تستخدم نماذج Gemini "عملية تفكير" داخلية تعمل على تحسين قدراتها بشكل كبير في الاستدلال والتخطيط المتعدّد الخطوات، ما يجعلها فعّالة للغاية في المهام المعقّدة، مثل الترميز والرياضيات المتقدّمة وتحليل البيانات.
يوضّح لك هذا الدليل كيفية الاستفادة من قدرات Gemini في التفكير باستخدام Gemini API.
إنشاء محتوى مع التفكير
إنّ بدء طلب باستخدام نموذج مفكِّر يشبه أي طلب آخر لإنشاء
المحتوى. يكمن الاختلاف الرئيسي في تحديد أحد النماذج التي تتضمّن ميزة التفكير في الحقل model، كما هو موضّح في مثال إنشاء النصوص التالي:
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."
}
]
}
]
}'
```
ملخّصات الأفكار
ملخّصات الأفكار هي نُسخ ملخّصة من أفكار النموذج الأولية، وتقدّم نظرة على عملية الاستدلال الداخلية للنموذج. يُرجى العِلم أنّ مستويات التفكير والميزانيات تنطبق على الأفكار الأولية للنموذج وليس على ملخّصات الأفكار.
يمكنك تفعيل ملخّصات الأفكار من خلال ضبط includeThoughts على true في إعدادات الطلب. يمكنك بعد ذلك الوصول إلى الملخّص من خلال تكرار المعلمة
response parts، والتحقّق من القيمة المنطقية thought.
في ما يلي مثال يوضّح كيفية تفعيل ملخّصات الأفكار واستردادها بدون بث، ما يؤدي إلى عرض ملخّص أفكار نهائي واحد مع الردّ:
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)
}
}
}
}
في ما يلي مثال على استخدام ميزة "التفكير أثناء البث" التي تعرض ملخّصات متزايدة ومتجدّدة أثناء عملية الإنشاء:
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)
}
}
}
}
التحكّم في التفكير
تعتمد نماذج Gemini التفكير الديناميكي تلقائيًا، ما يعني أنّها تعدّل تلقائيًا مقدار الجهد المبذول في الاستدلال استنادًا إلى مدى تعقيد طلب المستخدم. ومع ذلك، إذا كانت لديك قيود معيّنة على وقت الاستجابة أو كنت بحاجة إلى أن يتّبع النموذج منطقًا أعمق من المعتاد، يمكنك اختياريًا استخدام المَعلمات للتحكّم في سلوك التفكير.
مستويات التفكير (Gemini 4 وGemini 3)
تتيح لك المَعلمة thinkingLevel، المطلوبة لنموذج Gemini 4 والموصى بها لنموذج Gemini 3، التحكّم في سلوك الاستدلال. يتوافق Gemini 4 (gemini-4-argon) مع low وmedium (الإعداد التلقائي) وhigh.
يوضّح الجدول التالي إعدادات thinkingLevel لكل نوع نموذج:
| مستوى التفكير | Gemini 3.8 Flash | Gemini 3.6 Flash | Gemini 4 Argon | Gemini 3.5 وGemini 3.1 Flash-Lite | Gemini 3.1 Flash-Lite Image | Gemini 3 Flash | Gemini Robotics ER 2 | الوصف |
|---|---|---|---|---|---|---|---|---|
minimal |
غير متاح (خطأ) | متاح | غير متاح (خطأ) | مسموح به (تلقائي) | مسموح به (تلقائي) | متاح | متاح | يتطابق مع إعداد "بدون تفكير" لمعظم طلبات البحث. يُرجى العِلم أنّ minimal لا يضمن إيقاف ميزة التفكير، فقد يستعين النموذج بالاستدلال بشكل بسيط جدًا للمهام المعقّدة. |
low |
متاح | متاح | متاح | متاح | غير متاح | متاح | متاح | يقلّل من وقت الاستجابة والتكلفة. |
medium |
مسموح به (تلقائي) | متاح (تلقائي) | مسموح به (تلقائي) | متاح | غير متاح | متاح | متاح | تفكير متوازن لمعظم المهام |
high |
متوافق (ديناميكي) | متوافقة (ديناميكية) | متوافقة (ديناميكية) | متوافقة (ديناميكية) | متوافقة (ديناميكية) | متوافق (تلقائي، ديناميكي) | متاحة (تلقائية وديناميكية) | يُعزّز عمق الاستدلال إلى أقصى حد. قد يستغرق النموذج وقتًا أطول بكثير للوصول إلى الرمز المميز الأول للناتج (غير التفكير)، ولكن سيتم التفكير في الناتج بعناية أكبر. |
يوضّح المثال التالي كيفية ضبط مستوى التفكير.
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"
}
}
}'
لا يمكنك إيقاف ميزة "التفكير" في Gemini 4 Argon. لا يتيح Gemini 3 Flash وFlash-Lite أيضًا إيقاف ميزة "المفكّر" بالكامل.
إذا لم تحدّد مستوى التفكير، فسيستخدم Gemini مستوى التفكير التلقائي للنموذج (على سبيل المثال، "medium" لـ Gemini 4 Argon وGemini 3.8 Flash وGemini 3.6 Flash).
لا تتيح نماذج سلسلة Gemini 2.5 استخدام thinkingLevel، لذا يُرجى استخدام thinkingBudget بدلاً من ذلك.
حدود الرموز المميّزة وmax_output_tokens
تحدّد المَعلمة max_output_tokens
الخاصة بإنشاء المحتوى الحدّ الأقصى لعدد الرموز المميّزة التي يمكن أن يتضمّنها الردّ،
بما في ذلك رموز التفكير المميّزة.
عند ضبط هذه المَعلمة، تعمل كحدّ أقصى صارم تفرضه البنية الأساسية
بدون تغيير طريقة تخصيص النموذج لميزانية التفكير
(thinking_level).
إذا وصل النموذج إلى هذا الحدّ أثناء الاستدلال، سيتوقف عن إنشاء الردود باستخدام
finish_reason: MAX_TOKENS ويعرض ردودًا مقتطعة أو فارغة (مع استمرار
تحصيل رسوم مقابل أي رموز مميّزة للتفكير تم إنشاؤها). لتقليل التكلفة أو وقت الاستجابة بدون
اقتطاع الردود، يمكنك خفض قيمة thinking_level (low أو medium) بدلاً من
ضبط قيمة صغيرة لـ max_output_tokens.
بالنسبة إلى نماذج Gemini 4 (gemini-4-argon)، يُرجى مراعاة حدود السياق والمخرجات التالية:
- قدرة استيعاب مشترَكة تبلغ مليون رمز مميّز: تتشارك الرموز المميّزة الخاصة بالإدخال والتفكير والإخراج قدرة استيعاب واحدة تبلغ مليون رمز مميّز (
1,048,576رمز مميّز). إذا تجاوز مجموع الرموز المميّزة للإدخال وmax_output_tokens1,048,576 رمزًا مميّزًا، ستضع واجهة برمجة التطبيقات تلقائيًا حدًا أقصى لعدد الرموز المميّزة للإخراج يساوي المساحة المتبقية في قدرة الاستيعاب (1,048,576ناقص الرموز المميّزة للإدخال). - حدود الناتج لكل طلب (64 ألف رمز مميّز في البث المباشر و32 ألف رمز مميّز في غير البث المباشر) وفك الترميز الطويل (ما يصل إلى مليون رمز مميّز): يعرض طلب البث المباشر الواحد (
streamGenerateContent) ما يصل إلى65,536رمز مميّز، ويعرض طلب غير البث المباشر الواحد (generateContent) ما يصل إلى32,768رمز مميّز. لإنشاء محتوى يتجاوز الحد الأقصى لكل طلب (ما يصل إلى1,048,576رمز مميّز مطروحًا منه الإدخال)، اضبطmax_output_tokensعلى قيمة أعلى من الحد الأقصى. تواصل أحدث حِزم تطوير البرامج (SDK) من Google GenAI العمل تلقائيًا على مستوى الخطوات (automatic_continuation=True)، أو يمكنك تشغيل حلقة عميل باستخدامcontinuation_tokenالذي يتم عرضه عند توقّف خطوة باستخدامfinish_reason: "CONTINUATION". يُرجى الاطّلاع على فك الترميز الطويل للحصول على أمثلة على الرموز البرمجية.
التفكير في الميزانيات
توجّه المَعلمة thinkingBudget، التي تم تقديمها مع سلسلة Gemini 2.5،
النموذج بشأن العدد المحدّد من الرموز المميّزة للتفكير التي يجب استخدامها للاستدلال.
في ما يلي تفاصيل إعدادات thinkingBudget لكل نوع من أنواع النماذج.
يمكنك إيقاف التفكير من خلال ضبط قيمة thinkingBudget على 0.
يؤدي ضبط قيمة thinkingBudget على -1 إلى تفعيل الاستدلال الديناميكي، ما يعني أنّ النموذج سيعدّل الميزانية استنادًا إلى مدى تعقيد الطلب.
| الطراز | الإعداد التلقائي (يُفترض أنّه لم يتم ضبط الميزانية) |
النطاق | إيقاف التفكير | تفعيل ميزة "التفكير الديناميكي" |
|---|---|---|---|---|
| 2.5 Pro | التفكير الديناميكي | 128 إلى 32768 |
لا ينطبق: لا يمكن إيقاف ميزة التفكير | thinkingBudget = -1 (تلقائي) |
| 2.5 Flash | التفكير الديناميكي | 0 إلى 24576 |
thinkingBudget = 0 |
thinkingBudget = -1 (تلقائي) |
| 2.5 Flash Preview | التفكير الديناميكي | 0 إلى 24576 |
thinkingBudget = 0 |
thinkingBudget = -1 (تلقائي) |
| 2.5 Flash-Lite | النموذج لا يفكّر | 512 إلى 24576 |
thinkingBudget = 0 |
thinkingBudget = -1 |
| معاينة 2.5 Flash Lite | النموذج لا يفكّر | 512 إلى 24576 |
thinkingBudget = 0 |
thinkingBudget = -1 |
| النسخة الحصرية من Robotics-ER 1.6 | التفكير الديناميكي | 0 إلى 24576 |
thinkingBudget = 0 |
thinkingBudget = -1 (تلقائي) |
| 2.5 Flash Live Native Audio Preview (09-2025) | التفكير الديناميكي | 0 إلى 24576 |
thinkingBudget = 0 |
thinkingBudget = -1 (تلقائي) |
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
}
}
}'
استنادًا إلى الطلب، قد يتجاوز النموذج ميزانية الرموز المميزة أو ينخفض عنها.
توقيعات الأفكار
إنّ Gemini API عديم الحالة، لذا يتعامل النموذج مع كل طلب بيانات من واجهة برمجة التطبيقات بشكل مستقل ولا يمكنه الوصول إلى سياق الأفكار من الأدوار السابقة في التفاعلات المتعددة الأدوار.
لإتاحة الحفاظ على سياق التفكير خلال التفاعلات المتعددة الأدوار، يعرض Gemini توقيعات التفكير، وهي تمثيلات مشفّرة لعملية التفكير الداخلية التي يجريها النموذج.
- تعرض نماذج Gemini 2.5 توقيعات التفكير عند تفعيل ميزة التفكير، ويتضمّن الطلب استدعاء الدوال، خاصةً تعريفات الدوال.
- قد تعرض نماذج Gemini 4 وGemini 3 توقيعات التفكير لجميع أنواع الأجزاء. ننصحك دائمًا بإعادة إرسال جميع التوقيعات كما تم تلقّيها، ولكن هذا مطلوب لتوقيعات استدعاء الدوال. يمكنك الاطّلاع على صفحة التوقيعات الفكرية لمزيد من المعلومات.
تشمل قيود الاستخدام الأخرى التي يجب مراعاتها عند استخدام ميزة "استدعاء الدوال" ما يلي:
- يتم عرض التوقيعات من النموذج ضمن أجزاء أخرى في الردّ، مثل استدعاء الدوال أو الأجزاء النصية. أعِد الردّ بالكامل مع جميع أجزائه إلى النموذج في الجولات اللاحقة.
- لا تدمج الأجزاء التي تحتوي على توقيعات معًا.
- لا تدمج جزءًا يحمل توقيعًا مع جزء آخر لا يحمل توقيعًا.
الأسعار
عند تفعيل ميزة التفكير، يتم احتساب سعر الردود من خلال جمع الرموز المميّزة للمخرجات
والرموز المميّزة للتفكير. يمكنك الحصول على إجمالي عدد الرموز المميّزة للتفكير التي تم إنشاؤها من الحقل thoughtsTokenCount.
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)
تنشئ نماذج التفكير أفكارًا كاملة لتحسين جودة الرد النهائي، ثم تعرض ملخّصات لتقديم نظرة ثاقبة حول عملية التفكير. لذلك، يستند السعر إلى الرموز المميّزة الكاملة التي يحتاجها النموذج لإنشاء ملخّص، على الرغم من أنّ الملخّص فقط هو الذي يتم إخراجه من واجهة برمجة التطبيقات.
يمكنك الاطّلاع على مزيد من المعلومات حول الرموز المميزة في دليل احتساب الرموز المميزة.
أفضل الممارسات
يتضمّن هذا القسم بعض الإرشادات لاستخدام نماذج التفكير بكفاءة. وكالعادة، سيساعدك اتّباع إرشادات كتابة الطلبات وأفضل الممارسات في الحصول على أفضل النتائج.
تصحيح الأخطاء والتوجيه
مراجعة الاستدلال: إذا لم تحصل على الردّ المتوقّع من النماذج المفكِّرة، قد يفيدك تحليل ملخّصات أفكار Gemini بعناية. يمكنك الاطّلاع على كيفية تقسيم المهمة والوصول إلى الاستنتاج، واستخدام هذه المعلومات لتصحيح النتائج.
تقديم إرشادات حول الاستدلال: إذا كنت تريد الحصول على ردّ طويل، ننصحك بتقديم إرشادات في طلبك لتقييد مقدار التفكير الذي يستخدمه النموذج. يتيح لك ذلك تخصيص المزيد من الرموز المميّزة للردّ على طلبك.
مدى تعقيد المهمة
- المهام السهلة (يمكن إيقاف ميزة "المفكّر"): لا تتطلّب الطلبات البسيطة التي لا تحتاج إلى استدلال معقّد، مثل استرجاع الحقائق أو التصنيف، استخدام ميزة "المفكّر". ومن الأمثلة على ذلك:
- "أين تأسست شركة DeepMind؟"
- "هل تطلب هذه الرسالة الإلكترونية عقد اجتماع أم أنّها تقدّم معلومات فقط؟"
- المهام المتوسطة (الإعداد التلقائي/بعض التفكير): تستفيد العديد من الطلبات الشائعة من
درجة معيّنة من المعالجة خطوة بخطوة أو الفهم الأعمق. يمكن أن يستخدم Gemini قدرات التفكير بمرونة لتنفيذ مهام مثل:
- أريد تشبيه عملية التمثيل الضوئي بالنمو.
- قارِن بين السيارات الكهربائية والسيارات الهجينة.
- المهام الصعبة (أقصى قدرة تفكير): بالنسبة إلى التحديات المعقّدة حقًا،
مثل حلّ المسائل الرياضية المعقّدة أو مهام الترميز، ننصح بضبط
ميزانية تفكير عالية. تتطلّب هذه الأنواع من المهام من النموذج استخدام
كامل قدراته في الاستدلال والتخطيط، وغالبًا ما
تتضمّن العديد من الخطوات الداخلية قبل تقديم الإجابة. ومن الأمثلة على ذلك:
- حلّ المسألة 1 في اختبار AIME لعام 2025: أوجِد مجموع كل الأساسات الصحيحة b > 9 التي يكون فيها 17b قاسمًا للعدد 97b.
- اكتب رمز Python لتطبيق ويب يعرض بيانات سوق الأوراق المالية في الوقت الفعلي، بما في ذلك مصادقة المستخدم. اجعلها فعالة قدر الإمكان.
النماذج والأدوات والإمكانات المتوافقة
تتوفّر ميزات "المفكّر" في جميع نماذج الإصدارات 4 و3 و2.5. يمكنك العثور على جميع إمكانات النماذج في صفحة نظرة عامة على النماذج.
تعمل النماذج المفكِّرة مع جميع أدوات Gemini وإمكاناته. يتيح ذلك للنماذج التفاعل مع الأنظمة الخارجية أو تنفيذ الرموز أو الوصول إلى المعلومات في الوقت الفعلي، ودمج النتائج في عملية الاستدلال والرد النهائي.
يمكنك تجربة أمثلة على استخدام الأدوات مع النماذج المفكّرة في [دليل استخدام النماذج المفكّرة][Colab].
ما هي الخطوات التالية؟
- يمكنك الاطّلاع على تغطية ميزة التفكير في دليل التوافق مع OpenAI.
[Colab]: https://colab.sandbox.google.com/github/google-gemini/cookbook/blob/main/quickstarts/Get_started_thinking.ipynb