
(Düşünme bütçesi ayarlanmamış)		 Aralık Düşünmeyi devre dışı bırakma Dinamik düşünmeyi etkinleştirme
2.5 Pro Dinamik düşünme 128 - 32768 Geçersiz: Düşünme devre dışı bırakılamaz thinkingBudget = -1 (Varsayılan)
2.5 Flash Dinamik düşünme 0 - 24576 thinkingBudget = 0 thinkingBudget = -1 (Varsayılan)
2.5 Flash Önizlemesi Dinamik düşünme 0 - 24576 thinkingBudget = 0 thinkingBudget = -1 (Varsayılan)
2.5 Flash Lite Model düşünmüyor 512 - 24576 thinkingBudget = 0 thinkingBudget = -1
2.5 Flash Lite Preview Model düşünmüyor 512 - 24576 thinkingBudget = 0 thinkingBudget = -1
Robotics-ER 1.6 Preview Dinamik düşünme 0 - 24576 thinkingBudget = 0 thinkingBudget = -1 (Varsayılan)
2.5 Flash Live Native Audio Preview (09-2025) Dinamik düşünme 0 - 24576 thinkingBudget = 0 thinkingBudget = -1 (Varsayılan)

Python

from google import genai
from google.genai import types

client = genai.Client()

response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="Provide a list of 3 famous physicists and their key contributions",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_budget=1024)
        # Turn off thinking:
        # thinking_config=types.ThinkingConfig(thinking_budget=0)
        # Turn on dynamic thinking:
        # thinking_config=types.ThinkingConfig(thinking_budget=-1)
    ),
)

print(response.text)

JavaScript

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

const ai = new GoogleGenAI({});

async function main() {
  const response = await ai.models.generateContent({
    model: "gemini-2.5-flash",
    contents: "Provide a list of 3 famous physicists and their key contributions",
    config: {
      thinkingConfig: {
        thinkingBudget: 1024,
        // Turn off thinking:
        // thinkingBudget: 0
        // Turn on dynamic thinking:
        // thinkingBudget: -1
      },
    },
  });

  console.log(response.text);
}

main();

Go

package main

import (
  "context"
  "fmt"
  "google.golang.org/genai"
  "os"
)

func main() {
  ctx := context.Background()
  client, err := genai.NewClient(ctx, nil)
  if err != nil {
      log.Fatal(err)
  }

  thinkingBudgetVal := int32(1024)

  contents := genai.Text("Provide a list of 3 famous physicists and their key contributions")
  model := "gemini-2.5-flash"
  resp, _ := client.Models.GenerateContent(ctx, model, contents, &genai.GenerateContentConfig{
    ThinkingConfig: &genai.ThinkingConfig{
      ThinkingBudget: &thinkingBudgetVal,
      // Turn off thinking:
      // ThinkingBudget: int32(0),
      // Turn on dynamic thinking:
      // ThinkingBudget: int32(-1),
    },
  })

fmt.Println(resp.Text())
}

REST

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-flash:generateContent" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H 'Content-Type: application/json' \
-X POST \
-d '{
  "contents": [
    {
      "parts": [
        {
          "text": "Provide a list of 3 famous physicists and their key contributions"
        }
      ]
    }
  ],
  "generationConfig": {
    "thinkingConfig": {
          "thinkingBudget": 1024
    }
  }
}'

İstemlere bağlı olarak model, jeton bütçesini aşabilir veya jeton bütçesinin altında kalabilir.

Düşünce imzaları

Gemini API durum bilgisi içermediğinden model, her API isteğini bağımsız olarak ele alır ve çok adımlı etkileşimlerde önceki adımlardaki düşünce bağlamına erişemez.

Gemini, çok aşamalı etkileşimlerde düşünce bağlamının korunmasını sağlamak için modelin dahili düşünme sürecinin şifrelenmiş temsilleri olan düşünce imzaları döndürür.

  • Gemini 2.5 modelleri, düşünme etkinleştirildiğinde ve istek işlev çağrısı, özellikle de işlev bildirimleri içerdiğinde düşünce imzaları döndürür.
  • Gemini 4 ve Gemini 3 modelleri, tüm parça türleri için düşünce imzaları döndürebilir. Tüm imzaları her zaman alındığı gibi geri iletmenizi öneririz ancak bu, işlev çağrısı imzaları için zorunludur. Daha fazla bilgi edinmek için Düşünce İmzaları sayfasını okuyun.

İşlev çağrısı ile ilgili dikkate alınması gereken diğer kullanım sınırlamaları şunlardır:

  • İmzalar, modelden yanıttaki diğer bölümlerde (ör. işlev çağrısı veya metin bölümleri) döndürülür. Sonraki turlarda tüm parçalarıyla birlikte yanıtın tamamını modele döndürün.
  • İmza içeren bölümleri birleştirmeyin.
  • Bir bölümü imzalı, diğer bölümü imzasız olan bir belgeyi birleştirmeyin.

Fiyatlandırma

Düşünme özelliği etkinleştirildiğinde yanıt fiyatlandırması, çıkış token'ları ile düşünme token'larının toplamıdır. Oluşturulan düşünce jetonlarının toplam sayısını thoughtsTokenCount alanından alabilirsiniz.

Python

# ...
print("Thoughts tokens:", response.usage_metadata.thoughts_token_count)
print("Output tokens:", response.usage_metadata.candidates_token_count)

JavaScript

// ...
console.log(`Thoughts tokens: ${response.usageMetadata.thoughtsTokenCount}`);
console.log(`Output tokens: ${response.usageMetadata.candidatesTokenCount}`);

Go

// ...
fmt.Println("Thoughts tokens:", response.UsageMetadata.ThoughtsTokenCount)
fmt.Println("Output tokens:", response.UsageMetadata.CandidatesTokenCount)

Düşünme modelleri, nihai yanıtın kalitesini artırmak için tam düşünceler üretir ve ardından düşünce süreci hakkında bilgi vermek için özetler oluşturur. Bu nedenle, API'den yalnızca özet çıktısı alınsa da fiyatlandırma, modelin özet oluşturmak için üretmesi gereken tam düşünce jetonlarına göre yapılır.

Jetonlar hakkında daha fazla bilgiyi Jeton sayma kılavuzunda bulabilirsiniz.

En iyi uygulamalar

Bu bölümde, düşünce modellerini verimli bir şekilde kullanmayla ilgili bazı bilgiler yer almaktadır. Her zaman olduğu gibi, istemlerle ilgili kılavuzumuzu ve en iyi uygulamalarımızı takip ederek en iyi sonuçları elde edebilirsiniz.

Hata ayıklama ve yönlendirme

  • Akıl yürütmeyi inceleyin: Düşünen modellerden beklediğiniz yanıtı alamadığınızda Gemini'ın düşünce özetlerini dikkatlice analiz etmek faydalı olabilir. Görevi nasıl parçalara ayırdığını ve sonuca nasıl ulaştığını görebilir ve bu bilgileri doğru sonuçlara ulaşmak için kullanabilirsiniz.

  • Akıl yürütme konusunda rehberlik sağlayın: Özellikle uzun bir çıktı bekliyorsanız modelin kullandığı düşünme miktarını sınırlamak için isteminizde rehberlik sağlayabilirsiniz. Bu sayede, yanıtınız için daha fazla jeton çıkışı ayırabilirsiniz.

Görevin karmaşıklığı

  • Kolay Görevler (Düşünme devre dışı olabilir): Bilgi alma veya sınıflandırma gibi karmaşık akıl yürütme gerektirmeyen basit isteklerde düşünme gerekli değildir. Örnekler:
    • "DeepMind nerede kuruldu?"
    • "Bu e-postada toplantı mı talep ediliyor yoksa yalnızca bilgi mi veriliyor?"
  • Orta Seviye Görevler (Varsayılan/Biraz Düşünme): Birçok yaygın istek, adım adım işleme veya daha derinlemesine anlama gerektirir. Gemini, düşünme özelliğini aşağıdaki gibi görevlerde esnek bir şekilde kullanabilir:
    • Fotosentez ve büyüme arasında benzerlik kur.
    • Elektrikli arabalar ile hibrit arabaları karşılaştırın ve aralarındaki farkları belirtin.
  • Zor Görevler (Maksimum Düşünme Kapasitesi): Karmaşık matematik problemlerini çözme veya kodlama görevleri gibi gerçekten karmaşık zorluklar için yüksek bir düşünme bütçesi belirlemenizi öneririz. Bu tür görevler, modelin tam muhakeme ve planlama yeteneklerini kullanmasını gerektirir. Bu görevler genellikle yanıt vermeden önce birçok dahili adım içerir. Örnekler:
    • AIME 2025'teki 1. soruyu çözün: 17b'nin 97b'nin böleni olduğu tüm b > 9 tam sayı tabanlarının toplamını bulun.
    • Kullanıcı kimlik doğrulaması da dahil olmak üzere gerçek zamanlı borsa verilerini görselleştiren bir web uygulaması için Python kodu yazın. Mümkün olduğunca verimli hale getirin.

Desteklenen modeller, araçlar ve özellikler

Düşünme özellikleri tüm 4, 3 ve 2.5 serisi modellerde desteklenir. Tüm model özelliklerini modele genel bakış sayfasında bulabilirsiniz.

Düşünen modeller, Gemini'ın tüm araçları ve özellikleriyle çalışır. Bu sayede modeller, harici sistemlerle etkileşime girebilir, kod yürütebilir veya anlık bilgilere erişebilir. Ayrıca sonuçları muhakeme ve nihai yanıtlarına dahil edebilir.

Düşünen modellerle araç kullanma örneklerini [Düşünen model yemek kitabı][Colab] sayfasında deneyebilirsiniz.

Sırada ne var?

[Colab]: https://colab.sandbox.google.com/github/google-gemini/cookbook/blob/main/quickstarts/Get_started_thinking.ipynb