মিথুন রাশির চিন্তাভাবনা

জেমিনি ৩ এবং ২.৫ সিরিজের মডেলগুলো একটি অভ্যন্তরীণ 'চিন্তন প্রক্রিয়া' ব্যবহার করে, যা তাদের যুক্তিবোধ এবং বহু-ধাপের পরিকল্পনা করার ক্ষমতাকে উল্লেখযোগ্যভাবে উন্নত করে। এর ফলে এগুলো কোডিং, উচ্চতর গণিত এবং ডেটা বিশ্লেষণের মতো জটিল কাজগুলোর জন্য অত্যন্ত কার্যকর হয়ে ওঠে।

এই নির্দেশিকাটি আপনাকে দেখাবে কীভাবে জেমিনি এপিআই ব্যবহার করে জেমিনির চিন্তাশক্তির সাথে কাজ করতে হয়।

চিন্তাভাবনা করে বিষয়বস্তু তৈরি করুন

একটি থিঙ্কিং মডেল ব্যবহার করে অনুরোধ শুরু করা অন্য যেকোনো কন্টেন্ট তৈরির অনুরোধের মতোই। মূল পার্থক্যটি হলো, model ফিল্ডে থিঙ্কিং সাপোর্টসহ মডেলগুলোর মধ্যে একটি নির্দিষ্ট করে দিতে হয়:

পাইথন

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3-flash-preview",
    input="Explain the concept of Occam's Razor and provide a simple, everyday example."
)
print(interaction.steps[-1].content[0].text)

জাভাস্ক্রিপ্ট

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

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
    model: "gemini-3-flash-preview",
    input: "Explain the concept of Occam's Razor and provide a simple, everyday example."
});
console.log(interaction.steps.at(-1).content[0].text);

বিশ্রাম

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "gemini-3-flash-preview",
    "input": "Explain the concept of Occam'\''s Razor and provide a simple example."
  }'

চিন্তার সারাংশ

চিন্তার সারাংশ মডেলের অভ্যন্তরীণ যুক্তি প্রক্রিয়া সম্পর্কে অন্তর্দৃষ্টি প্রদান করে। ডিফল্টরূপে, শুধুমাত্র চূড়ান্ত আউটপুট ফেরত দেওয়া হয়। আপনি thinking_summaries এর মাধ্যমে চিন্তার সারাংশ সক্রিয় করতে পারেন:

পাইথন

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3-flash-preview",
    input="What is the sum of the first 50 prime numbers?",
    generation_config={
        "thinking_summaries": "auto"
    }
)

for step in interaction.steps:
    if step.type == "thought":
        print("Thought summary:")
        for content_block in step.summary:
            if content_block.type == "text":
                print(content_block.text)
        print()
    elif step.type == "model_output":
        for content_block in step.content:
            if content_block.type == "text":
                print("Answer:")
                print(content_block.text)
                print()

জাভাস্ক্রিপ্ট

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

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
    model: "gemini-3-flash-preview",
    input: "What is the sum of the first 50 prime numbers?",
    generationConfig: {
        thinkingSummaries: "auto"
    }
});

for (const step of interaction.steps) {
    if (step.type === "thought") {
        console.log("Thought summary:");
        for (const contentBlock of step.summary) {
            if (contentBlock.type === "text") console.log(contentBlock.text);
        }
    } else if (step.type === "model_output") {
        for (const contentBlock of step.content) {
            if (contentBlock.type === "text") {
                console.log("Answer:");
                console.log(contentBlock.text);
            }
        }
    }
}

বিশ্রাম

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "gemini-3-flash-preview",
    "input": "What is the sum of the first 50 prime numbers?",
    "generationConfig": {
      "thinkingSummaries": "auto"
    }
  }'

চিন্তা করে প্রবাহিত হও

তৈরির সময় পর্যায়ক্রমিক চিন্তার সারাংশ পেতে স্ট্রিমিং ব্যবহার করুন। এটি তৈরি হওয়ার সাথে সাথে চলমান, ক্রমবর্ধমান সারাংশ ফেরত দেয়:

পাইথন

from google import genai

client = genai.Client()

prompt = """
Alice, Bob, and Carol each live in a different house on the same street: red, green, and blue.
Alice does not live in the red house.
Bob does not live in the green house.
Carol does not live in the red or green house.
Which house does each person live in?
"""

thoughts = ""
answer = ""

stream = client.interactions.create(
    model="gemini-3-flash-preview",
    input=prompt,
    generation_config={
        "thinking_summaries": "auto"
    },
    stream=True
)

thoughts = ""
answer = ""

for event in stream:
    if event.event_type == "step.delta":
        if event.delta.type == "thought":
            if not thoughts:
                print("Thinking...")
            summary_text = getattr(event.delta, 'text', '')
            print(f"[Thought] {summary_text}", end="")
            thoughts += summary_text
        elif event.delta.type == "text" and event.delta.text:
            if not answer:
                print("\nAnswer:")
            print(event.delta.text, end="")
            answer += event.delta.text

জাভাস্ক্রিপ্ট

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

const client = new GoogleGenAI({});

const prompt = `Alice, Bob, and Carol each live in a different house on the same
street: red, green, and blue. Alice does not live in the red house.
Bob does not live in the green house.
Carol does not live in the red or green house.
Which house does each person live in?`;

let thoughts = "";
let answer = "";

const stream = await client.interactions.create({
    model: "gemini-3-flash-preview",
    input: prompt,
    generationConfig: {
        thinkingSummaries: "auto"
    },
    stream: true
});

for await (const event of stream) {
    if (event.type === "step.delta") {
        if (event.delta.type === "thought") {
            if (!thoughts) console.log("Thinking...");
            process.stdout.write(`[Thought] ${event.delta.text || ""}`);
            thoughts += event.delta.text || "";
        } else if (event.delta.type === "text" && event.delta.text) {
            if (!answer) console.log("\nAnswer:");
            process.stdout.write(event.delta.text);
            answer += event.delta.text;
        }
    }
}

চিন্তা নিয়ন্ত্রণ করুন

জেমিনি মডেলরা স্বভাবতই গতিশীল চিন্তাভাবনায় নিযুক্ত থাকে এবং অনুরোধের জটিলতার উপর ভিত্তি করে যুক্তির পরিমাণ স্বয়ংক্রিয়ভাবে সামঞ্জস্য করে। তবে, আপনি কনফিগারেশন প্যারামিটার ব্যবহার করে এই আচরণ নিয়ন্ত্রণ করতে পারেন।

চিন্তার স্তর (মিথুন ৩)

জেমিনি ৩ মডেল এবং তার পরবর্তী মডেলগুলোর জন্য প্রস্তাবিত thinking_level প্যারামিটারটি আপনাকে যুক্তিমূলক আচরণ নিয়ন্ত্রণ করতে দেয়।

চিন্তার স্তর জেমিনি ৩.১ প্রো জেমিনি ৩ প্রো ( অপ্রচলিত ) জেমিনি ৩ ফ্ল্যাশ বর্ণনা
minimal সমর্থিত নয় সমর্থিত নয় সমর্থিত বেশিরভাগ কোয়েরির জন্য এটি 'চিন্তাহীন' সেটিংয়ের সাথে মেলে। জটিল কোডিং কাজের জন্য মডেলটি খুব কম চিন্তা করতে পারে। চ্যাট বা উচ্চ থ্রুপুট অ্যাপ্লিকেশনগুলির জন্য এটি ল্যাটেন্সি কমিয়ে আনে। উল্লেখ্য, minimal মানেই যে চিন্তা পুরোপুরি বন্ধ থাকবে, তা নয়।
low সমর্থিত সমর্থিত সমর্থিত লেটেন্সি ও খরচ কমায়। নির্দেশনা অনুসরণ, চ্যাট বা উচ্চ-ক্ষমতাসম্পন্ন অ্যাপ্লিকেশনের জন্য সর্বোত্তম।
medium সমর্থিত সমর্থিত নয় সমর্থিত অধিকাংশ কাজের জন্য ভারসাম্যপূর্ণ চিন্তাভাবনা।
high সমর্থিত (ডিফল্ট, ডাইনামিক) সমর্থিত (ডিফল্ট, ডাইনামিক) সমর্থিত (ডিফল্ট, ডাইনামিক) যুক্তির গভীরতা সর্বাধিক করে। মডেলটির প্রথম (চিন্তাবিহীন) আউটপুট টোকেনে পৌঁছাতে উল্লেখযোগ্যভাবে বেশি সময় লাগতে পারে, কিন্তু আউটপুটটি আরও সতর্কভাবে যুক্তিযুক্ত হবে।

পাইথন

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3-flash-preview",
    input="Provide a list of 3 famous physicists and their key contributions",
    generation_config={
        "thinking_level": "low"
    }
)
print(interaction.steps[-1].content[0].text)

জাভাস্ক্রিপ্ট

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

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
    model: "gemini-3-flash-preview",
    input: "Provide a list of 3 famous physicists and their key contributions",
    generationConfig: {
        thinkingLevel: "low"
    }
});
console.log(interaction.steps.at(-1).content[0].text);

বিশ্রাম

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "gemini-3-flash-preview",
    "input": "Provide a list of 3 famous physicists and their key contributions",
    "generation_config": {
      "thinking_level": "low"
    }
  }'

আপনি Gemini 3 Pro-এর জন্য চিন্তা করার ক্ষমতা নিষ্ক্রিয় করতে পারবেন না। Gemini 3 Flash-ও সম্পূর্ণ চিন্তা-বন্ধ সমর্থন করে না, কিন্তু minimal সেটিংটির অর্থ হলো মডেলটি সম্ভবত চিন্তা করবে না (যদিও এটি এখনও সম্ভাব্যভাবে তা করতে পারে)।

চিন্তার স্বাক্ষর

জেমিনি এপিআই স্টেটলেস, তাই মডেলটি প্রতিটি এপিআই অনুরোধকে স্বাধীনভাবে বিবেচনা করে এবং একাধিক টার্নের ইন্টারঅ্যাকশনে পূর্ববর্তী টার্নের চিন্তার প্রেক্ষাপটে এর কোনো অ্যাক্সেস থাকে না।

একাধিক পালা জুড়ে কথোপকথনের সময় চিন্তার ধারাবাহিকতা বজায় রাখা সম্ভব করার জন্য, জেমিনি থট সিগনেচার ফেরত দেয়, যা হলো মডেলটির অভ্যন্তরীণ চিন্তন প্রক্রিয়ার এনক্রিপ্টেড বা সংকেতায়িত উপস্থাপনা।

  • জেমিনি ২.৫ মডেলগুলো থিংকিং সক্রিয় থাকলে এবং অনুরোধটিতে ফাংশন কলিং , বিশেষত ফাংশন ডিক্লারেশন অন্তর্ভুক্ত থাকলে, থট সিগনেচার ফেরত দেয়।
  • জেমিনি ৩ মডেল সব ধরনের পার্টসের জন্য থট সিগনেচার ফেরত দিতে পারে। আমরা আপনাকে সর্বদা প্রাপ্ত সমস্ত সিগনেচার যেমন আছে তেমনই ফেরত পাঠানোর পরামর্শ দিই, তবে ফাংশন কলিং সিগনেচারের জন্য এটি আবশ্যক । আরও জানতে থট সিগনেচার পেজটি পড়ুন।
  • রেসপন্সের অন্যান্য অংশের মধ্যে, যেমন ফাংশন কলিং বা টেক্সট অংশের মধ্যে, মডেল থেকে সিগনেচারগুলো ফেরত আসে। পরবর্তী পালাগুলোতে সমস্ত অংশসহ সম্পূর্ণ রেসপন্সটি মডেলে ফেরত পাঠান
  • স্বাক্ষরযুক্ত অংশগুলো একসাথে যুক্ত করবেন না।
  • স্বাক্ষরযুক্ত একটি অংশের সাথে স্বাক্ষরবিহীন অন্য একটি অংশ সংযুক্ত করবেন না।

মূল্য নির্ধারণ

যখন চিন্তাভাবনা চালু থাকে, তখন প্রতিক্রিয়ার মূল্য নির্ধারণ করা হয় আউটপুট টোকেন এবং থিংকিং টোকেনের সমষ্টির মাধ্যমে। আপনি total_thought_tokens ফিল্ড থেকে তৈরি হওয়া মোট থিংকিং টোকেনের সংখ্যা জানতে পারবেন।

পাইথন

# ...
print("Thoughts tokens:", interaction.usage.total_thought_tokens)
print("Output tokens:", interaction.usage.total_output_tokens)

জাভাস্ক্রিপ্ট

// ...
console.log(`Thoughts tokens: ${interaction.usage.totalThoughtTokens}`);
console.log(`Output tokens: ${interaction.usage.totalOutputTokens}`);

থিংকিং মডেলগুলো চূড়ান্ত উত্তরের মান উন্নত করার জন্য পূর্ণাঙ্গ চিন্তা তৈরি করে এবং তারপর চিন্তন প্রক্রিয়া সম্পর্কে ধারণা দেওয়ার জন্য সারসংক্ষেপ আউটপুট করে। যদিও এপিআই (API) থেকে শুধুমাত্র সারসংক্ষেপই আউটপুট হিসেবে পাওয়া যায়, তবুও মডেলটির তৈরি করা প্রয়োজনীয় পূর্ণাঙ্গ চিন্তার টোকেনগুলোর ওপর ভিত্তি করে এর মূল্য নির্ধারণ করা হয়।

আপনি টোকেন গণনা নির্দেশিকা থেকে টোকেন সম্পর্কে আরও জানতে পারবেন।

সর্বোত্তম অনুশীলন

এই বিভাগে চিন্তন মডেলগুলো দক্ষতার সাথে ব্যবহার করার নির্দেশনা অন্তর্ভুক্ত রয়েছে।

ডিবাগ এবং পরিচালনা করুন

  • যুক্তি পর্যালোচনা করুন : যখন আপনি চিন্তার মডেলগুলো থেকে আপনার প্রত্যাশিত প্রতিক্রিয়া পাচ্ছেন না, তখন জেমিনির চিন্তার সারাংশগুলো সাবধানে বিশ্লেষণ করা সহায়ক হতে পারে। আপনি দেখতে পারেন যে এটি কীভাবে কাজটি ভেঙে ভেঙে তার সিদ্ধান্তে পৌঁছেছে, এবং সেই তথ্য ব্যবহার করে সঠিক ফলাফলের দিকে সংশোধন করতে পারেন।

  • যুক্তির ক্ষেত্রে নির্দেশনা দিন : আপনি যদি একটি বিশেষভাবে দীর্ঘ আউটপুট আশা করেন, তবে মডেলের চিন্তাভাবনার পরিমাণ সীমিত করার জন্য আপনার প্রম্পটে নির্দেশনা প্রদান করতে পারেন। এটি আপনাকে আপনার প্রতিক্রিয়ার জন্য টোকেন আউটপুটের আরও বেশি অংশ সংরক্ষণ করার সুযোগ দেয়।

কাজের জটিলতা

  • সহজ কাজ (চিন্তাভাবনা বন্ধ রাখা যেতে পারে): সরল অনুরোধের ক্ষেত্রে, যেখানে জটিল যুক্তির প্রয়োজন হয় না, সেখানে চিন্তাভাবনার দরকার নেই। উদাহরণ:
    • ডিপমাইন্ড কোথায় প্রতিষ্ঠিত হয়েছিল?
    • এই ইমেলটি কি মিটিংয়ের জন্য অনুরোধ করছে, নাকি শুধু তথ্য দিচ্ছে?
  • মাঝারি কাজ (স্বাভাবিক/কিছুটা চিন্তাভাবনা): অনেক সাধারণ অনুরোধের ক্ষেত্রে ধাপে ধাপে প্রক্রিয়াকরণ বা গভীরতর বোঝাপড়ার প্রয়োজন হয়। উদাহরণ:
    • সালোকসংশ্লেষণ এবং বড় হওয়ার মধ্যে সাদৃশ্য খুঁজুন।
    • ইলেকট্রিক গাড়ি এবং হাইব্রিড গাড়ির মধ্যে তুলনা ও বৈসাদৃশ্য তুলে ধরুন।
  • কঠিন কাজ (সর্বোচ্চ চিন্তাশক্তি): সত্যিকারের জটিল চ্যালেঞ্জের জন্য, আমরা একটি উচ্চ চিন্তার বাজেট নির্ধারণ করার পরামর্শ দিই। এই ধরনের কাজের জন্য মডেলটিকে তার সম্পূর্ণ যুক্তি ও পরিকল্পনা ক্ষমতা কাজে লাগাতে হয়। উদাহরণ:
    • AIME 2025-এর সমস্যা ১ সমাধান করুন: 9-এর চেয়ে বড় পূর্ণসংখ্যা ভিত্তি b-এর যোগফল নির্ণয় করুন...
    • একটি ওয়েব অ্যাপ্লিকেশনের জন্য পাইথন কোড লিখুন যা ব্যবহারকারীর প্রমাণীকরণ সহ রিয়েল-টাইম শেয়ার বাজারের ডেটা প্রদর্শন করে। এটিকে যথাসম্ভব দক্ষ করে তুলুন।

সমর্থিত মডেল

মডেল ডিফল্ট চিন্তাভাবনা সমর্থিত স্তর
জেমিনি-৩.১-প্রো-প্রিভিউ চালু (উচ্চ) নিম্ন, মাঝারি, উচ্চ
জেমিনি-৩-ফ্ল্যাশ-প্রিভিউ চালু (উচ্চ) ন্যূনতম, কম, মাঝারি, উচ্চ
জেমিনি-৩-প্রো-প্রিভিউ চালু (উচ্চ) নিম্ন, উচ্চ
জেমিনি-২.৫-প্রো চালু বাজেট: ১২৮-৩২৭৬৮
জেমিনি-২.৫-ফ্ল্যাশ চালু বাজেট: ০-২৪৫৭৬
জেমিনি-২.৫-ফ্ল্যাশ-লাইট বন্ধ বাজেট: ০-২৪৫৭৬

চিন্তাশীল মডেলগুলো জেমিনির সমস্ত সরঞ্জাম ও সক্ষমতা ব্যবহার করে কাজ করে। এর ফলে মডেলগুলো বাহ্যিক সিস্টেমের সাথে যোগাযোগ করতে, কোড কার্যকর করতে বা রিয়েল-টাইম তথ্য অ্যাক্সেস করতে পারে এবং প্রাপ্ত ফলাফলগুলোকে নিজেদের যুক্তির মধ্যে অন্তর্ভুক্ত করে।

এরপর কী?