Tư duy của Gemini

Các mô hình trong dòng Gemini 2.5 sử dụng "quy trình tư duy" nội bộ trong quá trình tạo phản hồi. Quá trình này góp phần cải thiện khả năng suy luận của trẻ và giúp trẻ sử dụng phương pháp lập kế hoạch nhiều bước để giải quyết các nhiệm vụ phức tạp. Điều này giúp các mô hình này đặc biệt hiệu quả trong việc lập trình, toán học nâng cao, phân tích dữ liệu và các công việc khác đòi hỏi phải lập kế hoạch hoặc tư duy.

Dùng thử bản xem trước Gemini 2.5 Flash trong Google AI Studio

Hướng dẫn này cho bạn biết cách làm việc với các chức năng tư duy của Gemini bằng cách sử dụng Gemini API.

Sử dụng mô hình tư duy

Các mô hình tích hợp khả năng tư duy có trong Google AI Studio và thông qua API Gemini. Tính năng suy nghĩ được bật theo mặc định trong cả API và AI Studio vì các mô hình dòng 2.5 có khả năng tự động quyết định thời điểm và mức độ suy nghĩ dựa trên câu lệnh. Đối với hầu hết các trường hợp sử dụng, bạn nên cân nhắc một số cách. Tuy nhiên, nếu muốn tắt tính năng suy nghĩ, bạn có thể thực hiện việc này bằng cách đặt tham số thinkingBudget thành 0.

Gửi một yêu cầu cơ bản

PythonJavaScriptGoREST

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."
         }
       ]
     }
   ]
 }'
 ```

Đặt ngân sách cho các mô hình tư duy

Tham số thinkingBudget cung cấp hướng dẫn cho mô hình về số lượng mã thông báo tư duy có thể sử dụng khi tạo phản hồi. Việc có nhiều mã thông báo hơn thường sẽ liên quan đến tư duy chi tiết hơn, cần thiết để giải quyết các nhiệm vụ phức tạp hơn. thinkingBudget phải là một số nguyên trong phạm vi từ 0 đến 24576. Đặt ngân sách tư duy là 0 sẽ vô hiệu hoá hoạt động tư duy.

Tuỳ thuộc vào lời nhắc, mô hình có thể vượt quá hoặc cạn kiệt ngân sách mã thông báo.

PythonJavaScriptREST

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
    }
  }
}'

Sử dụng các công cụ có mô hình tư duy

Bạn có thể kết hợp việc sử dụng các mô hình tư duy của mình với bất kỳ công cụ và khả năng nào của Gemini để thực hiện các hành động ngoài việc tạo văn bản. Điều này cho phép các API này tương tác với các hệ thống bên ngoài, thực thi mã hoặc truy cập vào thông tin theo thời gian thực, kết hợp kết quả vào lý do và phản hồi cuối cùng.

Công cụ tìm kiếm cho phép mô hình này truy vấn các công cụ tìm kiếm bên ngoài để tìm thông tin hoặc thông tin mới nhất ngoài dữ liệu huấn luyện của mô hình đó. Điều này sẽ hữu ích đối với các câu hỏi về các sự kiện gần đây hoặc các chủ đề rất cụ thể.
Công cụ thực thi mã cho phép mô hình này tạo và chạy mã Python để thực hiện các phép tính, thao tác với dữ liệu hoặc giải các bài tập được xử lý tốt nhất bằng thuật toán. Mô hình nhận được kết quả của mã và có thể sử dụng kết quả đó trong phản hồi.
Với đầu ra có cấu trúc, bạn có thể ràng buộc Gemini phản hồi bằng JSON, một định dạng đầu ra có cấu trúc phù hợp với quy trình xử lý tự động. Điều này đặc biệt hữu ích khi tích hợp đầu ra của mô hình vào các ứng dụng.
Lệnh gọi hàm kết nối mô hình tư duy với các công cụ và API bên ngoài, vì vậy, mô hình này có thể suy luận về thời điểm gọi hàm phù hợp và những tham số cần cung cấp.

Các phương pháp hay nhất

Phần này bao gồm một số hướng dẫn về cách sử dụng các mô hình tư duy một cách hiệu quả. Như thường lệ, việc làm theo hướng dẫn kịp thời và các phương pháp hay nhất của chúng tôi sẽ giúp bạn đạt được kết quả tốt nhất.

Gỡ lỗi và điều khiển

Xem xét lý do: Khi không nhận được câu trả lời dự kiến từ các mô hình tư duy, bạn nên phân tích kỹ quá trình lập luận của Gemini. Bạn có thể xem phương pháp này đã chia nhỏ hoạt động như thế nào và đi đến kết luận, đồng thời sử dụng thông tin đó để sửa đổi nhằm đưa ra kết quả phù hợp.
Đưa ra hướng dẫn trong quá trình lập luận: Nếu muốn đạt được một kết quả quá dài, bạn nên đưa ra hướng dẫn trong câu lệnh để hạn chế mức độ suy nghĩ mà mô hình sử dụng. Điều này cho phép bạn đặt trước nhiều dữ liệu đầu ra mã thông báo hơn cho phản hồi của mình.

Độ phức tạp của tác vụ

Nhiệm vụ dễ dàng (Có thể tắt tính năng Tư duy): Đối với các yêu cầu đơn giản, không cần phải suy luận phức tạp, chẳng hạn như truy xuất hoặc phân loại thông tin đơn giản, không cần phải suy nghĩ. Ví dụ như:
- " DeepMind được thành lập ở đâu?"
- "Email này là để mời tôi tham gia cuộc họp hay chỉ cung cấp thông tin?"
Tác vụ trung bình (Mặc định/Một chút suy nghĩ): Nhiều yêu cầu phổ biến hưởng lợi từ mức độ xử lý từng bước hoặc sự hiểu biết sâu sắc hơn. Gemini có thể linh hoạt sử dụng khả năng tư duy cho các nhiệm vụ như:
- So sánh quá trình quang hợp và quá trình lớn lên.
- So sánh và đối chiếu xe điện và xe lai.
Nhiệm vụ khó (Khả năng tư duy tối đa): Đối với những thử thách thực sự phức tạp, AI cần sử dụng toàn bộ khả năng lập luận và lập kế hoạch, thường liên quan đến nhiều bước nội bộ trước khi đưa ra câu trả lời. Ví dụ như:
- Giải bài toán 1 trong AIME 2025: Tìm tổng của tất cả các cơ số số nguyên b > 9 mà 17_b là ước của 97_b.
- Viết mã Python cho một ứng dụng web trực quan hoá dữ liệu thị trường chứng khoán theo thời gian thực, bao gồm cả việc xác thực người dùng. Hãy làm cho quá trình này hiệu quả nhất có thể.

Tiếp theo là gì?

Dùng thử bản xem trước Gemini 2.5 Pro trong Google AI Studio.
Để biết thêm thông tin về Bản dùng thử Gemini 2.5 Pro và Tư duy Gemini Flash 2.0, hãy xem trang mô hình.
Hãy thử xem thêm ví dụ trong Sổ tay tư duy.