Yang baru di Gemini 3.5 Flash

3.6 Flash & 3.5 Flash-Lite Halaman ini

Gemini 3.5 Flash tersedia secara umum (GA), stabil, dan siap untuk penggunaan produksi berskala. Sebagai model Flash tercerdas kami, model ini memberikan performa canggih yang berkelanjutan dalam eksekusi agentic, coding, dan tugas jangka panjang dalam skala besar.

Panduan ini berisi ringkasan peningkatan, perubahan API, dan panduan migrasi untuk Gemini 3.5 Flash.

Model baru

Gemini 3.5 Flash mendukung jendela konteks token 1 juta, token output maks 65 ribu, penalaran, dan kumpulan alat serta fitur platform yang sama dengan Gemini 3 Flash, termasuk Penggunaan Komputer (Pratinjau). Untuk mengetahui spesifikasi lengkapnya, lihat ringkasan model. Untuk mengetahui harga, lihat halaman harga.

Panduan memulai

Semua contoh dalam panduan ini menggunakan GenerateContent API. Interactions API juga didukung; opsi konfigurasi dan rekomendasi yang sama berlaku.

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."}]
    }]
  }'

Yang baru

• Performa canggih yang berkelanjutan: Model Flash tercerdas kami, yang dioptimalkan untuk tugas agentic dan coding dalam skala besar.
• Eksekusi agentic: Deployment sub-agen, pemecahan masalah, dan loop agentic yang cepat dalam skala besar.
• Coding: Siklus coding berulang, eksplorasi cepat, dan pembuatan prototipe untuk menguji jalur alternatif dan mengeksplorasi solusi secara dinamis.
• Jangka panjang: Alur kerja multilangkah dan penggunaan alat dalam skala besar.
• Retensi penalaran: Model mempertahankan penalaran perantara di seluruh percakapan multi-giliran secara otomatis. Tidak diperlukan perubahan API.
• Tingkat upaya default baru: Upaya penalaran default diubah dari high menjadi medium. Lihat Tingkat upaya default baru untuk mengetahui detailnya.
• Peningkatan penalaran low: low kini ditingkatkan secara signifikan untuk tugas kode dan agentic yang memerlukan lebih sedikit langkah, sehingga menawarkan kualitas yang kuat dengan latensi dan biaya yang lebih rendah.
• Rilis GA: Model stabil untuk penggunaan produksi berskala.

Memilih model Flash yang tepat

Gemini 3.5 Flash adalah model Flash tercerdas dan paling mumpuni. Namun, kasus penggunaan yang berbeda mungkin memiliki persyaratan biaya dan latensi yang berbeda.

• Gemini 3.1 Flash-Lite: Untuk tugas bervolume tinggi dan berbiaya rendah yang tidak memerlukan kedalaman penalaran lanjutan dari 3.5 Flash, sebaiknya gunakan Gemini 3.1 Flash-Lite. Model ini stabil, jangka panjang, dan dioptimalkan untuk efisiensi. Lihat panduan developer Flash-Lite untuk mengetahui detail selengkapnya.
• Pratinjau Gemini 3 Flash: Meskipun kami merekomendasikan migrasi ke 3.5 Flash untuk stabilitas GA dan penalaran yang ditingkatkan, Gemini 3 Flash (Pratinjau) tetap tersedia untuk developer yang ingin terus menguji dengan model pratinjau.

Perubahan perilaku

Tingkat upaya default baru: medium

Upaya penalaran default kini medium, diubah dari high di Gemini 3 Pratinjau Flash. medium menghasilkan hasil yang sangat baik di berbagai tugas sekaligus lebih cepat dan lebih hemat biaya. Untuk masalah yang kompleks, high mendorong model untuk berpikir lebih mendalam.

Untuk mengganti default, tetapkan thinking_level dalam konfigurasi Anda:

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"
      }
    }
  }'

Tabel berikut menunjukkan tingkat penalaran yang didukung per model:

Retensi penalaran

Model mempertahankan penalaran perantara di seluruh percakapan multi-giliran secara otomatis. Jika ada dalam histori percakapan, konteks penalaran akan diteruskan, yang meningkatkan performa pada tugas multilangkah yang kompleks seperti proses debug berulang dan refactoring kode. Tidak diperlukan perubahan API:

• Interactions API: Penalaran sudah dipertahankan secara otomatis. Tidak ada perubahan perilaku.
• GenerateContent API: Mulai dari Gemini 3.5 Flash, model ini menggunakan konteks penalaran dari semua giliran sebelumnya saat tanda tangan penalaran ada dalam histori percakapan. Untuk mengaktifkan fitur ini, teruskan histori percakapan lengkap yang tidak diubah (termasuk tanda tangan penalaran) di contents. SDK akan menanganinya secara otomatis.

Update parameter dan praktik terbaik di Gemini 3.x

Hal berikut berlaku untuk semua model Gemini 3.x, termasuk Gemini 3.5 Flash.

• temperature, top_p, top_k: sebaiknya jangan mengubah nilai default. Kemampuan penalaran Gemini 3 dioptimalkan untuk setelan default.
• Gunakan thinking_level, bukan thinking_budget.
• Pencocokan respons panggilan fungsi: id, name, dan jumlah respons harus cocok dengan panggilan sebelumnya.
• Respons fungsi multimodal: sertakan konten multimodal di dalam respons fungsi, bukan di luarnya.
• Petunjuk inline dalam respons fungsi: tambahkan ke teks respons fungsi, bukan sebagai bagian terpisah.
• Mengurangi panggilan alat yang tidak perlu: Gunakan tingkat penalaran yang lebih rendah atau bereksperimen dengan petunjuk sistem untuk mengurangi panggilan alat dalam alur kerja agentic.

Lihat bagian di bawah untuk mengetahui cara memperbarui kode Anda.

Parameter pengambilan sampel (tidak lagi direkomendasikan)

temperature, top_p, dan top_k tidak lagi direkomendasikan untuk semua model Gemini 3.x. Kemampuan penalaran Gemini 3 dioptimalkan untuk setelan default. Hapus parameter ini dari semua permintaan.

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

Untuk memastikan determinisme, sebaiknya tentukan petunjuk sistem dengan aturan eksplisit untuk kasus penggunaan spesifik Anda.

thinking_budget (tidak lagi direkomendasikan)

Parameter thinking_budget numerik mentah tidak lagi direkomendasikan di semua model Gemini 3.x. Gunakan enum string thinking_level sebagai gantinya.

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

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

Nilai yang tersedia: minimal, low, medium (default), dan high.

Panggilan fungsi: pencocokan respons yang ketat

Interactions API sudah menampilkan error pada respons fungsi yang tidak cocok. GenerateContent API belum menampilkan error, tetapi respons yang tidak cocok menyebabkan model menampilkan respons kosong dengan finish_reason: STOP dalam sebagian besar kasus. Selalu ikuti konvensi berikut:

# ✅ 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": "..."}}}]}
    ]
  }'

Respons fungsi multimodal

Kami sering melihat klien menyediakan gambar di luar respons fungsi. Hal ini dapat menyebabkan perilaku model yang tidak terduga (misalnya, kebocoran penalaran) dan menghasilkan output berkualitas lebih rendah. Ikuti rekomendasi dalam dokumentasi Multimodal Function Responses API dan sertakan konten multimodal di bagian respons fungsi yang Anda kirim ke model. Model dapat memproses konten multimodal ini pada giliran berikutnya untuk menghasilkan respons yang lebih informatif.

# ✅ 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,
});

Petunjuk inline dalam respons fungsi

Kami sering melihat klien memberikan petunjuk tambahan bersama dengan respons fungsi sebagai Parts berikutnya. Hal ini dapat menyebabkan perilaku model yang tidak terduga (misalnya, kebocoran penalaran) dan menghasilkan output berkualitas lebih rendah. Sebagai gantinya, tambahkan petunjuk tambahan ke akhir teks respons fungsi yang dipisahkan oleh dua baris baru.

# ✅ 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,
});

Mengurangi panggilan alat yang tidak perlu

Jika Anda mengalami penggunaan panggilan alat yang berlebihan, dua teknik dapat membantu meminimalkannya:

1. Mulai dengan mengurangi tingkat penalaran (medium, low, atau minimal): Tingkat penalaran yang lebih tinggi mendorong model untuk menggunakan lebih banyak alat untuk menjelajahi dan memverifikasi, sehingga menurunkan tingkat dapat mengurangi panggilan alat.

2. Tambahkan petunjuk sistem: Jika penggunaan berlebihan berlanjut setelah menyesuaikan tingkat penalaran, pertimbangkan perintah yang membatasi penggunaan alat. Contoh:

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

Checklist migrasi

Bermigrasi dari Pratinjau Gemini 3 Flash

• Perbarui nama model: gemini-3-flash-preview → gemini-3.5-flash
• Tinjau harga. Gemini 3.5 Flash lebih mahal daripada Pratinjau Gemini 3 Flash. Jika kasus penggunaan Anda sangat sensitif terhadap biaya, pertimbangkan untuk bermigrasi ke Gemini 3.1 Flash-Lite sebagai gantinya. Lihat halaman harga untuk mengetahui detailnya.
• Hapus temperature, top_p, top_k dari konfigurasi Anda (tidak lagi direkomendasikan).
• Ganti thinking_budget dengan thinking_level.
• Tambahkan id dan name yang cocok ke semua bagian FunctionResponse.
• Uji perintah Anda. Upaya default diubah dari high → medium; verifikasi kualitas, kecepatan, dan biaya.
• Retensi penalaran kini aktif secara default. Konteks penalaran diteruskan di seluruh giliran, yang meningkatkan performa tetapi dapat meningkatkan penggunaan token.
• Kurangi panggilan alat yang tidak perlu: mulai dengan mengurangi tingkat penalaran (medium, low, atau minimal); tambahkan petunjuk sistem untuk membatasi penggunaan alat jika penggunaan berlebihan berlanjut.
• Penggunaan Komputer didukung.

Bermigrasi dari Gemini 2.5

Semua hal di atas, ditambah:

• Sederhanakan perintah. Jika Anda menggunakan teknik rekayasa perintah chain-of-thought untuk memaksa penalaran, coba thinking_level: "medium" atau "high" dengan perintah yang lebih sederhana sebagai gantinya.
• Uji workload PDF dan media. Jika Anda mengandalkan perilaku tertentu untuk penguraian dokumen padat, uji setelan media_resolution_high untuk memastikan akurasi berkelanjutan. Bermigrasi ke default Gemini 3 juga dapat meningkatkan penggunaan token untuk PDF, tetapi menurunkannya untuk video; jika permintaan melebihi jendela konteks, kurangi media_resolution secara eksplisit. Lihat dokumentasi resolusi media untuk mengetahui detailnya.
• Manfaatkan penggunaan alat gabungan. Google Penelusuran, konteks URL, eksekusi kode, dan fungsi kustom dapat digunakan dalam permintaan yang sama.
• Jika menggunakan respons fungsi multimodal, pindahkan konten multimodal ke dalam bagian respons fungsi, bukan di sampingnya.
• Jika menggunakan petunjuk inline dengan respons fungsi, tambahkan petunjuk tersebut ke teks respons fungsi yang dipisahkan oleh dua baris baru, bukan sebagai bagian terpisah.
• Segmentasi gambar tidak didukung di Gemini 3.x. Untuk workload segmentasi, terus gunakan Gemini 2.5 Flash dengan penalaran dinonaktifkan.
• Hapus candidate_count dari konfigurasi Anda (tidak didukung di Gemini 3.x)

Fitur rangkaian Gemini 3

Gemini 3.5 Flash mewarisi semua kemampuan rangkaian Gemini 3, termasuk Penggunaan Komputer. Fitur yang diperkenalkan di Gemini 3 yang diteruskan:

• Penalaran: Konteks penalaran terenkripsi yang dipertahankan di seluruh panggilan API. Otomatis di Interactions API; implisit di GenerateContent.
• Output terstruktur dengan alat: Gabungkan mode JSON dengan alat bawaan (Penelusuran, konteks URL, eksekusi kode, panggilan fungsi).
• Respons fungsi multimodal: Menampilkan gambar, audio, dan media lainnya dalam hasil panggilan fungsi.
• Eksekusi kode dengan gambar: Menjalankan kode yang memproses dan membuat gambar.
• Penggunaan alat gabungan: Menggunakan alat bawaan dan panggilan fungsi kustom dalam permintaan yang sama.
• Resolusi media: Kontrol mendetail atas alokasi token untuk input gambar, video, dan PDF. Model Gemini 3 mendukung setelan resolusi per item konten (low, medium, high, ultra_high) untuk perintah dengan fidelitas campuran.
• Tanda tangan penalaran: Representasi terenkripsi dari penalaran internal model. Diperlukan untuk panggilan fungsi multi-giliran; dikelola secara otomatis oleh SDK resmi.

Praktik terbaik penulisan perintah

Model Gemini 3.x adalah model penalaran, yang mengubah cara Anda menulis perintah.

• Petunjuk yang tepat: Sampaikan dengan ringkas. Gemini 3.x merespons petunjuk yang langsung dan jelas dengan baik. Teknik rekayasa perintah yang panjang atau kompleks yang dirancang untuk model lama dapat menyebabkan model melakukan analisis berlebihan.
• Panjang output: Secara default, Gemini 3.x tidak terlalu panjang dan lebih memilih jawaban yang langsung dan efisien. Jika kasus penggunaan Anda memerlukan nada percakapan, arahkan model secara eksplisit dalam perintah Anda (misalnya, "Jelaskan hal ini sebagai asisten yang ramah dan banyak bicara").
• Pengelolaan konteks: Saat bekerja dengan set data besar (seperti seluruh buku, codebase, atau video panjang), tempatkan petunjuk atau pertanyaan spesifik Anda di akhir perintah, setelah konteks data. Tetapkan penalaran model dengan memulai pertanyaan Anda dengan frasa seperti, "Berdasarkan informasi sebelumnya...".

Pelajari lebih lanjut strategi desain perintah dalam panduan rekayasa perintah .

Batasan

• Segmentasi gambar tidak didukung di Gemini 3.x. Untuk workload segmentasi, terus gunakan Gemini 2.5 Flash dengan penalaran dinonaktifkan, atau Gemini Robotics ER 2.

FAQ

1. Berapa batas pengetahuan untuk Gemini 3.5 Flash? Gemini 3.5 Flash memiliki batas pengetahuan Januari 2025. Untuk informasi terbaru, gunakan alat Grounding Penelusuran.

2. Berapa batas jendela konteks? Gemini 3.5 Flash mendukung jendela konteks input token 1 juta dan hingga 65 ribu token output.

3. Apakah kode thinking_budget lama saya masih berfungsi? Ya, thinking_budget masih didukung untuk kompatibilitas mundur, tetapi sebaiknya bermigrasi ke thinking_level untuk performa yang lebih dapat diprediksi. Jangan gunakan keduanya dalam permintaan yang sama.

4. Apakah Gemini 3.5 Flash mendukung Batch API? Ya. Lihat panduan Batch API untuk mengetahui detailnya.

5. Apakah Context Caching didukung? Ya, Context Caching didukung.

6. Alat mana yang didukung? Gemini 3.5 Flash mendukung Google Penelusuran, Grounding dengan Google Maps, Penelusuran File, Eksekusi Kode, Konteks URL, dan Panggilan Fungsi standar, termasuk penggunaan alat gabungan, dan Penggunaan Komputer.

Langkah berikutnya

• Pelajari lebih lanjut strategi desain perintah dalam panduan rekayasa perintah .
• Mulai menggunakan Cookbook Gemini 3
• Pelajari tentang pengoptimalan dan inferensi Gemini API