Gemini के बारे में सोच

Gemini 2.5 सीरीज़ के मॉडल, जवाब जनरेट करने के दौरान एक "थिंकिंग प्रोसेस" का इस्तेमाल करते हैं. इस प्रोसेस से, मशीन लर्निंग की रीज़निंग की क्षमताएं बेहतर होती हैं. साथ ही, इससे मशीन लर्निंग को मुश्किल टास्क हल करने के लिए, कई चरणों में की जाने वाली प्लानिंग का इस्तेमाल करने में मदद मिलती है. इससे ये मॉडल कोडिंग, बेहतर गणित, डेटा का विश्लेषण करने, और ऐसे दूसरे काम करने में माहिर हो जाते हैं जिनके लिए योजना बनाने या सोचने की ज़रूरत होती है.

इस गाइड में, Gemini API का इस्तेमाल करके, Gemini की सोचने की क्षमताओं के साथ काम करने का तरीका बताया गया है.

थिंकिंग मॉडल का इस्तेमाल करना

सोचने की क्षमता वाले मॉडल, Google AI Studio और Gemini API के ज़रिए उपलब्ध हैं. एपीआई और AI Studio, दोनों में ही 'सोचने की सुविधा' डिफ़ॉल्ट रूप से चालू रहती है. इसकी वजह यह है कि 2.5 सीरीज़ के मॉडल, प्रॉम्प्ट के आधार पर यह अपने-आप तय कर सकते हैं कि उन्हें कब और कितनी देर तक सोचना है. ज़्यादातर मामलों में, सोचना जारी रखें. हालांकि, अगर आपको थिंकिंग को बंद करना है, तो thinkingBudget पैरामीटर को 0 पर सेट करें.

बुनियादी अनुरोध भेजना

Python

from google import genai

client = genai.Client(api_key="GOOGLE_API_KEY")
prompt = "Explain the concept of Occam's Razor and provide a simple, everyday example."
response = client.models.generate_content(
    model="gemini-2.5-flash-preview-04-17",
    contents=prompt
)

print(response.text)

JavaScript

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

const ai = new GoogleGenAI({ apiKey: "GOOGLE_API_KEY" });

async function main() {
  const prompt = "Explain the concept of Occam's Razor and provide a simple, everyday example.";

  const response = await ai.models.generateContent({
    model: "gemini-2.5-flash-preview-04-17",
    contents: prompt,
  });

  console.log(response.text);
}

main();

शुरू करें

// import packages here

func main() {
  ctx := context.Background()
  client, err := genai.NewClient(ctx, option.WithAPIKey(os.Getenv("GOOGLE_API_KEY")))
  if err != nil {
    log.Fatal(err)
  }
  defer client.Close()

  model := client.GenerativeModel("gemini-2.5-flash-preview-04-17")
  resp, err := model.GenerateContent(ctx, genai.Text("Explain the concept of Occam's Razor and provide a simple, everyday example."))
  if err != nil {
    log.Fatal(err)
  }
  fmt.Println(resp.Text())
}

REST

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-flash-preview-04-17:generateContent?key=$GOOGLE_API_KEY" \
 -H 'Content-Type: application/json' \
 -X POST \
 -d '{
   "contents": [
     {
       "parts": [
         {
           "text": "Explain the concept of Occam\''s Razor and provide a simple, everyday example."
         }
       ]
     }
   ]
 }'
 ```

सोचने के मॉडल पर बजट सेट करें

thinkingBudget पैरामीटर से, मॉडल को यह समझने में मदद मिलती है कि रिस्पॉन्स जनरेट करते समय, सोच-समझकर कितने टोकन इस्तेमाल किए जा सकते हैं. आम तौर पर, टोकन की ज़्यादा संख्या ज़्यादा गहराई से सोचने की होती है, जो ज़्यादा मुश्किल टास्क को हल करने के लिए ज़रूरी होता है. thinkingBudget, 0 से 24576 के बीच की कोई संख्या होनी चाहिए. सोच-समझकर बजट को 0 पर सेट करने से सोचना बंद हो जाता है.

प्रॉम्प्ट के आधार पर, मॉडल, टोकन बजट को ओवरफ़्लो या अंडरफ़्लो कर सकता है.

Python

from google import genai
from google.genai import types

client = genai.Client()

response = client.models.generate_content(
    model="gemini-2.5-flash-preview-04-17",
    contents="Explain the Occam's Razor concept and provide everyday examples of it",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_budget=1024)
    ),
)

print(response.text)

JavaScript

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

const ai = new GoogleGenAI({ apiKey: "GOOGLE_API_KEY" });

async function main() {
  const response = await ai.models.generateContent({
    model: "gemini-2.5-flash-preview-04-17",
    contents: "Explain the Occam's Razor concept and provide everyday examples of it",
    config: {
      thinkingConfig: {
        thinkingBudget: 1024,
      },
    },
  });

  console.log(response.text);
}

main();

REST

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-flash-preview-04-17:generateContent?key=$GOOGLE_API_KEY" \
-H 'Content-Type: application/json' \
-X POST \
-d '{
  "contents": [
    {
      "parts": [
        {
          "text": "Explain the Occam\''s Razor concept and provide everyday examples of it"
        }
      ]
    }
  ],
  "generationConfig": {
    "thinkingConfig": {
          "thinkingBudget": 1024
    }
  }
}'

सोचने के मॉडल वाले टूल इस्तेमाल करना

टेक्स्ट जनरेट करने के अलावा, अलग-अलग अन्य कामों के लिए सोच-समझकर इस्तेमाल करने की सुविधा का इस्तेमाल, Gemini के किसी भी टूल और क्षमताओं के साथ किया जा सकता है. इससे उन्हें बाहरी सिस्टम से इंटरैक्ट करने, कोड चलाने या रीयल-टाइम जानकारी को ऐक्सेस करने में मदद मिलती है. इसमें, नतीजों को रीज़निंग और आखिरी जवाब में शामिल किया जाता है.

  • खोज टूल की मदद से मॉडल, बाहरी सर्च इंजन से क्वेरी कर सकता है कि वह इसके ट्रेनिंग डेटा के अलावा, अप-टू-डेट जानकारी या अन्य जानकारी हासिल कर सके. यह हाल के इवेंट या बहुत ज़्यादा खास विषयों से जुड़े सवालों के जवाब देने के लिए बहुत काम का है.

  • कोड लागू करने वाला टूल, Python कोड को जनरेट करने और चलाने में इस मॉडल की मदद करता है. इससे कैलकुलेशन, डेटा में हेर-फेर या उन समस्याओं को हल करने में मदद मिलती है जिन्हें एल्गोरिदम के ज़रिए सबसे अच्छे तरीके से हैंडल किया जाता है. मॉडल को कोड का आउटपुट मिलता है और वह इसका इस्तेमाल अपने जवाब में कर सकता है.

  • स्ट्रक्चर्ड आउटपुट की मदद से, Gemini को JSON के साथ जवाब देने के लिए सीमित किया जा सकता है. यह स्ट्रक्चर्ड आउटपुट फ़ॉर्मैट, ऑटोमेटेड प्रोसेसिंग के लिए सही है. ऐसा करना खास तौर पर, मॉडल के आउटपुट को ऐप्लिकेशन में इंटिग्रेट करने में मददगार होता है.

  • फ़ंक्शन कॉलिंग में, सोच-समझकर मॉडल को बाहरी टूल और एपीआई से जोड़ा जाता है. इससे यह तय किया जा सकता है कि सही फ़ंक्शन को कब कॉल करना है और कौनसे पैरामीटर देने हैं.

सबसे सही तरीके

इस सेक्शन में, सोचने के मॉडल का बेहतर तरीके से इस्तेमाल करने के बारे में कुछ दिशा-निर्देश दिए गए हैं. हमेशा की तरह, ज़रूरी दिशा-निर्देशों और सबसे सही तरीकों का पालन करने से, आपको सबसे अच्छे नतीजे मिलेंगे.

डीबग करना और स्टीयरिंग

  • तथ्यों की समीक्षा: अगर आपको आइडिया देने वाले मॉडल से सही जवाब नहीं मिल रहा है, तो Gemini की रीज़निंग की प्रोसेस का ध्यान से विश्लेषण करें. आप देख सकते हैं कि इसने किस तरह से टास्क को तोड़कर अपने निष्कर्ष पर पहुंचा दिया और इस जानकारी का इस्तेमाल सही नतीजों के लिए करें.

  • तर्क के बारे में दिशा-निर्देश दें: अगर आपको बहुत लंबे वीडियो की उम्मीद है, तो मॉडल में सोचने की मात्रा को सीमित करने के लिए, अपने प्रॉम्प्ट में दिशा-निर्देश दें. इससे आपको अपने जवाब के लिए, टोकन आउटपुट का ज़्यादा हिस्सा रिज़र्व करने में मदद मिलती है.

टास्क की जटिलता

  • आसान टास्क (सोचने की ज़रूरत नहीं है): आसान अनुरोधों के लिए, जटिल तर्क की ज़रूरत नहीं होती. जैसे, आसानी से तथ्यों को वापस पाना या उन्हें अलग-अलग कैटगरी में बांटना. उदाहरण के लिए:
    • "DeepMind की स्थापना कहां हुई थी?"
    • "क्या इस ईमेल में मीटिंग का अनुरोध किया गया है या सिर्फ़ जानकारी दी गई है?"
  • सामान्य टास्क (डिफ़ॉल्ट/कुछ सोचें): कई सामान्य अनुरोधों को सिलसिलेवार तरीके से प्रोसेस करने या उनकी बेहतर समझ का फ़ायदा मिलता है. Gemini, इन कामों के लिए, सोचने-समझने की सुविधा का इस्तेमाल कर सकता है:
    • प्रकाश संश्लेषण और बड़े होने की प्रक्रिया की तुलना करें.
    • इलेक्ट्रिक और हाइब्रिड कारों की तुलना करना.
  • मुश्किल टास्क (ज़्यादा से ज़्यादा सोचने की क्षमता): मुश्किल चुनौतियों के लिए, एआई को अपनी पूरी सोच और प्लानिंग की क्षमताओं का इस्तेमाल करना पड़ता है. अक्सर, जवाब देने से पहले कई इंटरनल चरण पूरे करने पड़ते हैं. उदाहरण के लिए:
    • AIME 2025 में सवाल 1 को हल करें: सभी पूर्णांक b > 9 का योग निकालें, जिसके लिए 17b, 97b का भाजक है.
    • ऐसे वेब ऐप्लिकेशन के लिए Python कोड लिखें जो उपयोगकर्ता की पुष्टि करने के साथ-साथ, रीयल-टाइम स्टॉक मार्केट डेटा को विज़ुअलाइज़ करता हो. इसे ज़्यादा से ज़्यादा असरदार बनाएं.

आगे क्या करना है?