Novedades de Gemini 3.5 Flash

3.6 Flash y 3.5 Flash-Lite Esta página

Gemini 3.5 Flash está disponible de forma general (DG), es estable y está listo para su uso en producción a gran escala. Como nuestro modelo Flash más inteligente, ofrece un rendimiento de vanguardia sostenido en la ejecución de agentes, la programación y las tareas de largo plazo a gran escala.

Esta guía contiene una descripción general de las mejoras, los cambios en la API y la guía de migración para Gemini 3.5 Flash.

Modelo nuevo

Gemini 3.5 Flash admite la ventana de contexto de 1 millón de tokens, un máximo de 65,000 tokens de salida, el razonamiento y el mismo conjunto de herramientas y funciones de la plataforma que Gemini 3 Flash, incluido el uso de computadoras (versión preliminar). Para obtener especificaciones completas, consulta la descripción general de los modelos. Para conocer los precios, consulta la página de precios.

Guía de inicio rápido

Todos los ejemplos de esta guía usan la API de GenerateContent. También se admite la API de Interactions; se aplican las mismas opciones de configuración y recomendaciones.

from google import genai

client = genai.Client()

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="Explain how parallel agentic execution works in three sentences.",
)
print(response.text)

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

const ai = new GoogleGenAI({});

async function main() {
  const response = await ai.models.generateContent({
    model: "gemini-3.5-flash",
    contents: "Explain how parallel agentic execution works in three sentences.",
  });
  console.log(response.text);
}

main();

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.5-flash:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "contents": [{
      "parts": [{"text": "Explain how parallel agentic execution works in three sentences."}]
    }]
  }'

Novedades

• Rendimiento de vanguardia sostenido: Nuestro modelo Flash más inteligente, optimizado para tareas de agentes y de programación a gran escala.
• Ejecución de agentes: Implementación de agentes secundarios, solución de problemas y bucles de agentes rápidos a gran escala.
• Programación: Ciclos de programación iterativos, exploración rápida y creación de prototipos para probar rutas alternativas y explorar soluciones de forma dinámica.
• Largo plazo: Flujos de trabajo de varios pasos y uso de herramientas a gran escala.
• Preservación de pensamientos: El modelo mantiene el razonamiento intermedio en las conversaciones de varios turnos de forma automática. No se necesitan cambios en la API.
• Nuevo nivel de esfuerzo predeterminado: El esfuerzo de razonamiento predeterminado cambió de high a medium. Consulta Nuevo nivel de esfuerzo predeterminado para obtener más detalles.
• Razonamiento low mejorado: low ahora está significativamente mejorado para el código y las tareas de agentes que requieren menos pasos, lo que ofrece una calidad sólida con una latencia y un costo más bajos.
• Lanzamiento de DG: Modelo estable para el uso en producción a gran escala.

Cómo elegir el modelo Flash correcto

Gemini 3.5 Flash es nuestro modelo Flash más inteligente y capaz. Sin embargo, los diferentes casos de uso pueden tener diferentes requisitos de costo y latencia.

• Gemini 3.1 Flash-Lite: Para tareas de bajo costo, gran volumen que no requieren la profundidad de razonamiento avanzada de 3.5 Flash, te recomendamos que uses Gemini 3.1 Flash-Lite. Es un modelo estable y a largo plazo optimizado para la eficiencia. Consulta la guía para desarrolladores de Flash-Lite para obtener más detalles.
• Versión preliminar de Gemini 3 Flash: Si bien te recomendamos que migres a 3.5 Flash para obtener estabilidad de DG y un razonamiento mejorado, Gemini 3 Flash (versión preliminar) sigue disponible para los desarrolladores que deseen seguir probando con el modelo de versión preliminar.

Cambios de comportamiento

Nuevo nivel de esfuerzo predeterminado: medium

El esfuerzo de razonamiento predeterminado ahora es medium, que cambió de high en la versión preliminar de Gemini 3 Flash. medium produce muy buenos resultados en una amplia variedad de tareas, además de ser más rápido y rentable. Para problemas complejos, high alienta al modelo a pensar más profundamente.

Para anular el valor predeterminado, establece thinking_level en tu configuración:

from google import genai
from google.genai import types

client = genai.Client()

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="Prove that the square root of 2 is irrational.",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_level="high")
    ),
)

print(response.text)

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

const ai = new GoogleGenAI({});

async function main() {
  const response = await ai.models.generateContent({
    model: "gemini-3.5-flash",
    contents: "Prove that the square root of 2 is irrational.",
    config: {
      thinkingConfig: {
        thinkingLevel: "HIGH",
      },
    },
  });
  console.log(response.text);
}

main();

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.5-flash:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "contents": [{
      "parts": [{"text": "Prove that the square root of 2 is irrational."}]
    }],
    "generationConfig": {
      "thinkingConfig": {
        "thinkingLevel": "HIGH"
      }
    }
  }'

En la siguiente tabla, se muestran los niveles de razonamiento admitidos por modelo:

Preservación de pensamientos

El modelo mantiene el razonamiento intermedio en las conversaciones de varios turnos de forma automática. Cuando está presente en el historial de conversaciones, el contexto de razonamiento se traslada, lo que mejora el rendimiento en tareas complejas de varios pasos, como la depuración iterativa y la refactorización de código. No se necesitan cambios en la API:

• API de Interactions: Los pensamientos ya se conservan automáticamente. No hay cambios en el comportamiento.
• API de GenerateContent: A partir de Gemini 3.5 Flash, el modelo usa el contexto de razonamiento de todos los turnos anteriores cuando las firmas de razonamiento están presentes en el historial de conversaciones. Para habilitar esta opción, pasa el historial de conversaciones completo y sin modificar (incluidas las firmas de razonamiento) en contents. Los SDKs controlan esto automáticamente.

Actualizaciones de parámetros y prácticas recomendadas en Gemini 3.x

Lo siguiente se aplica a todos los modelos de Gemini 3.x, incluido Gemini 3.5 Flash.

• temperature, top_p, top_k: Te recomendamos que no cambies los valores predeterminados. Las capacidades de razonamiento de Gemini 3 están optimizadas para la configuración predeterminada.
• Usa thinking_level en lugar de thinking_budget.
• Coincidencia de respuestas de llamadas a funciones: id, name y el recuento de respuestas deben coincidir con las llamadas anteriores.
• Respuestas de funciones multimodales: Incluye contenido multimodal dentro de la respuesta de la función, no fuera de ella.
• Instrucciones intercaladas en respuestas de funciones: Agrega al texto de respuesta de la función, no como partes separadas.
• Reduce las llamadas a herramientas innecesarias: Usa niveles de razonamiento más bajos o experimenta con instrucciones del sistema para reducir las llamadas a herramientas en los flujos de trabajo de agentes.

Consulta las siguientes secciones para obtener información sobre cómo actualizar tu código.

Parámetros de muestreo (ya no se recomienda)

Ya no se recomienda temperature, top_p y top_k para todos los modelos de Gemini 3.x. Las capacidades de razonamiento de Gemini 3 están optimizadas para la configuración predeterminada. Quita estos parámetros de todas las solicitudes.

# ⚠️ Remove these parameters (not recommended)
config = types.GenerateContentConfig(
    temperature=0.7,
    top_p=0.9,
    top_k=40
)

Para garantizar el determinismo, te recomendamos que definas una instrucción del sistema con reglas explícitas para tu caso de uso específico.

thinking_budget (ya no se recomienda)

Ya no se recomienda el parámetro numérico sin procesar thinking_budget en todos los modelos de Gemini 3.x. En su lugar, usa la enumeración de cadenas thinking_level.

# ⚠️ Before (not recommended)
config = types.GenerateContentConfig(
    thinking_config=types.ThinkingConfig(thinking_budget=7500)
)

# ✅ After
config = types.GenerateContentConfig(
    thinking_config=types.ThinkingConfig(thinking_level="medium")
)

Valores disponibles: minimal, low, medium (predeterminado) y high.

Llamada a función: Coincidencia estricta de respuestas

La API de Interactions ya muestra errores en las respuestas de funciones que no coinciden. La API de GenerateContent aún no muestra errores, pero las respuestas que no coinciden hacen que el modelo muestre respuestas vacías con finish_reason: STOP en la mayoría de los casos. Sigue siempre estas convenciones:

# ✅ Include matching id and name in the function response
final_response = client.models.generate_content(
    model="gemini-3.5-flash",
    config=config,
    contents=[
        *previous_contents,
        response.candidates[0].content,
        types.Content(role="user", parts=[
            types.Part.from_function_response(
                name=tool_call.name,
                response={"result": result},
                id=tool_call.id,
            )
        ]),
    ],
)

// ✅ Include matching id and name in the function response
const functionResponsePart = {
  functionResponse: {
    name: toolCall.name,
    response: { result: result },
    id: toolCall.id,
  },
};

const finalResponse = await ai.models.generateContent({
  model: "gemini-3.5-flash",
  contents: [
    ...previousContents,
    { role: "model", parts: [{ functionCall: toolCall }] },
    { role: "user", parts: [functionResponsePart] },
  ],
  config: config,
});

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.5-flash:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "contents": [
      {"role": "user", "parts": [{"text": "..."}]},
      {"role": "model", "parts": [{"functionCall": {"name": "my_function", "args": {...}}}]},
      {"role": "user", "parts": [{"functionResponse": {"name": "my_function", "id": "call_id", "response": {"result": "..."}}}]}
    ]
  }'

Respuestas de funciones multimodales

A menudo, vemos que los clientes proporcionan imágenes fuera de la respuesta de la función. Esto puede generar un comportamiento inesperado del modelo (p.ej., filtración de razonamiento) y generar resultados de menor calidad. En su lugar, sigue la recomendación en los documentos de la API de respuestas de funciones multimodales e incluye contenido multimodal en las partes de respuesta de la función que envías al modelo. El modelo puede procesar este contenido multimodal en su siguiente turno para producir una respuesta más informada.

# ✅ Include multimodal content in the function response
final_response = client.models.generate_content(
    model="gemini-3.5-flash",
    config=config,
    contents=[
        *previous_contents,
        response.candidates[0].content,
        types.Content(role="user", parts=[
            types.Part.from_function_response(
                name=tool_call.name,
                response={
                    "result": "instrument.jpg",
                    "image": base64_image_data,
                },
                id=tool_call.id,
            )
        ]),
    ],
)

// ✅ Include multimodal content in the function response
const finalResponse = await ai.models.generateContent({
  model: "gemini-3.5-flash",
  contents: [
    ...previousContents,
    { role: "model", parts: [{ functionCall: toolCall }] },
    {
      role: "user",
      parts: [{
        functionResponse: {
          name: toolCall.name,
          id: toolCall.id,
          response: {
            result: "instrument.jpg",
            image: base64ImageData,
          },
        },
      }],
    },
  ],
  config: config,
});

Instrucciones intercaladas en respuestas de funciones

A menudo, vemos que los clientes proporcionan instrucciones adicionales junto con las respuestas de funciones como Parts posteriores. Esto puede generar un comportamiento inesperado del modelo (p.ej., filtración de razonamiento) y generar resultados de menor calidad. En su lugar, agrega cualquier instrucción adicional al final del texto de respuesta de la función separada por dos líneas nuevas.

# ✅ Append inline instructions to the end of the function response separated by two newlines
result_text = f"{json.dumps(result)}\n\n<your inline instructions>"

final_response = client.models.generate_content(
    model="gemini-3.5-flash",
    config=config,
    contents=[
        *previous_contents,
        response.candidates[0].content,
        types.Content(role="user", parts=[
            types.Part.from_function_response(
                name=tool_call.name,
                response={"result": result_text},
                id=tool_call.id,
            )
        ]),
    ],
)

// ✅ Append inline instructions to the end of the function response separated by two newlines
const resultText = `${JSON.stringify(result)}\n\n<your inline instructions>`;

const finalResponse = await ai.models.generateContent({
  model: "gemini-3.5-flash",
  contents: [
    ...previousContents,
    { role: "model", parts: [{ functionCall: toolCall }] },
    {
      role: "user",
      parts: [{
        functionResponse: {
          name: toolCall.name,
          id: toolCall.id,
          response: { result: resultText },
        },
      }],
    },
  ],
  config: config,
});

Cómo reducir las llamadas a herramientas innecesarias

Si experimentas un uso excesivo de las llamadas a herramientas, dos técnicas te ayudarán a minimizarlas:

1. Comienza por reducir el nivel de razonamiento (medium, low o minimal): Los niveles de razonamiento más altos alientan al modelo a usar más herramientas para explorar y verificar, por lo que reducir el nivel puede reducir las llamadas a herramientas.

2. Agrega una instrucción del sistema: Si el uso excesivo persiste después de ajustar el nivel de razonamiento, considera una instrucción que restrinja el uso de herramientas. Por ejemplo:

   You have a limited action budget of <n> tool calls. Use them efficiently.
   

Lista de tareas para la migración

Migra desde la versión preliminar de Gemini 3 Flash

• Actualiza el nombre del modelo: gemini-3-flash-preview → gemini-3.5-flash
• Revisar precios. Gemini 3.5 Flash es más costoso que la versión preliminar de Gemini 3 Flash. Si tu caso de uso es muy sensible a los costos, considera migrar a Gemini 3.1 Flash-Lite en su lugar. Consulta la página de Precios para obtener más detalles.
• Quita temperature, top_p y top_k de tu configuración (ya no se recomienda).
• Reemplaza thinking_budget por thinking_level.
• Agrega id y name coincidente a todas las partes de FunctionResponse.
• Prueba tus instrucciones. El esfuerzo predeterminado cambió de high → medium. Verifica la calidad, la velocidad y el costo.
• La preservación de pensamientos ahora está activada de forma predeterminada. El contexto de razonamiento se traslada a través de los turnos, lo que mejora el rendimiento, pero puede aumentar el uso de tokens.
• Reduce las llamadas a herramientas innecesarias: Comienza por reducir el nivel de razonamiento (medium, low o minimal). Agrega una instrucción del sistema para restringir el uso de herramientas si persiste el uso excesivo.
• Se admite el uso de computadoras.

Migra desde Gemini 2.5

Todo lo anterior y:

• Simplifica las instrucciones. Si usaste la ingeniería de instrucciones de cadena de razonamiento para forzar el razonamiento, prueba thinking_level: "medium" o "high" con instrucciones más simples en su lugar.
• Prueba las cargas de trabajo de PDF y contenido multimedia. Si dependías de un comportamiento específico para el análisis de documentos densos, prueba la configuración media_resolution_high para garantizar la precisión continua. La migración a los valores predeterminados de Gemini 3 también puede aumentar el uso de tokens para los PDFs, pero disminuirlo para los videos. Si las solicitudes superan la ventana de contexto, reduce explícitamente la media_resolution. Consulta los documentos de resolución de contenido multimedia para obtener más detalles.
• Aprovecha el uso combinado de herramientas. La Búsqueda de Google, el contexto de URL, la ejecución de código y las funciones personalizadas se pueden usar en la misma solicitud.
• Si usas respuestas de funciones multimodales, mueve el contenido multimodal dentro de las partes de respuesta de la función, no junto a ellas.
• Si usas instrucciones intercaladas con respuestas de funciones, agrégalas al texto de respuesta de la función separadas por dos líneas nuevas, no como partes separadas.
• La segmentación de imágenes no es compatible con Gemini 3.x. Para las cargas de trabajo de segmentación , sigue usando Gemini 2.5 Flash con el razonamiento desactivado o Gemini Robotics-ER 1.6.
• Quita candidate_count de tu configuración (no admitido en Gemini 3.x).

Funciones de la familia Gemini 3

Gemini 3.5 Flash hereda todas las capacidades de la familia Gemini 3, incluido el uso de computadoras. Funciones introducidas en Gemini 3 que se trasladan:

• Razonamiento: Contexto de razonamiento encriptado que se conserva en las llamadas a la API. Automático en la API de Interactions; implícito en GenerateContent.
• Resultados estructurados con herramientas: Combina el modo JSON con herramientas integradas (Búsqueda, contexto de URL, ejecución de código, llamada a función).
• **Respuestas de funciones multimodales**: Muestra imágenes, audio y otro contenido multimedia en los resultados de la llamada a función.
• Ejecución de código con imágenes: Ejecuta código que procesa y genera imágenes.
• Uso combinado de herramientas: Usa herramientas integradas y llamadas a funciones personalizadas en la misma solicitud.
• **Resolución de contenido multimedia**: Control detallado sobre la asignación de tokens para entradas de imágenes, videos y PDFs. Los modelos de Gemini 3 admiten la configuración de resolución por elemento de contenido (low, medium, high, ultra_high) para instrucciones de fidelidad mixta.
• Firmas de razonamiento: Representaciones encriptadas del razonamiento interno del modelo. Obligatorio para la llamada a función de varios turnos; administrado automáticamente por los SDKs oficiales.

Prácticas recomendadas para escribir instrucciones

Los modelos de Gemini 3.x son modelos de razonamiento, lo que cambia la forma en que debes escribir las instrucciones.

• Instrucciones precisas: Sé conciso. Gemini 3.x responde mejor a las instrucciones directas y claras. Las técnicas de ingeniería de instrucciones detalladas o complejas diseñadas para modelos más antiguos pueden hacer que el modelo analice en exceso.
• Nivel de detalle del resultado: De forma predeterminada, Gemini 3.x es menos detallado y prefiere respuestas directas y eficientes. Si tu caso de uso requiere un tono conversacional, dirige el modelo de forma explícita en tu instrucción (por ejemplo, "Explica esto como un asistente amigable y conversador").
• Administración de contexto: Cuando trabajes con conjuntos de datos grandes (como libros completos, bases de código o videos largos), coloca tus instrucciones o preguntas específicas al final de la instrucción, después del contexto de datos. Ancla el razonamiento del modelo comenzando tu pregunta con una frase como "Según la información anterior...".

Obtén más información sobre las estrategias de diseño de instrucciones en la guía de ingeniería de instrucciones.

Limitaciones

• La segmentación de imágenes no es compatible con Gemini 3.x. Para las cargas de trabajo de segmentación , sigue usando Gemini 2.5 Flash con el razonamiento desactivado o Gemini Robotics-ER 1.6.

Preguntas frecuentes

1. ¿Cuál es la fecha límite de conocimiento para Gemini 3.5 Flash? Gemini 3.5 Flash tiene una fecha límite de conocimiento de enero de 2025. Para obtener información más reciente, usa la herramienta de Grounding de la Búsqueda.

2. ¿Cuáles son los límites de la ventana de contexto? Gemini 3.5 Flash admite una ventana de contexto de entrada de 1 millón de tokens y hasta 65,000 tokens de salida.

3. ¿Mi código thinking_budget antiguo seguirá funcionando? Sí, thinking_budget aún es compatible con la retrocompatibilidad, pero te recomendamos que migres a thinking_level para obtener un rendimiento más predecible. No uses ambos en la misma solicitud.

4. ¿Gemini 3.5 Flash admite la API de Batch? Sí. Consulta la guía de la API de Batch para obtener más detalles.

5. ¿Se admite el almacenamiento en caché de contexto? Sí, se admite el almacenamiento en caché de contexto.

6. ¿Qué herramientas son compatibles? Gemini 3.5 Flash admite la Búsqueda de Google, Fundamentación con Google Maps, la Búsqueda de archivos, la ejecución de código, el contexto de URL, y la llamada a función estándar, incluido el uso combinado de herramientas, y el uso de computadoras.

Próximos pasos

• Obtén más información sobre las estrategias de diseño de instrucciones en la guía de ingeniería de instrucciones.
• Comienza a usar el libro de recetas de Gemini 3.
• Obtén información sobre la optimización y la inferencia de la API de Gemini.