Binjakët duke menduar

Modelet e serisë Gemini 2.5 përdorin një "proces të të menduarit" të brendshëm gjatë gjenerimit të përgjigjeve. Ky proces kontribuon në përmirësimin e aftësive të tyre të arsyetimit dhe i ndihmon ata të përdorin planifikimin me shumë hapa për të zgjidhur detyra komplekse. Kjo i bën këto modele veçanërisht të mira në kodim, matematikë të avancuar, analizë të të dhënave dhe detyra të tjera që kërkojnë planifikim ose të menduar.

Ky udhëzues ju tregon se si të punoni me aftësitë e të menduarit të Gemini duke përdorur Gemini API.

Përdorni modele të të menduarit

Modelet me aftësi të të menduarit janë të disponueshme në Google AI Studio dhe përmes Gemini API. Mendimi është aktivizuar si parazgjedhje si në API ashtu edhe në AI Studio, sepse modelet e serisë 2.5 kanë aftësinë të vendosin automatikisht se kur dhe sa të mendohet bazuar në kërkesën. Për shumicën e rasteve të përdorimit, është e dobishme të lini të menduarit. Por nëse dëshironi të çaktivizoni të menduarit, mund ta bëni këtë duke vendosur parametrin thinkingBudget në 0.

Dërgoni një kërkesë bazë

Python JavaScript Shkoni PUSHIMI 
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)

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();

// 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())
}

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."
         }
       ]
     }
   ]
 }'
 ```

Përcaktoni buxhetin për modelet e të menduarit

Parametri thinkingBudget i jep modelit udhëzime për numrin e argumenteve të të menduarit që mund të përdorë kur gjeneron një përgjigje. Një numër më i madh shenjash zakonisht shoqërohet me të menduarit më të detajuar, i cili nevojitet për zgjidhjen e detyrave më komplekse. thinkingBudget duhet të jetë një numër i plotë në rangun 0 deri në 24576. Vendosja e buxhetit të të menduarit në 0 çaktivizon të menduarit.

Në varësi të kërkesës, modeli mund të tejmbushet ose të nënshtrohet buxheti simbolik.

Python JavaScript PUSHIMI 
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)

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();

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
    }
  }
}'

Përdorni mjete me modele të të menduarit

Ju mund të kombinoni përdorimin tuaj të modeleve të të menduarit me ndonjë nga mjetet dhe aftësitë e Binjakëve për të kryer veprime përtej krijimit të tekstit. Kjo i lejon ata të ndërveprojnë me sisteme të jashtme, të ekzekutojnë kodin ose të kenë akses në informacione në kohë reale, duke përfshirë rezultatet në arsyetimin dhe përgjigjen e tyre përfundimtare.

  • Mjeti i kërkimit lejon modelin të kërkojë motorë kërkimi të jashtëm për të gjetur informacione të përditësuara ose informacione përtej të dhënave të tij të trajnimit. Kjo është e dobishme për pyetje në lidhje me ngjarjet e fundit ose tema shumë specifike.

  • Mjeti i ekzekutimit të kodit i mundëson modelit të gjenerojë dhe ekzekutojë kodin Python për të kryer llogaritjet, për të manipuluar të dhënat ose për të zgjidhur problemet që trajtohen më së miri në mënyrë algoritmike. Modeli merr daljen e kodit dhe mund ta përdorë atë në përgjigjen e tij.

  • Me daljen e strukturuar , mund ta kufizoni Gemini të përgjigjet me JSON, një format i strukturuar i daljes i përshtatshëm për përpunim të automatizuar. Kjo është veçanërisht e dobishme për integrimin e prodhimit të modelit në aplikacione.

  • Thirrja e funksionit lidh modelin e të menduarit me mjetet dhe API-të e jashtme, kështu që mund të arsyetojë se kur duhet thirrur funksioni i duhur dhe cilat parametra duhet të ofrojë.

Praktikat më të mira

Ky seksion përfshin disa udhëzime për përdorimin efikas të modeleve të të menduarit. Si gjithmonë, ndjekja e udhëzimeve tona nxitëse dhe praktikave më të mira do t'ju sjellë rezultatet më të mira.

Korrigjimi dhe drejtimi

  • Rishikoni arsyetimin : Kur nuk po merrni përgjigjen tuaj të pritur nga modelet e të menduarit, mund të ndihmojë të analizoni me kujdes procesin e arsyetimit të Binjakëve. Ju mund të shihni se si e ndau detyrën dhe arriti në përfundimin e saj dhe përdorni atë informacion për të korrigjuar drejt rezultateve të duhura.

  • Jepni udhëzime në arsyetim : Nëse jeni duke shpresuar për një rezultat veçanërisht të gjatë, mund të dëshironi të jepni udhëzime në kërkesën tuaj për të kufizuar sasinë e të menduarit që përdor modeli. Kjo ju lejon të rezervoni më shumë nga prodhimi token për përgjigjen tuaj.

Kompleksiteti i detyrës

  • Detyrat e thjeshta (Të menduarit mund të jetë OFF): Për kërkesa të drejtpërdrejta, nuk kërkohet arsyetim kompleks, si marrja e drejtpërdrejtë e fakteve ose klasifikimi, të menduarit nuk kërkohet. Shembujt përfshijnë:
    • "Ku u themelua DeepMind?"
    • "A është ky email që kërkon një takim apo thjesht jep informacion?"
  • Detyrat e mesme (Default/Disa të menduarit): Shumë kërkesa të zakonshme përfitojnë nga një shkallë e përpunimit hap pas hapi ose kuptimi më i thellë. Binjakët mund të përdorin në mënyrë fleksibël aftësinë e të menduarit për detyra si:
    • Analogjizo fotosintezën dhe rritjen.
    • Krahasoni dhe krahasoni makinat elektrike dhe makinat hibride.
  • Detyrat e vështira (Aftësia maksimale e të menduarit): Për sfida vërtet komplekse, AI duhet të angazhojë aftësitë e saj të plota të arsyetimit dhe planifikimit, shpesh duke përfshirë shumë hapa të brendshëm përpara se të japë një përgjigje. Shembujt përfshijnë:
    • Zgjidh problemin 1 në AIME 2025: Gjeni shumën e të gjitha bazave të numrave të plotë b > 9 për të cilat 17 b është pjesëtues i 97 b .
    • Shkruani kodin Python për një aplikacion në internet që vizualizon të dhënat e tregut të aksioneve në kohë reale, duke përfshirë vërtetimin e përdoruesit. Bëjeni sa më efikase.

Çfarë është më pas?