Podpisy myśli

Podpisy myśli to zaszyfrowane reprezentacje wewnętrznego procesu myślowego modelu. Służą one do zachowania kontekstu rozumowania w interakcjach wieloetapowych. Gdy używasz modeli myślących (takich jak Gemini 3 i 2.5), interfejs API może zwracać pole thoughtSignature w częściach odpowiedzi dotyczących treści (np. text lub functionCall).

Ogólnie rzecz biorąc, jeśli otrzymasz podpis myśli w odpowiedzi modelu, w następnym etapie rozmowy musisz go przekazać dokładnie w takiej postaci, w jakiej został otrzymany, podczas wysyłania historii rozmowy. Gdy używasz modeli Gemini 3, musisz przekazywać podpisy myśli podczas wywoływania funkcji. W przeciwnym razie otrzymasz błąd weryfikacji (kod stanu 4xx). Dotyczy to również sytuacji, gdy używasz ustawienia minimal poziomu myślenia w przypadku Gemini 3 Flash.

Jak to działa

Poniższy diagram ilustruje znaczenie słów „etap” i „krok” w kontekście wywoływania funkcji w interfejsie Gemini API. „Etap” to pojedyncza, pełna wymiana informacji w rozmowie między użytkownikiem a modelem. „Krok” to bardziej szczegółowe działanie lub operacja wykonywana przez model, często w ramach większego procesu mającego na celu ukończenie etapu.

Diagram przedstawiający tury i kroki wywoływania funkcji

Ten dokument koncentruje się na obsłudze wywoływania funkcji w przypadku modeli Gemini 3. Więcej informacji o różnicach w przypadku modelu 2.5 znajdziesz w sekcji Zachowanie modelu.

Gemini 3 zwraca podpisy myśli we wszystkich odpowiedziach modelu (odpowiedziach z interfejsu API) z wywołaniem funkcji. Podpisy myśli pojawiają się w tych przypadkach:

  • Gdy występują równoległe wywołania funkcji, pierwsza część wywołania funkcji zwrócona przez odpowiedź modelu będzie zawierać podpis myśli.
  • Gdy występują sekwencyjne wywołania funkcji (wieloetapowe), każde wywołanie funkcji będzie miało podpis i musisz przekazać wszystkie podpisy.
  • Odpowiedzi modelu bez wywołania funkcji będą zawierać podpis myśli w ostatniej części zwróconej przez model.

W tabeli poniżej przedstawiono wizualizację wieloetapowych wywołań funkcji, łącząc definicje etapów i kroków z koncepcją podpisów wprowadzoną powyżej:

Etap

Krok

Prośba użytkownika

Odpowiedź modelu

FunctionResponse

1

1

 request1 = user_prompt FC1 + signature FR1

1

2

 request2 = request1 + (FC1 + signature) + FR1 FC2 + signature FR2

1

3

 request3 = request2 + (FC2 + signature) + FR2 text_output

(no FCs)

Brak

Podpisy w częściach wywoływania funkcji

Gdy Gemini generuje functionCall, w następnym etapie rozmowy korzysta z thought_signature, aby prawidłowo przetworzyć dane wyjściowe narzędzia.

  • Zachowanie:
    • Pojedyncze wywołanie funkcji: część functionCall będzie zawierać thought_signature.
    • Równoległe wywołania funkcji: jeśli model wygeneruje w odpowiedzi równoległe wywołania funkcji, thought_signature zostanie dołączony tylko do pierwszej functionCall części. Kolejne części functionCall w tej samej odpowiedzi nie będą zawierać podpisu.
  • Wymaganie: podczas wysyłania historii rozmowy musisz zwrócić ten podpis w dokładnie tej części, w której został otrzymany.
  • Weryfikacja: w przypadku wszystkich wywołań funkcji w bieżącym etapie rozmowy obowiązuje ścisła weryfikacja . (Wymagany jest tylko bieżący etap rozmowy. Nie weryfikujemy poprzednich etapów).
    • Interfejs API cofa się w historii (od najnowszej do najstarszej), aby znaleźć najnowszą wiadomość użytkownika zawierającą standardową treść (np. text) ( czyli początek bieżącego etapu rozmowy). Nie be to functionResponse.
    • Wszystkie etapy functionCall modelu występujące po tej konkretnej wiadomości użytkownika są uważane za część etapu.
    • Pierwsza część functionCall w każdym kroku bieżącego etapu rozmowy musi zawierać swój thought_signature.
    • Jeśli pominiesz thought_signature w pierwszej części functionCall w dowolnym kroku bieżącego etapu rozmowy, żądanie zakończy się niepowodzeniem z błędem 400.
  • Jeśli nie zostaną zwrócone prawidłowe podpisy, wystąpi błąd:
    • Modele Gemini 3: brak podpisów spowoduje błąd 400. Komunikat będzie miał postać:
      • Wywołanie funkcji <Function Call> w bloku treści <index of contents array> nie zawiera thought_signature. Na przykład Wywołanie funkcji FC1 w bloku treści 1. nie zawiera thought_signature.

Przykład sekwencyjnego wywoływania funkcji

Ta sekcja zawiera przykład wielu wywołań funkcji, w których użytkownik zadaje złożone pytanie wymagające wykonania kilku zadań.

Przyjrzyjmy się przykładowi wywoływania funkcji w ramach wielu etapów rozmowy, w którym użytkownik zadaje złożone pytanie wymagające wykonania kilku zadań: "Check flight status for AA100 and book a taxi if delayed".

Etap

Krok

Prośba użytkownika

Odpowiedź modelu

FunctionResponse

1

1

 request1="Check flight status for AA100 and book a taxi 2 hours before if delayed." FC1 ("check_flight") + signature FR1

1

2

 request2 = request1 + FC1 ("check_flight") + signature + FR1 FC2("book_taxi") + signature FR2

1

3

 request3 = request2 + FC2 ("book_taxi") + signature + FR2 text_output

(no FCs)

 None

Poniższy kod ilustruje sekwencję z tabeli powyżej.

Etap 1, krok 1 (prośba użytkownika)

{
  "contents": [
    {
      "role": "user",
      "parts": [
        {
          "text": "Check flight status for AA100 and book a taxi 2 hours before if delayed."
        }
      ]
    }
  ],
  "tools": [
    {
      "functionDeclarations": [
        {
          "name": "check_flight",
          "description": "Gets the current status of a flight",
          "parameters": {
            "type": "object",
            "properties": {
              "flight": {
                "type": "string",
                "description": "The flight number to check"
              }
            },
            "required": [
              "flight"
            ]
          }
        },
        {
          "name": "book_taxi",
          "description": "Book a taxi",
          "parameters": {
            "type": "object",
            "properties": {
              "time": {
                "type": "string",
                "description": "time to book the taxi"
              }
            },
            "required": [
              "time"
            ]
          }
        }
      ]
    }
  ]
}

Etap 1, krok 1 (odpowiedź modelu)

{
"content": {
        "role": "model",
        "parts": [
          {
            "functionCall": {
              "name": "check_flight",
              "args": {
                "flight": "AA100"
              }
            },
            "thoughtSignature": "<Signature A>"
          }
        ]
  }
}

Etap 1, krok 2 (odpowiedź użytkownika – wysyłanie danych wyjściowych narzędzia) Ponieważ ten etap rozmowy użytkownika zawiera tylko functionResponse (bez nowego tekstu), nadal jesteśmy na etapie 1. Musimy zachować <Signature_A>.

{
      "role": "user",
      "parts": [
        {
          "text": "Check flight status for AA100 and book a taxi 2 hours before if delayed."
        }
      ]
    },
    {
        "role": "model",
        "parts": [
          {
            "functionCall": {
              "name": "check_flight",
              "args": {
                "flight": "AA100"
              }
            },
            "thoughtSignature": "<Signature A>" //Required and Validated
          }
        ]
      },
      {
        "role": "user",
        "parts": [
          {
            "functionResponse": {
              "name": "check_flight",
              "response": {
                "status": "delayed",
                "departure_time": "12 PM"
                }
              }
            }
        ]
}

Etap 1, krok 2 (model) Model decyduje teraz o zamówieniu taksówki na podstawie poprzednich danych wyjściowych narzędzia.

{
      "content": {
        "role": "model",
        "parts": [
          {
            "functionCall": {
              "name": "book_taxi",
              "args": {
                "time": "10 AM"
              }
            },
            "thoughtSignature": "<Signature B>"
          }
        ]
      }
}

Etap 1, krok 3 (użytkownik – wysyłanie danych wyjściowych narzędzia) Aby wysłać potwierdzenie rezerwacji taksówki, musimy uwzględnić podpisy wszystkich wywołań funkcji w tej pętli (<Signature A> + <Signature B>).

{
      "role": "user",
      "parts": [
        {
          "text": "Check flight status for AA100 and book a taxi 2 hours before if delayed."
        }
      ]
    },
    {
        "role": "model",
        "parts": [
          {
            "functionCall": {
              "name": "check_flight",
              "args": {
                "flight": "AA100"
              }
            },
            "thoughtSignature": "<Signature A>" //Required and Validated
          }
        ]
      },
      {
        "role": "user",
        "parts": [
          {
            "functionResponse": {
              "name": "check_flight",
              "response": {
                "status": "delayed",
                "departure_time": "12 PM"
              }
              }
            }
        ]
      },
      {
        "role": "model",
        "parts": [
          {
            "functionCall": {
              "name": "book_taxi",
              "args": {
                "time": "10 AM"
              }
            },
            "thoughtSignature": "<Signature B>" //Required and Validated
          }
        ]
      },
      {
        "role": "user",
        "parts": [
          {
            "functionResponse": {
              "name": "book_taxi",
              "response": {
                "booking_status": "success"
              }
              }
            }
        ]
    }
}

Przykład równoległego wywoływania funkcji

Przyjrzyjmy się przykładowi równoległego wywoływania funkcji, w którym użytkownik pyta "Check weather in Paris and London" aby zobaczyć, gdzie model przeprowadza weryfikację.

Etap

Krok

Prośba użytkownika

Odpowiedź modelu

FunctionResponse

1

1

request1="Check the weather in Paris and London"

FC1 ("Paris") + signature

FC2 ("London")

FR1

1

2

request 2 = request1 + FC1 ("Paris") + signature + FC2 ("London")

text_output

(no FCs)

Brak

Poniższy kod ilustruje sekwencję z tabeli powyżej.

Etap 1, krok 1 (prośba użytkownika)

{
  "contents": [
    {
      "role": "user",
      "parts": [
        {
          "text": "Check the weather in Paris and London."
        }
      ]
    }
  ],
  "tools": [
    {
      "functionDeclarations": [
        {
          "name": "get_current_temperature",
          "description": "Gets the current temperature for a given location.",
          "parameters": {
            "type": "object",
            "properties": {
              "location": {
                "type": "string",
                "description": "The city name, e.g. San Francisco"
              }
            },
            "required": [
              "location"
            ]
          }
        }
      ]
    }
  ]
}

Etap 1, krok 1 (odpowiedź modelu)

{
  "content": {
    "parts": [
      {
        "functionCall": {
          "name": "get_current_temperature",
          "args": {
            "location": "Paris"
          }
        },
        "thoughtSignature": "<Signature_A>"// INCLUDED on First FC
      },
      {
        "functionCall": {
          "name": "get_current_temperature",
          "args": {
            "location": "London"
          }// NO signature on subsequent parallel FCs
        }
      }
    ]
  }
}

Etap 1, krok 2 (odpowiedź użytkownika – wysyłanie danych wyjściowych narzędzia) Musimy zachować <Signature_A> w pierwszej części dokładnie w takiej postaci, w jakiej została otrzymana.

[
  {
    "role": "user",
    "parts": [
      {
        "text": "Check the weather in Paris and London."
      }
    ]
  },
  {
    "role": "model",
    "parts": [
      {
        "functionCall": {
          "name": "get_current_temperature",
          "args": {
            "city": "Paris"
          }
        },
        "thought_signature": "<Signature_A>" // MUST BE INCLUDED
      },
      {
        "functionCall": {
          "name": "get_current_temperature",
          "args": {
            "city": "London"
          }
        }
      } // NO SIGNATURE FIELD
    ]
  },
  {
    "role": "user",
    "parts": [
      {
        "functionResponse": {
          "name": "get_current_temperature",
          "response": {
            "temp": "15C"
          }
        }
      },
      {
        "functionResponse": {
          "name": "get_current_temperature",
          "response": {
            "temp": "12C"
          }
        }
      }
    ]
  }
]

Podpisy w częściach innych niż functionCall

Gemini może też zwracać thought_signatures w ostatniej części odpowiedzi w częściach innych niż wywołanie funkcji.

  • Zachowanie: ostatnia część treści (text, inlineData…) zwrócona przez model może zawierać thought_signature.
  • Zalecenie: zwracanie tych podpisów jest zalecane , aby zapewnić modelowi wysoką jakość rozumowania, zwłaszcza w przypadku złożonych instrukcji lub symulowanych przepływów pracy agenta.
  • Weryfikacja: interfejs API nie wymusza ścisłej weryfikacji. Jeśli je pominiesz, nie otrzymasz błędu blokującego, ale wydajność może się pogorszyć.

Tekst/rozumowanie w kontekście (bez weryfikacji)

Etap 1, krok 1 (odpowiedź modelu)

{
  "role": "model",
  "parts": [
    {
      "text": "I need to calculate the risk. Let me think step-by-step...",
      "thought_signature": "<Signature_C>" // OPTIONAL (Recommended)
    }
  ]
}

Etap 2, krok 1 (użytkownik)

[
  { "role": "user", "parts": [{ "text": "What is the risk?" }] },
  {
    "role": "model", 
    "parts": [
      {
        "text": "I need to calculate the risk. Let me think step-by-step...",
        // If you omit <Signature_C> here, no error will occur.
      }
    ]
  },
  { "role": "user", "parts": [{ "text": "Summarize it." }] }
]

Podpisy zapewniające zgodność z OpenAI

Poniższe przykłady pokazują, jak obsługiwać podpisy myśli w interfejsie Chat Completion API przy użyciu zgodności z OpenAI.

Przykład sekwencyjnego wywoływania funkcji

To jest przykład wielu wywołań funkcji, w których użytkownik zadaje złożone pytanie wymagające wykonania kilku zadań.

Przyjrzyjmy się przykładowi wywoływania funkcji w ramach wielu etapów rozmowy, w którym użytkownik pyta Check flight status for AA100 and book a taxi if delayed Możesz zobaczyć, co się stanie, gdy użytkownik zada złożone pytanie wymagające wykonania kilku zadań.

Etap

Krok

Prośba użytkownika

Odpowiedź modelu

FunctionResponse

1

1

 request1="Check the weather in Paris and London" FC1 ("Paris") + signature

FC2 ("London")

 FR1

1

2

 request 2 = request1 + FC1 ("Paris") + signature + FC2 ("London") text_output

(no FCs)

 None

Poniższy kod przedstawia daną sekwencję.

Etap 1, krok 1 (prośba użytkownika)

{
  "model": "google/gemini-3.1-pro-preview",
  "messages": [
    {
      "role": "user",
      "content": "Check flight status for AA100 and book a taxi 2 hours before if delayed."
    }
  ],
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "check_flight",
        "description": "Gets the current status of a flight",
        "parameters": {
          "type": "object",
          "properties": {
            "flight": {
              "type": "string",
              "description": "The flight number to check."
            }
          },
          "required": [
            "flight"
          ]
        }
      }
    },
    {
      "type": "function",
      "function": {
        "name": "book_taxi",
        "description": "Book a taxi",
        "parameters": {
          "type": "object",
          "properties": {
            "time": {
              "type": "string",
              "description": "time to book the taxi"
            }
          },
          "required": [
            "time"
          ]
        }
      }
    }
  ]
}

Etap 1, krok 1 (odpowiedź modelu)

{
      "role": "model",
        "tool_calls": [
          {
            "extra_content": {
              "google": {
                "thought_signature": "<Signature A>"
              }
            },
            "function": {
              "arguments": "{\"flight\":\"AA100\"}",
              "name": "check_flight"
            },
            "id": "function-call-1",
            "type": "function"
          }
        ]
    }

Etap 1, krok 2 (odpowiedź użytkownika – wysyłanie danych wyjściowych narzędzia)

Ponieważ ten etap rozmowy użytkownika zawiera tylko functionResponse (bez nowego tekstu), nadal jesteśmy na etapie 1 i musimy zachować <Signature_A>.

"messages": [
    {
      "role": "user",
      "content": "Check flight status for AA100 and book a taxi 2 hours before if delayed."
    },
    {
      "role": "model",
        "tool_calls": [
          {
            "extra_content": {
              "google": {
                "thought_signature": "<Signature A>" //Required and Validated
              }
            },
            "function": {
              "arguments": "{\"flight\":\"AA100\"}",
              "name": "check_flight"
            },
            "id": "function-call-1",
            "type": "function"
          }
        ]
    },
    {
      "role": "tool",
      "name": "check_flight",
      "tool_call_id": "function-call-1",
      "content": "{\"status\":\"delayed\",\"departure_time\":\"12 PM\"}"                 
    }
  ]

Etap 1, krok 2 (model)

Model decyduje teraz o zamówieniu taksówki na podstawie poprzednich danych wyjściowych narzędzia.

{
"role": "model",
"tool_calls": [
{
"extra_content": {
"google": {
"thought_signature": "<Signature B>"
}
            },
            "function": {
              "arguments": "{\"time\":\"10 AM\"}",
              "name": "book_taxi"
            },
            "id": "function-call-2",
            "type": "function"
          }
       ]
}

Etap 1, krok 3 (użytkownik – wysyłanie danych wyjściowych narzędzia)

Aby wysłać potwierdzenie rezerwacji taksówki, musimy uwzględnić podpisy wszystkich wywołań funkcji w tej pętli (<Signature A> + <Signature B>).

"messages": [
    {
      "role": "user",
      "content": "Check flight status for AA100 and book a taxi 2 hours before if delayed."
    },
    {
      "role": "model",
        "tool_calls": [
          {
            "extra_content": {
              "google": {
                "thought_signature": "<Signature A>" //Required and Validated
              }
            },
            "function": {
              "arguments": "{\"flight\":\"AA100\"}",
              "name": "check_flight"
            },
            "id": "function-call-1d6a1a61-6f4f-4029-80ce-61586bd86da5",
            "type": "function"
          }
        ]
    },
    {
      "role": "tool",
      "name": "check_flight",
      "tool_call_id": "function-call-1d6a1a61-6f4f-4029-80ce-61586bd86da5",
      "content": "{\"status\":\"delayed\",\"departure_time\":\"12 PM\"}"                 
    },
    {
      "role": "model",
        "tool_calls": [
          {
            "extra_content": {
              "google": {
                "thought_signature": "<Signature B>" //Required and Validated
              }
            },
            "function": {
              "arguments": "{\"time\":\"10 AM\"}",
              "name": "book_taxi"
            },
            "id": "function-call-65b325ba-9b40-4003-9535-8c7137b35634",
            "type": "function"
          }
        ]
    },
    {
      "role": "tool",
      "name": "book_taxi",
      "tool_call_id": "function-call-65b325ba-9b40-4003-9535-8c7137b35634",
      "content": "{\"booking_status\":\"success\"}"
    }
  ]

Przykład równoległego wywoływania funkcji

Przyjrzyjmy się przykładowi równoległego wywoływania funkcji, w którym użytkownik pyta "Check weather in Paris and London" aby zobaczyć, gdzie model przeprowadza weryfikację.

Etap

Krok

Prośba użytkownika

Odpowiedź modelu

FunctionResponse

1

1

 request1="Check the weather in Paris and London" FC1 ("Paris") + signature

FC2 ("London")

 FR1

1

2

 request 2 = request1 + FC1 ("Paris") + signature + FC2 ("London") text_output

(no FCs)

 None

Oto kod, który przedstawia daną sekwencję.

Etap 1, krok 1 (prośba użytkownika)

{
  "contents": [
    {
      "role": "user",
      "parts": [
        {
          "text": "Check the weather in Paris and London."
        }
      ]
    }
  ],
  "tools": [
    {
      "functionDeclarations": [
        {
          "name": "get_current_temperature",
          "description": "Gets the current temperature for a given location.",
          "parameters": {
            "type": "object",
            "properties": {
              "location": {
                "type": "string",
                "description": "The city name, e.g. San Francisco"
              }
            },
            "required": [
              "location"
            ]
          }
        }
      ]
    }
  ]
}

Etap 1, krok 1 (odpowiedź modelu)

{
"role": "assistant",
        "tool_calls": [
          {
            "extra_content": {
              "google": {
                "thought_signature": "<Signature A>" //Signature returned
              }
            },
            "function": {
              "arguments": "{\"location\":\"Paris\"}",
              "name": "get_current_temperature"
            },
            "id": "function-call-f3b9ecb3-d55f-4076-98c8-b13e9d1c0e01",
            "type": "function"
          },
          {
            "function": {
              "arguments": "{\"location\":\"London\"}",
              "name": "get_current_temperature"
            },
            "id": "function-call-335673ad-913e-42d1-bbf5-387c8ab80f44",
            "type": "function" // No signature on Parallel FC
          }
        ]
}

Etap 1, krok 2 (odpowiedź użytkownika – wysyłanie danych wyjściowych narzędzia)

Musisz zachować <Signature_A> w pierwszej części dokładnie w takiej postaci, w jakiej została otrzymana.

"messages": [
    {
      "role": "user",
      "content": "Check the weather in Paris and London."
    },
    {
      "role": "assistant",
        "tool_calls": [
          {
            "extra_content": {
              "google": {
                "thought_signature": "<Signature A>" //Required
              }
            },
            "function": {
              "arguments": "{\"location\":\"Paris\"}",
              "name": "get_current_temperature"
            },
            "id": "function-call-f3b9ecb3-d55f-4076-98c8-b13e9d1c0e01",
            "type": "function"
          },
          {
            "function": { //No Signature
              "arguments": "{\"location\":\"London\"}",
              "name": "get_current_temperature"
            },
            "id": "function-call-335673ad-913e-42d1-bbf5-387c8ab80f44",
            "type": "function"
          }
        ]
    },
    {
      "role":"tool",
      "name": "get_current_temperature",
      "tool_call_id": "function-call-f3b9ecb3-d55f-4076-98c8-b13e9d1c0e01",
      "content": "{\"temp\":\"15C\"}"
    },    
    {
      "role":"tool",
      "name": "get_current_temperature",
      "tool_call_id": "function-call-335673ad-913e-42d1-bbf5-387c8ab80f44",
      "content": "{\"temp\":\"12C\"}"
    }
  ]

Najczęstsze pytania

  1. Jak przenieść historię z innego modelu do Gemini 3 z częścią wywołania funkcji w bieżącym etapie rozmowy i kroku? Muszę podać części wywołania funkcji , które nie zostały wygenerowane przez interfejs API, a więc nie mają powiązanego podpisu myśli?

    Wstrzykiwanie niestandardowych bloków wywołań funkcji do żądania jest zdecydowanie odradzane.W przypadkach, gdy nie można tego uniknąć, np. gdy trzeba przekazać informacje modelowi o wywołaniach funkcji i odpowiedziach, które zostały wykonane deterministycznie przez klienta, lub gdy trzeba przenieść ślad z innego modelu, który nie zawiera podpisów myśli, możesz ustawić w polu podpisu myśli te podpisy zastępcze: "context_engineering_is_the_way_to_go" lub "skip_thought_signature_validator", aby pominąć weryfikację.

  2. Wysyłam przeplatane równoległe wywołania funkcji i odpowiedzi, a interfejs API zwraca błąd 400. Dlaczego?

    Gdy interfejs API zwraca równoległe wywołania funkcji „FC1 + signature, FC2”, oczekiwana odpowiedź użytkownika to „FC1 + signature, FC2, FR1, FR2”. Jeśli przeplatasz je jako „FC1 + signature, FR1, FC2, FR2”, interfejs API zwróci błąd 400.

  3. Podczas przesyłania strumieniowego, gdy model nie zwraca wywołania funkcji, nie mogę znaleźć podpisu myśli

    Podczas odpowiedzi modelu, która nie zawiera wywołania funkcji z żądaniem przesyłania strumieniowego, model może zwrócić podpis myśli w części z pustą częścią treści tekstowej. Zalecamy analizowanie całego żądania, dopóki model nie zwróci finish_reason.

Podpisy myśli w przypadku różnych modeli

Modele Gemini 3 i modele Gemini 2.5 różnią się zachowaniem w przypadku podpisów myśli w wywołaniach funkcji:

  • Jeśli w odpowiedzi znajdują się wywołania funkcji:
    • Gemini 3 zawsze będzie mieć podpis w pierwszej części wywołania funkcji. Obowiązkowe jest zwrócenie tej części.
    • Gemini 2.5 będzie mieć podpis w pierwszej części (niezależnie od typu). Zwrócenie tej części jest opcjonalne.
  • Jeśli w odpowiedzi nie ma wywołań funkcji:
    • Gemini 3 będzie mieć podpis w ostatniej części, jeśli model wygeneruje myśl.
    • Gemini 2.5 nie będzie mieć podpisu w żadnej części.

Więcej informacji o porównaniu znajdziesz na stronie Myślenie. W przypadku modeli Gemini 3 Image zapoznaj się z sekcją Proces myślowy w przewodniku po generowaniu obrazów.