Neues bei Gemini 3.5 Flash

Gemini 3.5 Flash ist allgemein verfügbar, stabil und für den skalierbaren Einsatz in der Produktion geeignet. Als unser intelligentestes Flash-Modell bietet es eine nachhaltige Spitzenleistung bei der agentischen Ausführung, beim Programmieren und bei Aufgaben mit langem Horizont in großem Maßstab.

Dieser Leitfaden enthält einen Überblick über Verbesserungen, API-Änderungen und Migrationsanleitungen für Gemini 3.5 Flash.

Neues Modell

Gemini 3.5 Flash unterstützt das Kontextfenster mit 1 Million Tokens, maximal 65.000 Ausgabetokens, Thinking und dieselben Tools und Plattformfunktionen wie Gemini 3 Flash. Computer Use wird derzeit nicht unterstützt.

Die vollständigen Spezifikationen finden Sie in der Modellübersicht. Informationen zu den Preisen finden Sie auf der Preisseite.

Kurzanleitung

In allen Beispielen in diesem Leitfaden wird die Interactions API verwendet. Die GenerateContent API wird ebenfalls unterstützt. Es gelten dieselben Konfigurationsoptionen und Empfehlungen.

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3.5-flash",
    input="Explain how parallel agentic execution works in three sentences."
)
print(interaction.output_text)

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

const client = new GoogleGenAI({});

async function main() {
  const interaction = await client.interactions.create({
    model: "gemini-3.5-flash",
    input: "Explain how parallel agentic execution works in three sentences.",
  });
  console.log(interaction.output_text);
}

main();

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -H "Api-Revision: 2026-05-20" \
  -d '{
    "model": "gemini-3.5-flash",
    "input": "Explain how parallel agentic execution works in three sentences."
  }'

Das ist neu

• Dauerhaft erstklassige Leistung:Unser intelligentestes Flash-Modell, das für agentische Aufgaben und Programmieraufgaben im großen Maßstab optimiert ist.
• Agentenbasierte Ausführung:Bereitstellung von Sub-Agents, Problemlösung und schnelle agentenbasierte Schleifen im großen Maßstab.
• Programmieren:Iterative Programmierzyklen, schnelle Erkundung und Prototyping, um alternative Pfade zu testen und Lösungen dynamisch zu erkunden.
• Langer Zeitraum:Mehrstufige Workflows und Tool-Nutzung im großen Maßstab.
• Gedankenerhalt:Das Modell behält Zwischenüberlegungen in mehrteiligen Unterhaltungen automatisch bei. Es sind keine API-Änderungen erforderlich.
• Neuer Standardaufwand: Der Standardaufwand für das Denken wurde von high in medium geändert. Weitere Informationen finden Sie unter Neuer Standardaufwand.
• Verbessertes low-Denken:low wurde für Code- und Agent-Aufgaben, die weniger Schritte erfordern, deutlich verbessert und bietet eine hohe Qualität bei geringerer Latenz und geringeren Kosten.
• GA-Release:Stabiles Modell für die skalierte Produktion.

Das richtige Flash-Modell auswählen

Gemini 3.5 Flash ist unser bisher intelligentestes und leistungsstärkstes Flash-Modell. Für verschiedene Anwendungsfälle können jedoch unterschiedliche Kosten- und Latenzanforderungen gelten.

• Gemini 3.1 Flash-Lite: Für kostengünstige Aufgaben mit hohem Volumen, die nicht die fortschrittliche Tiefe des logischen Schlussfolgerns von 3.5 Flash erfordern, empfehlen wir Gemini 3.1 Flash-Lite. Es ist ein stabiles, langfristiges Modell, das für Effizienz optimiert ist. Weitere Informationen finden Sie im Entwicklerleitfaden für Flash-Lite.
• Gemini 3 Flash (Vorabversion): Wir empfehlen zwar, zu 3.5 Flash zu migrieren, um die allgemeine Verfügbarkeit und verbesserte Schlussfolgerungen zu nutzen, aber Gemini 3 Flash (Vorabversion) ist weiterhin für Entwickler verfügbar, die das Vorabversionsmodell weiterhin testen möchten.

Verhaltensänderungen

Neuer Standardaufwand: medium

Der standardmäßige Denkaufwand ist jetzt medium. In der Vorabversion von Gemini 3 Flash war er high. medium liefert bei einer Vielzahl von Aufgaben sehr gute Ergebnisse und ist dabei schneller und kostengünstiger. Bei komplexen Problemen wird das Modell durch high angeregt, genauer nachzudenken.

Um die Standardeinstellung zu überschreiben, legen Sie thinking_level in Ihrer Konfiguration fest:

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3.5-flash",
    input="Prove that the square root of 2 is irrational.",
    generation_config={"thinking_level": "high"},
)
print(interaction.output_text)

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

const client = new GoogleGenAI({});

async function main() {
  const interaction = await client.interactions.create({
    model: "gemini-3.5-flash",
    input: "Prove that the square root of 2 is irrational.",
    generationConfig: { thinkingLevel: "high" },
  });
  console.log(interaction.output_text);
}

main();

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -H "Api-Revision: 2026-05-20" \
  -d '{
    "model": "gemini-3.5-flash",
    "input": "Prove that the square root of 2 is irrational.",
    "generation_config": {"thinking_level": "high"}
  }'

In der folgenden Tabelle sehen Sie, welche Denkebenen pro Modell unterstützt werden:

Gedanken bewahren

Das Modell behält automatisch Zwischenüberlegungen in Multi-Turn-Unterhaltungen bei. Wenn der Kontext für das logische Schlussfolgern im Unterhaltungsverlauf vorhanden ist, wird er weitergeführt, was die Leistung bei komplexen mehrstufigen Aufgaben wie iterativem Debugging und Refactoring von Code verbessert. Keine API-Änderungen erforderlich:

• Interactions API: Gedanken werden bereits automatisch beibehalten. Keine Verhaltensänderung.
• GenerateContent API: Ab Gemini 3.5 Flash verwendet das Modell den Reasoning-Kontext aus allen vorherigen Turns, wenn im Chatverlauf Gedanken-Signaturen vorhanden sind. Um dies zu ermöglichen, übergeben Sie den vollständigen, unveränderten Unterhaltungsverlauf (einschließlich Gedankensignaturen) in contents. Die SDKs erledigen das automatisch.

Parameterupdates und Best Practices in Gemini 3.x

Das Folgende gilt für alle Gemini 3.x-Modelle, einschließlich Gemini 3.5 Flash.

• temperature, top_p, top_k: Wir empfehlen dringend, die Standardwerte nicht zu ändern. Die Reasoning-Funktionen von Gemini 3 sind für die Standardeinstellungen optimiert.
• Verwenden Sie thinking_level anstelle von thinking_budget.
• Abgleich von Funktionsaufrufantworten: id, name und die Anzahl der Antworten müssen mit den vorherigen Aufrufen übereinstimmen.
• Multimodale Funktionsantworten: Multimodale Inhalte müssen in der Funktionsantwort enthalten sein, nicht außerhalb.
• Inline-Anweisungen in Funktionsantworten: An den Antworttext der Funktion anhängen, nicht als separate Teile.
• Unnötige Tool-Aufrufe reduzieren: Verwenden Sie niedrigere Denkebenen oder testen Sie Systemanweisungen, um Tool-Aufrufe in Agent-Workflows zu reduzieren.

In den folgenden Abschnitten erfahren Sie, wie Sie Ihren Code aktualisieren.

Sampling-Parameter (nicht mehr empfohlen)

temperature, top_p und top_k werden für alle Gemini 3.x-Modelle nicht mehr empfohlen. Die Schlussfolgerungsfunktionen von Gemini 3 sind für die Standardeinstellungen optimiert. Entfernen Sie diese Parameter aus allen Anfragen.

# ⚠️ Remove these parameters (not recommended)
generation_config = {
    "temperature": 0.7,
    "top_p": 0.9,
    "top_k": 40,
}

Um die Deterministik zu gewährleisten, empfehlen wir, eine Systemanweisung mit expliziten Regeln für Ihren spezifischen Anwendungsfall zu definieren.

thinking_budget (nicht mehr empfohlen)

Der numerische Rohparameter thinking_budget wird für alle Gemini 3.x-Modelle nicht mehr empfohlen. Verwenden Sie stattdessen das String-Enum thinking_level.

# ⚠️ Before (not recommended)
generation_config = {
    "thinking": {"thinking_budget": 7500},
}

# ✅ After
generation_config = {
    "thinking": {"thinking_level": "medium"},
}

Verfügbare Werte: minimal, low, medium (Standard) und high.

Funktionsaufrufe: Strikter Abgleich von Antworten

Die Interactions API gibt bereits Fehler bei nicht übereinstimmenden Funktionsantworten zurück. Die GenerateContent API gibt noch keinen Fehler zurück, aber bei nicht übereinstimmenden Antworten gibt das Modell in den meisten Fällen leere Antworten mit finish_reason: STOP zurück. Beachten Sie immer die folgenden Konventionen:

# ✅ Include matching call_id and name in the function_result
final_interaction = client.interactions.create(
    model="gemini-3.5-flash",
    previous_interaction_id=interaction.id,
    tools=[my_tool],
    input=[{
        "type": "function_result",
        "name": fc_step.name,
        "call_id": fc_step.id,
        "result": [{"type": "text", "text": json.dumps(result)}],
    }],
)

// ✅ Include matching call_id and name in the function_result
const finalInteraction = await client.interactions.create({
  model: "gemini-3.5-flash",
  previousInteractionId: interaction.id,
  tools: [myTool],
  input: [{
    type: "function_result",
    name: fcStep.name,
    call_id: fcStep.id,
    result: [{ type: "text", text: JSON.stringify(result) }],
  }],
});

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -H "Api-Revision: 2026-05-20" \
  -d '{
    "model": "gemini-3.5-flash",
    "previous_interaction_id": "<INTERACTION_ID>",
    "tools": [...],
    "input": [{
      "type": "function_result",
      "name": "my_function",
      "call_id": "<CALL_ID>",
      "result": [{"type": "text", "text": "..."}]
    }]
  }'

Multimodale Funktionsantworten

Wir stellen häufig fest, dass Clients Bilder außerhalb der Funktionsantwort bereitstellen. Dies kann zu unerwartetem Modellverhalten (z.B. Gedankenlecks) und zu Ausgaben von geringerer Qualität führen. Folgen Sie stattdessen der Empfehlung in der API-Dokumentation zu multimodalen Funktionsantworten und fügen Sie multimodale Inhalte in die Teile der Funktionsantwort ein, die Sie an das Modell senden. Das Modell kann diese multimodalen Inhalte in seinem nächsten Zug verarbeiten, um eine fundiertere Antwort zu geben.

# ✅ Include multimodal content in the function response
final_interaction = client.interactions.create(
    model="gemini-3.5-flash",
    previous_interaction_id=interaction.id,
    input=[
        {
            "type": "function_result",
            "name": tool_call.name,
            "call_id": tool_call.id,
            "result": [
                {"type": "text", "text": "instrument.jpg"},
                {
                    "type": "image",
                    "mime_type": "image/jpeg",
                    "data": base64_image_data,
                },
            ],
        }
    ],
)

// ✅ Include multimodal content in the function response
const finalInteraction = await client.interactions.create({
  model: "gemini-3.5-flash",
  previousInteractionId: interaction.id,
  input: [{
    type: "function_result",
    name: toolCall.name,
    call_id: toolCall.id,
    result: [
      { type: "text", text: "instrument.jpg" },
      {
        type: "image",
        mime_type: "image/jpeg",
        data: base64ImageData,
      },
    ],
  }],
});

Inline-Anweisungen in Funktionsantworten

Wir sehen oft, dass Clients zusammen mit Funktionsantworten zusätzliche Anweisungen als nachfolgende Parts bereitstellen. Dies kann zu unerwartetem Modellverhalten (z.B. Offenlegung von Gedanken) und zu Ausgaben von geringerer Qualität führen. Hängen Sie stattdessen alle zusätzlichen Anweisungen an das Ende des Funktionsantworttexts an und trennen Sie sie durch zwei Zeilenumbrüche.

# ✅ 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_interaction = client.interactions.create(
    model="gemini-3.5-flash",
    previous_interaction_id=interaction.id,
    tools=[my_tool],
    input=[{
        "type": "function_result",
        "name": fc_step.name,
        "call_id": fc_step.id,
        "result": [{"type": "text", "text": result_text}],
    }],
)

// ✅ 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 finalInteraction = await client.interactions.create({
  model: "gemini-3.5-flash",
  previousInteractionId: interaction.id,
  tools: [myTool],
  input: [{
    type: "function_result",
    name: fcStep.name,
    call_id: fcStep.id,
    result: [{ type: "text", text: resultText }],
  }],
});

Unnötige Tool-Aufrufe reduzieren

Wenn es zu einem übermäßigen Gebrauch von Tool-Aufrufen kommt, können Sie das mit zwei Methoden minimieren:

1. Denkstufe reduzieren (medium, low oder minimal): Bei höheren Denkstufen wird das Modell dazu angeregt, mehr Tools zum Erkunden und Überprüfen zu verwenden. Durch Senken der Stufe kann die Anzahl der Tool-Aufrufe reduziert werden.

2. Systemanweisung hinzufügen:Wenn die Überbeanspruchung nach dem Anpassen der Denkebene weiterhin besteht, sollten Sie einen Prompt verwenden, der die Toolnutzung einschränkt. Beispiel:

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

Checkliste für die Migration

Wir empfehlen dringend, auf das google-genai SDK v2.0.0 oder höher zu aktualisieren. In dieser Version werden nicht abwärtskompatible Änderungen an der Interactions API eingeführt. Weitere Informationen finden Sie in der Migrationsanleitung zu wichtigen Änderungen.

Von Gemini 3 Flash (Vorabversion) migrieren

• Modellname aktualisieren: gemini-3-flash-preview → gemini-3.5-flash
• Preise prüfen. Gemini 3.5 Flash ist teurer als Gemini 3 Flash (Vorabversion). Wenn Ihr Anwendungsfall sehr kostensensibel ist, sollten Sie stattdessen zu Gemini 3.1 Flash-Lite migrieren. Weitere Informationen finden Sie auf der Preisseite.
• Entfernen Sie temperature, top_p und top_k aus Ihrer Konfiguration (nicht mehr empfohlen).
• Ersetzen Sie thinking_budget durch thinking_level.
• Fügen Sie allen FunctionResponse-Teilen id und das entsprechende name hinzu.
• Prompts testen Der Standardaufwand wurde von high in medium geändert. Überprüfen Sie Qualität, Geschwindigkeit und Kosten.
• Die Funktion zum Speichern von Gedanken ist jetzt standardmäßig aktiviert. Der Kontext für die Begründung wird über mehrere Züge hinweg beibehalten, was die Leistung verbessert, aber die Tokennutzung erhöhen kann.
• Reduzieren Sie unnötige Tool-Aufrufe: Beginnen Sie damit, die Denkebene zu reduzieren (medium, low oder minimal). Fügen Sie eine Systemanweisung hinzu, um die Tool-Nutzung einzuschränken, wenn es weiterhin zu einer Überbeanspruchung kommt.
• Computer Use wird in Gemini 3.5 Flash derzeit nicht unterstützt. Für Arbeitslasten zur Computernutzung verwenden Sie weiterhin Gemini 3 Flash Preview.

Von Gemini 2.5 migrieren

Alle oben genannten Punkte plus:

• Prompts vereinfachen Wenn Sie Chain-of-Thought-Prompt-Engineering verwendet haben, um das Reasoning zu erzwingen, versuchen Sie es stattdessen mit thinking_level: "medium" oder "high" und einfacheren Prompts.
• PDF- und Media-Arbeitslasten testen Wenn Sie sich auf ein bestimmtes Verhalten für das Parsen von dichten Dokumenten verlassen haben, testen Sie die Einstellung media_resolution_high, um die Genauigkeit beizubehalten. Durch die Migration zu Gemini 3-Standardeinstellungen kann sich die Anzahl der verwendeten Tokens für PDFs erhöhen, für Videos jedoch verringern. Wenn Anfragen das Kontextfenster überschreiten, sollten Sie die media_resolution explizit verringern. Weitere Informationen finden Sie in der Dokumentation zur Media-Auflösung.
• Kombinierte Tools nutzen Google Suche, URL-Kontext, Codeausführung und benutzerdefinierte Funktionen können in derselben Anfrage verwendet werden.
• Wenn Sie multimodale Funktionsantworten verwenden, verschieben Sie multimodale Inhalte in die Teile der Funktionsantwort und nicht daneben.
• Wenn Sie Inline-Anweisungen mit Funktionsantworten verwenden, hängen Sie sie an den Text der Funktionsantwort an und trennen Sie sie durch zwei Zeilenumbrüche, nicht als separate Teile.
• Die Bildsegmentierung wird in Gemini 3.x nicht unterstützt. Für Segmentierungs-Workloads verwenden Sie weiterhin Gemini 2.5 Flash ohne Thinking oder Gemini Robotics-ER 1.6.

Funktionen der Gemini 3-Familie

Gemini 3.5 Flash bietet alle Funktionen der Gemini 3-Familie mit Ausnahme von „Computer Use“. Funktionen, die in Gemini 3 eingeführt wurden und weiterhin verfügbar sind:

• Thinking:Der verschlüsselte Kontext für die Begründung wird über API-Aufrufe hinweg beibehalten. Automatisch in der Interactions API; implizit in GenerateContent.
• Strukturierte Ausgaben mit Tools:Kombinieren Sie den JSON-Modus mit integrierten Tools (Suche, URL-Kontext, Codeausführung, Funktionsaufruf).
• Multimodale Funktionsantworten:Bilder, Audio und andere Medien in Funktionsaufrufergebnissen zurückgeben.
• Codeausführung mit Bildern:Code ausführen, der Bilder verarbeitet und generiert.
• Kombinierte Tool-Nutzung:Verwenden Sie integrierte Tools und benutzerdefinierte Funktionsaufrufe in derselben Anfrage.
• Media-Auflösung:Detaillierte Kontrolle über die Tokenzuweisung für Bild-, Video- und PDF-Eingaben. Gemini 3-Modelle unterstützen Auflösungseinstellungen pro Inhaltselement (low, medium, high, ultra_high) für Prompts mit gemischter Qualität.
• Gedankensignaturen:Verschlüsselte Darstellungen der internen Argumentation des Modells. Erforderlich für Multi-Turn-Funktionsaufrufe im zustandslosen Modus; wird automatisch von der Interactions API und den offiziellen SDKs verwaltet.

Best Practices für die Prompt-Erstellung

Gemini 3.x-Modelle sind Modelle für das Schlussfolgern. Das hat Auswirkungen auf die Art und Weise, wie Sie Prompts erstellen sollten.

• Genaue Anweisungen:Fassen Sie sich kurz. Gemini 3.x reagiert am besten auf direkte, klare Anweisungen. Ausführliche oder komplexe Prompt-Engineering-Techniken, die für ältere Modelle entwickelt wurden, können dazu führen, dass das Modell zu viele Analysen durchführt.
• Ausführlichkeit der Ausgabe:Standardmäßig sind Gemini 3 und 3.1 weniger ausführlich und bevorzugen direkte, effiziente Antworten. Wenn Ihr Anwendungsfall einen Konversationston erfordert, weisen Sie das Modell in Ihrem Prompt explizit darauf hin (z. B. „Erkläre das als freundlicher, gesprächiger Assistent“).
• Kontextverwaltung:Wenn Sie mit großen Datasets arbeiten (z. B. ganze Bücher, Codebasen oder lange Videos), platzieren Sie Ihre spezifischen Anweisungen oder Fragen am Ende des Prompts, nach dem Datenkontext. Verankern Sie die Argumentation des Modells, indem Sie Ihre Frage mit einer Formulierung wie „Basierend auf den vorherigen Informationen…“ beginnen.

Weitere Informationen zu Strategien für das Design von Prompts finden Sie im Leitfaden zum Prompt-Engineering.

Beschränkungen

• Die Bildsegmentierung wird in Gemini 3.x nicht unterstützt. Für Segmentierungs-Workloads verwenden Sie weiterhin Gemini 2.5 Flash ohne Thinking oder Gemini Robotics-ER 1.6.

FAQ

1. Was ist der Wissensstand von Gemini 3.5 Flash? Gemini 3.5 Flash hat einen Wissensstand vom Januar 2025. Aktuellere Informationen finden Sie im Tool Search Grounding.

2. What are the context window limits? Gemini 3.5 Flash unterstützt ein Kontextfenster mit bis zu 1 Million Eingabetokens und bis zu 65.000 Ausgabetokens.

3. Funktioniert mein alter thinking_budget-Code weiterhin? Ja, thinking_budget wird aus Gründen der Abwärtskompatibilität weiterhin unterstützt. Wir empfehlen jedoch, zu thinking_level zu migrieren, um eine besser vorhersagbare Leistung zu erzielen. Verwenden Sie nicht beide in derselben Anfrage.

4. Unterstützt Gemini 3.5 Flash die Batch API? Ja. Weitere Informationen finden Sie im Batch API-Leitfaden.

5. Wird Kontext-Caching unterstützt? Ja, Kontext-Caching wird unterstützt.

6. Welche Tools werden unterstützt? Gemini 3.5 Flash unterstützt Google Suche, Grounding mit Google Maps, Dateisuche, Codeausführung, URL-Kontext und Standard-Funktionsaufrufe>, einschließlich kombinierter Toolnutzung. Computer Use wird in Gemini 3.5 Flash nicht unterstützt.

Nächste Schritte

• Weitere Informationen zu Strategien für das Design von Prompts finden Sie im Leitfaden zum Prompt-Engineering.
• Gemini 3 Cookbook
• Informationen zur Optimierung und Inferenz der Gemini API