تفكير Gemini

تستخدم نماذج Gemini "عملية تفكير" داخلية تحسّن بشكل كبير من قدراتها على الاستدلال والتخطيط المتعدد الخطوات، ما يجعلها فعّالة جدًا في المهام المعقّدة مثل الترميز والرياضيات المتقدّمة وتحليل البيانات.

يوضّح هذا الدليل كيفية استخدام إمكانات التفكير في Gemini باستخدام Gemini API.

إنشاء محتوى باستخدام ميزة "التفكير"

إنشاء طلب باستخدام نموذج تفكير مشابه لأي طلب آخر لإنشاء المحتوى. ويكمن الاختلاف الرئيسي في تحديد أحد الـ نماذج التي تتوافق مع ميزة "التفكير" في حقل model، كما هو موضّح في مثال إنشاء الـ نص 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();

انتقال

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 إصدارات مُلخّصة من الأفكار الأولية للنموذج وتقدّم إحصاءات حول عملية الاستدلال الداخلية للنموذج. يُرجى العِلم أنّ مستويات التفكير والميزانيات تنطبق على الأفكار الأولية للنموذج وليس على ملخّصات الأفكار.

يمكنك تفعيل ملخّصات الأفكار عن طريق ضبط includeThoughts على true في إعدادات طلبك. يمكنك بعد ذلك الوصول إلى الملخّص عن طريق تكرار parts في المَعلمة response والتحقّق من القيمة المنطقية thought.

في ما يلي مثال يوضّح كيفية تفعيل ملخّصات الأفكار واستردادها بدون البث، ما يؤدي إلى عرض ملخّص نهائي واحد للأفكار 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();

انتقال

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" مع البث، ما يؤدي إلى عرض ملخّصات متزايدة ومتجدّدة أثناء 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();

انتقال

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 ميزة "التفكير"

تستخدم نماذج Gemini ميزة "التفكير الديناميكي" تلقائيًا، ما يتيح لها تعديل مقدار جهد الاستدلال استنادًا إلى مدى تعقيد طلب المستخدم. مع ذلك، إذا كانت لديك قيود معيّنة على وقت الاستجابة أو كنت تريد أن يستخدم النموذج استدلالاً أعمق من المعتاد، يمكنك اختياريًا استخدام مَعلمات للتحكّم في سلوك ميزة "التفكير".

مستويات التفكير (Gemini 4 وGemini 3)

تتيح لك المَعلمة thinkingLevel، المطلوبة لنماذج Gemini 4 والمقترَحة لنماذج Gemini 3، التحكّم في سلوك الاستدلال. يتوافق Gemini 4 (gemini-4-argon) مع low وmedium (تلقائي) وhigh.

يوضّح الجدول التالي إعدادات thinkingLevel لكل نوع من أنواع النماذج:

مستوى التفكير Gemini 3.8 Flash Gemini 3.6 Flash Gemini 4 Argon Gemini 3.5 &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) متاح (تلقائي) متاح (تلقائي) متاح متاح يتطابق مع إعداد "بدون تفكير" لمعظم طلبات البحث. يُرجى العِلم أنّ minimal لا يضمن إيقاف ميزة "التفكير"، فقد يستخدم النموذج استدلالاً بسيطًا جدًا للمهام المعقّدة.
low متاح متاح متاح متاح غير متاح متاح متاح يقلّل من وقت الاستجابة والتكلفة.
medium متاح (تلقائي) متاح (تلقائي) متاح (تلقائي) متاح غير متاح متاح متاح تفكير متوازن لمعظم المهام.
high متاح (ديناميكي) متاح (ديناميكي) متاح (ديناميكي) متاح (ديناميكي) متاح (ديناميكي) متاح (تلقائي، ديناميكي) متاح (تلقائي، ديناميكي) يزيد من عمق الاستدلال إلى أقصى حد. قد يستغرق النموذج وقتًا أطول بكثير للوصول إلى أول رمز مميّز للناتج (بدون تفكير)، ولكن سيكون الناتج أكثر استدلالاً بعناية.

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();

انتقال

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 تتوافق أيضًا نماذج Gemini 3 Flash وFlash-Lite مع إيقاف ميزة "التفكير" بالكامل. إذا لم تحدّد مستوى التفكير، سيستخدم Gemini مستوى التفكير التلقائي للنموذج (مثلاً، "medium" لـ Gemini 4 Argon وGemini 3.8 Flash وGemini 3.6 Flash).

لا تتوافق نماذج Gemini 2.5 مع thinkingLevel، لذا استخدِم thinkingBudget بدلاً من ذلك.

الحدود القصوى للرموز المميّزة وmax_output_tokens

تضبط مَعلمة الإنشاء max_output_tokens الحد الأقصى لعدد الرموز المميّزة التي يمكن أن ينشئها الردّ، بما في ذلك رموز التفكير.

عند ضبط هذه المَعلمة، تعمل كحدّ أقصى تفرضه البنية الأساسية بدون تغيير طريقة تخصيص النموذج لميزانية التفكير (thinking_level).

إذا وصل النموذج إلى هذا الحدّ أثناء الاستدلال، سيتوقف عن الإنشاء مع finish_reason: MAX_TOKENS ويعرض ناتجًا مقطوعًا أو فارغًا (مع استمرار تحصيل الرسوم مقابل أي رموز مميّزة للتفكير تم إنشاؤها). لتقليل التكلفة أو وقت الاستجابة بدون قطع الردود، يمكنك خفض thinking_level (low أو medium) بدلاً من ضبط max_output_tokens صغير.

بالنسبة إلى نماذج Gemini 4 (gemini-4-argon)، ضَع في اعتبارك حدود السياق والناتج التالية:

  • قدرة استيعاب مشتركة تبلغ مليون رمز مميّز: تشترك رموز الإدخال والتفكير والإخراج في قدرة استيعاب واحدة تبلغ مليون رمز مميّز (1,048,576 رمزًا مميّزًا). إذا تجاوزت رموز الإدخال بالإضافة إلى max_output_tokens عدد رمزًا مميّزًا، ستفرض واجهة برمجة التطبيقات تلقائيًا حدًا أقصى للناتج يساوي المساحة المتبقية في قدرة الاستيعاب (1,048,576 ناقص رموز الإدخال).
  • الحدود القصوى للناتج لكل طلب (64 ألف رمز مميّز للبث / 32 ألف رمز مميّز بدون البث) وفك التشفير الطويل (ما يصل إلى مليون رمز مميّز): يعرض طلب البث الواحد (streamGenerateContent) ما يصل إلى 65,536 رمزًا مميّزًا، ويعرض طلب البث غير الواحد (generateContent) ما يصل إلى 32,768 رمزًا مميّزًا. لإنشاء محتوى يتجاوز الحدّ الأقصى لكل طلب (ما يصل إلى 1,048,576 رمزًا مميّزًا ناقص رموز الإدخال)، اضبط max_output_tokens أعلى من الحدّ الأقصى. تواصل أحدث حِزم تطوير البرامج (SDK) من Google GenAI تلقائيًا بين عمليات النقل تلقائيًا (automatic_continuation=True)، أو يمكنك تشغيل حلقة عميل باستخدام continuation_token الذي يتم عرضه عند توقف عملية النقل مع finish_reason: "CONTINUATION". راجِع فك التشفير الطويل للاطّلاع على أمثلة الرموز البرمجية.

ميزانيات التفكير

توجّه المَعلمة thinkingBudget، التي تم تقديمها مع سلسلة Gemini 2.5، النموذج بشأن العدد المحدّد لرموز التفكير التي يجب استخدامها للاستدلال.

في ما يلي تفاصيل إعدادات thinkingBudget لكل نوع من أنواع النماذج. يمكنك إيقاف ميزة "التفكير" عن طريق ضبط thinkingBudget على 0. يؤدي ضبط thinkingBudget على -1 إلى تفعيل التفكير الديناميكي، ما يعني أنّ النموذج سيعدّل الميزانية استنادًا إلى مدى تعقيد الطلب.

الطراز الإعداد التلقائي
(لم يتم ضبط ميزانية التفكير)
النطاق إيقاف ميزة "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 لا يفكّر النموذج 512 إلى 24576 thinkingBudget = 0 thinkingBudget = -1
‫2.5 Flash Lite Preview لا يفكّر النموذج 512 إلى 24576 thinkingBudget = 0 thinkingBudget = -1
‫Robotics-ER 1.6 Preview 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();

انتقال

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 المميّزة أو يقلّ عنها.

توقيعات الأفكار

‫Gemini API غير احتفاظي، لذا يعامل النموذج كل طلب بيانات من واجهة برمجة التطبيقات بشكل مستقل ولا يمكنه الوصول إلى سياق التفكير من الأدوار السابقة في التفاعلات المتعدّدة الأدوار.

لإتاحة الاحتفاظ بسياق التفكير في التفاعلات المتعدّدة الأدوار، يعرض Gemini توقيعات الأفكار، وهي تمثيلات مشفّرة لعملية التفكير الداخلية للنموذج.

  • تعرض نماذج Gemini 2.5 توقيعات الأفكار عند تفعيل ميزة "التفكير" و تضمين الطلب استدعاء دالة، وتحديدًا إعلانات الدوال.
  • قد تعرض نماذج Gemini 4 وGemini 3 توقيعات الأفكار لجميع أنواع الأجزاء. ننصحك دائمًا بإعادة تمرير جميع التوقيعات كما تم استلامها، ولكن هذا مطلوب لتوقيعات استدعاء الدوال. راجِع صفحة توقيعات الأفكار لمزيد من المعلومات.

تشمل قيود الاستخدام الأخرى التي يجب أخذها في الاعتبار مع ميزة "استدعاء الدوال" ما يلي:

  • يتم عرض التوقيعات من النموذج ضمن أجزاء أخرى في الردّ، مثل استدعاء الدوال أو الأجزاء النصية. أعِد عرض الردّ بالكامل مع جميع الأجزاء إلى النموذج في الأدوار اللاحقة.
  • لا تدمِج الأجزاء التي تتضمّن توقيعات معًا.
  • لا تدمِج جزءًا يتضمّن توقيعًا مع جزء آخر بدون توقيع.

الأسعار

عند تفعيل ميزة "التفكير"، يكون سعر الردّ هو مجموع رموز الإخراج ورموز التفكير. يمكنك الحصول على إجمالي عدد رموز التفكير التي تم إنشاؤها من حقل 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}`);

انتقال

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

تنشئ نماذج التفكير أفكارًا كاملة لتحسين جودة الردّ النهائي ، ثم تعرض ملخّصات لتقديم إحصاءات حول عملية التفكير. لذا، تستند الأسعار إلى رموز التفكير الكاملة التي يحتاج النموذج إلى إنشائها لإنشاء ملخّص، على الرغم من أنّ واجهة برمجة التطبيقات تعرض الملخّص فقط.

يمكنك الاطّلاع على مزيد من المعلومات حول الرموز المميّزة في دليل عدّ الرموز المميّزة.

أفضل الممارسات

يتضمّن هذا القسم بعض الإرشادات لاستخدام نماذج التفكير بكفاءة. كما هو الحال دائمًا، سيساعدك اتّباع إرشادات كتابة الطلبات وأفضل الممارسات في الحصول على أفضل النتائج.

تصحيح الأخطاء والتوجيه

  • مراجعة الاستدلال: إذا لم تحصل على الردّ المتوقّع من نماذج التفكير، قد يساعدك تحليل ملخّصات أفكار Gemini بعناية. يمكنك الاطّلاع على كيفية تقسيم النموذج للمَهمّة والوصول إلى استنتاجه، واستخدام هذه المعلومات لتصحيح النتائج والحصول على النتائج الصحيحة.

  • تقديم إرشادات في الاستدلال: إذا كنت تأمل في الحصول على ناتج طويل بشكل خاص، قد تحتاج إلى تقديم إرشادات في طلبك لتقييد مقدار التفكير الذي يستخدمه النموذج. يتيح لك ذلك حجز المزيد من ناتج الرموز المميّزة لردّك.

مدى تعقيد المهام

  • المهام السهلة (يمكن إيقاف ميزة "التفكير"): بالنسبة إلى الطلبات البسيطة التي لا تتطلّب استدلالاً معقّدًا، مثل استرداد الحقائق أو التصنيف، لا تكون ميزة "التفكير" مطلوبة. تشمل الأمثلة ما يلي:
    • "أين تم تأسيس DeepMind؟"
    • "هل تطلب هذه الرسالة الإلكترونية اجتماعًا أم تقدّم معلومات فقط؟"
  • المهام المتوسطة (تلقائي/بعض التفكير): تستفيد العديد من الطلبات الشائعة من درجة من المعالجة خطوة بخطوة أو فهم أعمق. يمكن أن يستخدم Gemini بمرونة ميزة "التفكير" في مهام مثل:
    • تشبيه التمثيل الضوئي بالنمو
    • مقارنة السيارات الكهربائية والسيارات الهجينة
  • المهام الصعبة (أقصى قدرة على التفكير): بالنسبة إلى التحديات المعقّدة حقًا، مثل حلّ المسائل الرياضية المعقّدة أو مهام الترميز، ننصحك بضبط ميزانية تفكير عالية. تتطلّب هذه الأنواع من المهام أن يستخدم النموذج قدراته الكاملة على الاستدلال والتخطيط، وغالبًا ما تتضمّن العديد من الخطوات الداخلية قبل تقديم إجابة. تشمل الأمثلة ما يلي:
    • حلّ المسألة 1 في AIME 2025: أوجِد مجموع جميع الأسس الصحيحة b > 9 التي يكون فيها ‎17b قاسمًا لـ ‎97b.
    • اكتب رمز Python لتطبيق ويب يعرض بيانات سوق الأسهم في الوقت الفعلي، بما في ذلك مصادقة المستخدم. اجعل الرمز فعّالاً قدر الإمكان.

النماذج والأدوات والإمكانات المتوافقة

تتوافق ميزات "التفكير" مع جميع نماذج السلسلة 4 و3 و2.5. يمكنك الاطّلاع على جميع إمكانات النموذج في صفحة نظرة عامة على النموذج.

تعمل نماذج التفكير مع جميع أدوات Gemini وإمكاناته. يتيح ذلك للنماذج التفاعل مع الأنظمة الخارجية أو تنفيذ الرموز البرمجية أو الوصول إلى المعلومات في الوقت الفعلي، ودمج النتائج في عملية الاستدلال والردّ النهائي.

يمكنك تجربة أمثلة على استخدام الأدوات مع نماذج التفكير في [كتاب الطبخ الخاص بميزة "التفكير"][Colab].

ما هي الخطوات التالية؟

  • تتوفّر 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