Nowości w Gemini 3.6 Flash i 3.5 Flash-Lite

Najnowszy model Inne modele

Modele Gemini 3.6 Flash (gemini-3.6-flash) i Gemini 3.5 Flash-Lite (gemini-3.5-flash-lite) to wersje poprzedniej generacji z serii Gemini 3, które nadal można używać w środowisku produkcyjnym. Najnowszy model Flash znajdziesz w Gemini 3.8 Flash.

• Gemini 3.6 Flash: większa skuteczność w przypadku złożonych zadań agentowych i multimodalnych przy mniejszym zużyciu tokenów i niższym pułapie cenowym niż w przypadku modelu 3.5 Flash.
• Gemini 3.5 Flash-Lite: najszybszy i najtańszy model z rodziny 3.5. Przewyższa poprzednie generacje Flash-Lite pod względem przepustowości.

Z tego przewodnika dowiesz się, co zostało wprowadzone w poszczególnych modelach, jakie zmiany w interfejsie API wpływają na Twój kod i jak przeprowadzić migrację.

Nowe modele

Oba modele obsługują okno kontekstu o wielkości 1 mln tokenów, maksymalnie 64 tys. tokenów wyjściowych, myślenie i pełny zestaw wbudowanych narzędzi, w tym korzystanie z komputera.

Pełne specyfikacje znajdziesz na stronach modeli:

• Strona modelu Gemini 3.6 Flash
• Strona modelu Gemini 3.5 Flash-Lite

Szczegółowe informacje o cenach znajdziesz na stronie z cennikiem.

Krótkie wprowadzenie

from google import genai

client = genai.Client()

response = client.models.generate_content(
    model="gemini-3.6-flash",
    contents="Write a three.js script that renders an interactive 3D robot.",
)

print(response.text)

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

const ai = new GoogleGenAI({});

async function main() {
  const response = await ai.models.generateContent({
    model: "gemini-3.6-flash",
    contents: "Write a three.js script that renders an interactive 3D robot.",
  });
  console.log(response.text);
}

main();

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.6-flash:generateContent"       -H "x-goog-api-key: $GEMINI_API_KEY"       -H 'Content-Type: application/json'       -X POST       -d '{
    "contents": [{
      "parts": [{"text": "Write a three.js script that renders an interactive 3D robot."}]
    }]
  }'

Co nowego w Gemini 3.6 Flash

• Mniej tokenów i odpowiedzi: wykonuje wieloetapowe przepływy pracy z mniejszą liczbą kroków wnioskowania, odpowiedzi i wywołań narzędzi niż Gemini 3.5. Ogranicza też spirale pętli wykonywania.
• Ulepszone generowanie kodu: tworzy kod wyższej jakości, przygotowany do zastosowań produkcyjnych, z mniejszą liczbą niechcianych zmian i pętli debugowania.
• Lepsze wykonywanie instrukcji: ogranicza niechciane zmiany plików podczas zadań diagnostycznych.
• Zaawansowane wnioskowanie multimodalne i przestrzenne: lepsza skuteczność w przypadku interpretacji wykresów, konwersji wizualnych planów i generowania układów stron internetowych z wieloma elementami.
• Wstępna inspekcja programowa: częściej niż Gemini 3.5 Flash preferuje uruchamianie skryptów kodu diagnostycznego przed wprowadzeniem zmian. Zwiększa to dokładność w przypadku złożonych zadań, ale może dodać dodatkowe kroki eksploracyjne w przypadku rutynowych prac frontendowych.
• Obsługa korzystania z komputera: obsługiwana jako wbudowane narzędzie do automatyzacji interfejsu agentowego.
• Preferencje dotyczące stylizacji interfejsu: lepiej tworzy kod funkcjonalny, ale oceniający ludzie preferowali wcześniejsze modele pod względem układu wizualnego i stylizacji. Możesz temu zapobiec, podając wyraźne wytyczne dotyczące projektowania.
• Domyślny nakład pracy związany z myśleniem (średni): używa tego samego medium domyślnego nakładu pracy związanego z myśleniem co Gemini 3.5 Flash.
• Niższe ceny: niższe koszty tokenów wyjściowych (7,50 USD za milion w porównaniu z 9,00 USD za milion w przypadku modelu 3.5 Flash). Tokeny wejściowe nadal kosztują 1,50 USD za milion.

Co nowego w Gemini 3.5 Flash-Lite

• Krótszy czas oczekiwania na wykonanie zadania: najwyższa przepustowość w rodzinie 3.5 w przypadku analizowania dużych ilości danych i wyodrębniania dokumentów.
• Ulepszone wnioskowanie i skuteczność multimodalna: dobra ścieżka migracji z Gemini 2.5 Flash, z wyższymi wynikami w przypadku zadań wnioskowania, takich jak HLE (18,0% w porównaniu z 11,0%), i testów porównawczych multimodalnych, takich jak CharXIV (74,5% w porównaniu z 63,7%).
• Administrowanie subagentami i niezawodność narzędzi: zwiększa niezawodność wykonywania narzędzi w przypadku wykonywania kodu, wyszukiwania i przepływów pracy MCP. Zwiększ poziom myślenia w przypadku autonomicznego planowania i złożonych zadań subagentów.
• Lepsze rozumienie dokumentów: zwiększa dokładność analizowania dokumentów i wyodrębniania uporządkowanych danych. W zależności od złożoności dokumentu eksperymentuj z minimalnym i wysokim poziomem myślenia.
• Interaktywne kodowanie w internecie i przetwarzanie danych w formie tabeli: dobrze radzi sobie z przetwarzaniem danych frontendowych w JavaScript i danych w formie tabeli dzięki planowaniu przy użyciu lekkiego wykonywania kodu.
• Chatbot i trwałość persony: lepsze wykonywanie instrukcji wieloetapowych i spójność persony w porównaniu z Gemini 3.1 Flash-Lite.
• Obsługa korzystania z komputera: obsługiwana jako wbudowane narzędzie do automatyzacji interfejsu agentowego.

Wybór odpowiedniego modelu Flash lub Flash-Lite

Użyj tej tabeli, aby wybrać odpowiedni model i ścieżkę migracji dla swoich zbiorów zadań.

Oba modele wymagają usunięcia wycofanych parametrów próbkowania (temperature, top_p, top_k) i przygotowanych odpowiedzi modelu. Więcej informacji znajdziesz w sekcji Zmiany w interfejsie API.

Obsługa agenta Antigravity

Zmiany w interfejsie API i aktualizacje parametrów

Począwszy od modeli Gemini 3.6 Flash i Gemini 3.5 Flash-Lite, te zmiany w interfejsie API dotyczą tych modeli i wszystkich przyszłych wersji modeli Gemini.

• Wycofanie parametrów próbkowania: parametry temperature, top_p i top_k zostały wycofane. Interfejs API ignoruje te parametry i w przyszłych generacjach modeli zwraca błąd.
• Weryfikacja przygotowanych odpowiedzi modelu: przygotowywanie odpowiedzi modelu nie jest już obsługiwane. Jeśli ostatnia niepusta odpowiedź w żądaniu jest odpowiedzią model, interfejs API zwraca błąd 400.

W kolejnych sekcjach znajdziesz szczegółowe wyjaśnienia i przykłady kodu dotyczące każdej zmiany w interfejsie API.

1. Wycofanie parametrów próbkowania (temperature, top_p, top_k)

Parametry temperature, top_p i top_k zostały wycofane i są ignorowane. W przyszłych generacjach modeli podanie tych parametrów spowoduje zwrócenie błędu HTTP 400. Usuń te parametry ze wszystkich żądań.

# ⚠️ Remove these parameters (deprecated)
generation_config = {
     "temperature": 0.7,
     "top_p": 0.9,
     "top_k": 40,
}

Aby zwiększyć determinizm, zdefiniuj instrukcję systemową z wyraźnymi regułami dotyczącymi konkretnego przypadku użycia.

2. Weryfikacja przygotowanych odpowiedzi modelu

Żądania do interfejsu API kończące się niepustą odpowiedzią roli modelu są niedozwolone i zwracają błąd HTTP 400.

⚠️ Unikaj

W starszych wersjach generateContent lub surowych ładunkach REST kończenie odpowiedzią roli modelu jest teraz niedozwolone:

/* ❌ DO NOT: End payload contents with a 'model' role turn */
{
  "contents": [
    {"role": "user", "parts": [{"text": "Translate 'Hello world' to Spanish."}]},
    {"role": "model", "parts": [{"text": "Translation:"}]}  /* ❌ Returns error */
  ]
}

✅ Zalecana migracja

Jeśli Twoja aplikacja wcześniej przygotowywała odpowiedź modelu, aby pominąć wstępy lub wymusić formatowanie JSON, użyj system_instruction lub uporządkowanych danych wyjściowych zamiast tego.

# ✅ RECOMMENDED: Use system_instruction to specify output format
response = client.models.generate_content(
    model="gemini-3.6-flash",
    contents="Translate 'Hello world' to Spanish.",
    config={"system_instruction": "Output only the translation without introductory text."},
)

Lista kontrolna migracji

Migracja do gemini-3.6-flash

• Zaktualizuj identyfikator modelu: zmień ciąg docelowego modelu na gemini-3.6-flash.
• Zastosuj aktualizacje parametrów: usuń wycofane parametry próbkowania (temperature, top_p, top_k), candidate_count (nieobsługiwany w Gemini 3 i nowszych wersjach) oraz przygotowane odpowiedzi modelu zgodnie z opisem w sekcji Zmiany w interfejsie API i aktualizacje parametrów.
• Skonfiguruj poziom myślenia: zastąp thinking_budget parametrem thinking_level ("medium" lub "high").
• Sprawdź wywoływanie funkcji:
  • Upewnij się, że wszystkie obiekty FunctionResponse zawierają call_id i name.
  • Umieść zasoby multimodalne w ładunku odpowiedzi.
  • Sformatuj instrukcje w tekście za pomocą \n\n.
  • Jeśli widzisz błędy Malformed_Function_Call powiązane z tekstem przed narzędziem, zapoznaj się z sekcją Obejścia wymagań dotyczących tekstu przed narzędziem.
• Podstawowe wymagania Gemini 3.x: informacje o aktualizacjach pakietu SDK i zachowaniu sygnatury myśli znajdziesz w sekcji Sygnatury myśli.

Migracja do gemini-3.5-flash-lite

• Zaktualizuj identyfikator modelu: zmień ciąg docelowego modelu na gemini-3.5-flash-lite.
• Skonfiguruj nakład pracy związany z myśleniem:
  • W przypadku wyodrębniania, routingu lub klasyfikacji dużych ilości danych: pozostaw thinking_level na poziomie "minimal" (domyślnym), aby uzyskać maksymalną przepustowość.
  • W przypadku autonomicznych subagentów z wywołaniami narzędzi, wykonywaniem kodu lub wieloetapowym wnioskowaniem: ustaw thinking_level na "medium" lub "high", aby zapobiec przedwczesnemu zakończeniu działania narzędzia.
• Usuń wycofane parametry i zweryfikuj wywoływanie funkcji: zastosuj te same reguły co w przypadku modelu 3.6 Flash.
• Podstawowe wymagania Gemini 3.x: zapoznaj się z sekcją Sygnatury myśli.

Inne modele

• Gemini 4 Argon (najnowszy)
• Gemini 3.8 Flash
• Zobacz wszystkie modele

Co dalej?

• Zapoznaj się ze specyfikacjami interfejsu API w przeglądzie modeli Models Overview.
• Poznaj administrację wieloma agentami w przewodniku po interfejsie Interactions API.
• Testuj i ulepszaj prompty w Google AI Studio.