Co nowego w Gemini 3.5 Flash

Model Gemini 3.5 Flash jest ogólnie dostępny, stabilny i gotowy do użycia w produkcji na dużą skalę. Jest to nasz najbardziej inteligentny model Flash, który zapewnia stałą, przełomową wydajność w zakresie wykonywania zadań agentowych, kodowania i zadań długoterminowych na dużą skalę.

Ten przewodnik zawiera omówienie ulepszeń, zmian w interfejsie API i wskazówki dotyczące migracji w przypadku Gemini 3.5 Flash.

Nowy model

Gemini 3.5 Flash obsługuje okno kontekstu z milionem tokenów, maksymalnie 65 tys. tokenów wyjściowych, myślenie oraz ten sam zestaw narzędzi i funkcji platformy co Gemini 3 Flash. Korzystanie z komputera nie jest obecnie obsługiwane.

Pełne specyfikacje znajdziesz w przeglądzie modeli. Ceny znajdziesz na stronie z cennikiem.

Krótkie wprowadzenie

Wszystkie przykłady w tym przewodniku korzystają z interfejsu GenerateContent API. Obsługiwany jest też interfejs Interactions API. Obowiązują te same opcje konfiguracji i rekomendacje.

from google import genai

client = genai.Client()

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="Explain how parallel agentic execution works in three sentences.",
)
print(response.text)

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

const ai = new GoogleGenAI({});

async function main() {
  const response = await ai.models.generateContent({
    model: "gemini-3.5-flash",
    contents: "Explain how parallel agentic execution works in three sentences.",
  });
  console.log(response.text);
}

main();

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.5-flash:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "contents": [{
      "parts": [{"text": "Explain how parallel agentic execution works in three sentences."}]
    }]
  }'

Nowości

• Stała wydajność na najwyższym poziomie: nasz najbardziej inteligentny model Flash, zoptymalizowany pod kątem zadań związanych z agentami i kodowaniem na dużą skalę.
• Wykonanie przez agenta: wdrażanie subagentów, rozwiązywanie problemów i szybkie pętle agenta na dużą skalę.
• Kodowanie: iteracyjne cykle kodowania, szybkie eksplorowanie i prototypowanie, aby testować alternatywne ścieżki i dynamicznie eksplorować rozwiązania.
• Długoterminowe: wieloetapowe przepływy pracy i korzystanie z narzędzi na dużą skalę.
• Zachowywanie myśli: model automatycznie zachowuje pośrednie rozumowanie w wielokrotnych rozmowach. Nie wymaga to żadnych zmian w interfejsie API.
• Nowy domyślny poziom wysiłku: domyślny wysiłek związany z myśleniem zmieniono z high na medium. Więcej informacji znajdziesz w sekcji Nowy domyślny poziom nakładu pracy.
• Ulepszone myślenie low: low jest teraz znacznie ulepszony w przypadku kodu i zadań agenta, które wymagają mniejszej liczby kroków, oferując wysoką jakość przy niższych opóźnieniach i kosztach.
• Wersja GA: stabilny model do użytku produkcyjnego na dużą skalę.

Wybór odpowiedniego modelu Flash

Gemini 3.5 Flash to nasz najbardziej inteligentny i wydajny model Flash. Jednak różne przypadki użycia mogą mieć różne wymagania dotyczące kosztów i opóźnień.

• Gemini 3.1 Flash-Lite: w przypadku tanich zadań o dużej skali, które nie wymagają zaawansowanego rozumowania modelu 3.5 Flash, zalecamy używanie Gemini 3.1 Flash-Lite. Jest to stabilny model długoterminowy zoptymalizowany pod kątem wydajności. Więcej informacji znajdziesz w przewodniku dla programistów dotyczącym Flash Lite.
• Gemini 3 Flash (wersja testowa): zalecamy przejście na model 3.5 Flash, który jest bardziej stabilny i zapewnia lepsze rozumowanie. Gemini 3 Flash (wersja testowa) jest nadal dostępny dla deweloperów, którzy chcą kontynuować testowanie z użyciem modelu w wersji testowej.

Zmiany w zachowaniu

Nowy domyślny poziom nakładu pracy: medium

Domyślny poziom wysiłku obliczeniowego to teraz medium, a w Gemini 3 Flash w wersji testowej wynosił high. medium daje bardzo dobre wyniki w przypadku wielu różnych zadań, a przy tym jest szybszy i bardziej opłacalny. W przypadku złożonych problemów high zachęca model do głębszego zastanowienia się.

Aby zastąpić wartość domyślną, ustaw thinking_level w konfiguracji:

from google import genai
from google.genai import types

client = genai.Client()

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="Prove that the square root of 2 is irrational.",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_level="high")
    ),
)

print(response.text)

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

const ai = new GoogleGenAI({});

async function main() {
  const response = await ai.models.generateContent({
    model: "gemini-3.5-flash",
    contents: "Prove that the square root of 2 is irrational.",
    config: {
      thinkingConfig: {
        thinkingLevel: "HIGH",
      },
    },
  });
  console.log(response.text);
}

main();

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.5-flash:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "contents": [{
      "parts": [{"text": "Prove that the square root of 2 is irrational."}]
    }],
    "generationConfig": {
      "thinkingConfig": {
        "thinkingLevel": "HIGH"
      }
    }
  }'

W tabeli poniżej znajdziesz informacje o tym, które poziomy myślenia są obsługiwane w poszczególnych modelach:

Zachowanie myśli

Model automatycznie zachowuje pośrednie rozumowanie w wieloetapowych rozmowach. Jeśli w historii rozmowy znajduje się kontekst rozumowania, jest on przenoszony dalej, co zwiększa wydajność w przypadku złożonych zadań wieloetapowych, takich jak iteracyjne debugowanie i refaktoryzacja kodu. Nie musisz wprowadzać żadnych zmian w interfejsie API:

• Interfejs API interakcji: myśli są już automatycznie zachowywane. Brak zmiany w działaniu.
• Interfejs GenerateContent API: począwszy od modelu Gemini 3.5 Flash, model korzysta z kontekstu rozumowania ze wszystkich poprzednich tur, gdy w historii rozmów występują sygnatury myśli. Aby to włączyć, przekaż pełną, niezmodyfikowaną historię rozmów (w tym sygnatury myśli) w contents. Pakiety SDK obsługują to automatycznie.

Aktualizacje parametrów i sprawdzone metody w Gemini 3.x

Poniższe informacje dotyczą wszystkich modeli Gemini 3.x, w tym Gemini 3.5 Flash.

• temperature, top_p, top_k: zdecydowanie zalecamy, aby nie zmieniać wartości domyślnych. Funkcje rozumowania Gemini 3 są zoptymalizowane pod kątem ustawień domyślnych.
• Używaj zasady thinking_level zamiast thinking_budget.
• Dopasowywanie odpowiedzi wywoływania funkcji: id, name i liczba odpowiedzi muszą być zgodne z poprzednimi wywołaniami.
• Odpowiedzi funkcji multimodalnych: zawierają treści multimodalne w odpowiedzi funkcji, a nie poza nią.
• Instrukcje wbudowane w odpowiedzi funkcji: dołączaj do tekstu odpowiedzi funkcji, a nie jako osobne części.
• Ograniczanie niepotrzebnych wywołań narzędzi: używaj niższych poziomów myślenia lub eksperymentuj z instrukcjami systemowymi, aby ograniczyć wywołania narzędzi w przepływach pracy agenta.

W sekcjach poniżej znajdziesz informacje o tym, jak zaktualizować kod.

Parametry próbkowania (nie są już zalecane)

temperature, top_p i top_k nie są już zalecane w przypadku wszystkich modeli Gemini 3.x. Możliwości rozumowania Gemini 3 są zoptymalizowane pod kątem ustawień domyślnych. Usuń te parametry ze wszystkich żądań.

# ⚠️ Remove these parameters (not recommended)
config = types.GenerateContentConfig(
    temperature=0.7,
    top_p=0.9,
    top_k=40
)

Aby zapewnić determinizm, zalecamy zdefiniowanie instrukcji systemowej z wyraźnymi regułami dla konkretnego przypadku użycia.

thinking_budget (niezalecane)

Surowy parametr liczbowy thinking_budget nie jest już zalecany we wszystkich modelach Gemini 3.x. Zamiast tego użyj wyliczenia ciągu znaków thinking_level.

# ⚠️ Before (not recommended)
config = types.GenerateContentConfig(
    thinking_config=types.ThinkingConfig(thinking_budget=7500)
)

# ✅ After
config = types.GenerateContentConfig(
    thinking_config=types.ThinkingConfig(thinking_level="medium")
)

Dostępne wartości: minimal, low, medium (domyślnie) i high.

Wywoływanie funkcji: ścisłe dopasowywanie odpowiedzi

Interfejs Interactions API już zgłasza błędy w przypadku niezgodnych odpowiedzi funkcji. Interfejs GenerateContent API jeszcze nie zgłasza błędów, ale niezgodne odpowiedzi powodują, że model w większości przypadków zwraca puste odpowiedzi z finish_reason: STOP. Zawsze postępuj zgodnie z tymi konwencjami:

# ✅ Include matching id and name in the function response
final_response = client.models.generate_content(
    model="gemini-3.5-flash",
    config=config,
    contents=[
        *previous_contents,
        response.candidates[0].content,
        types.Content(role="user", parts=[
            types.Part.from_function_response(
                name=tool_call.name,
                response={"result": result},
                id=tool_call.id,
            )
        ]),
    ],
)

// ✅ Include matching id and name in the function response
const functionResponsePart = {
  functionResponse: {
    name: toolCall.name,
    response: { result: result },
    id: toolCall.id,
  },
};

const finalResponse = await ai.models.generateContent({
  model: "gemini-3.5-flash",
  contents: [
    ...previousContents,
    { role: "model", parts: [{ functionCall: toolCall }] },
    { role: "user", parts: [functionResponsePart] },
  ],
  config: config,
});

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.5-flash:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "contents": [
      {"role": "user", "parts": [{"text": "..."}]},
      {"role": "model", "parts": [{"functionCall": {"name": "my_function", "args": {...}}}]},
      {"role": "user", "parts": [{"functionResponse": {"name": "my_function", "id": "call_id", "response": {"result": "..."}}}]}
    ]
  }'

Odpowiedzi funkcji multimodalnych

Często zdarza się, że klienci przesyłają obrazy poza odpowiedzią funkcji. Może to prowadzić do nieoczekiwanego zachowania modelu (np. wycieku myśli) i obniżać jakość wyników. Zamiast tego postępuj zgodnie z zaleceniami w dokumentacji interfejsu API odpowiedzi funkcji multimodalnych i uwzględnij treści multimodalne w częściach odpowiedzi funkcji, które wysyłasz do modelu. Model może przetworzyć te treści multimodalne w kolejnej turze, aby wygenerować bardziej przemyślaną odpowiedź.

# ✅ Include multimodal content in the function response
final_response = client.models.generate_content(
    model="gemini-3.5-flash",
    config=config,
    contents=[
        *previous_contents,
        response.candidates[0].content,
        types.Content(role="user", parts=[
            types.Part.from_function_response(
                name=tool_call.name,
                response={
                    "result": "instrument.jpg",
                    "image": base64_image_data,
                },
                id=tool_call.id,
            )
        ]),
    ],
)

// ✅ Include multimodal content in the function response
const finalResponse = await ai.models.generateContent({
  model: "gemini-3.5-flash",
  contents: [
    ...previousContents,
    { role: "model", parts: [{ functionCall: toolCall }] },
    {
      role: "user",
      parts: [{
        functionResponse: {
          name: toolCall.name,
          id: toolCall.id,
          response: {
            result: "instrument.jpg",
            image: base64ImageData,
          },
        },
      }],
    },
  ],
  config: config,
});

Instrukcje wbudowane w odpowiedzi funkcji

Często zdarza się, że klienci podają dodatkowe instrukcje wraz z odpowiedziami funkcji jako kolejne Parts. Może to prowadzić do nieoczekiwanego zachowania modelu (np. wycieku myśli) i skutkować niższą jakością wyników. Zamiast tego dołączaj dodatkowe instrukcje na końcu tekstu odpowiedzi funkcji, oddzielając je dwoma znakami nowego wiersza.

# ✅ 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_response = client.models.generate_content(
    model="gemini-3.5-flash",
    config=config,
    contents=[
        *previous_contents,
        response.candidates[0].content,
        types.Content(role="user", parts=[
            types.Part.from_function_response(
                name=tool_call.name,
                response={"result": result_text},
                id=tool_call.id,
            )
        ]),
    ],
)

// ✅ 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 finalResponse = await ai.models.generateContent({
  model: "gemini-3.5-flash",
  contents: [
    ...previousContents,
    { role: "model", parts: [{ functionCall: toolCall }] },
    {
      role: "user",
      parts: [{
        functionResponse: {
          name: toolCall.name,
          id: toolCall.id,
          response: { result: resultText },
        },
      }],
    },
  ],
  config: config,
});

Ograniczanie zbędnych wywołań narzędzi

Jeśli zauważysz nadmierne wykorzystanie wywołań narzędzi, możesz je zminimalizować za pomocą 2 technik:

1. Zacznij od obniżenia poziomu myślenia (medium, low lub minimal): wyższe poziomy myślenia zachęcają model do korzystania z większej liczby narzędzi do eksplorowania i weryfikowania, więc obniżenie poziomu może zmniejszyć liczbę wywołań narzędzi.

2. Dodaj instrukcję systemową: jeśli po dostosowaniu poziomu myślenia nadmierne wykorzystanie się utrzymuje, rozważ użycie promptu, który ogranicza korzystanie z narzędzia. Na przykład:

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

Lista kontrolna migracji

Migracja z Gemini 3 Flash (wersja testowa)

• Zaktualizuj nazwę modelu: gemini-3-flash-preview → gemini-3.5-flash
• Sprawdź ceny. Gemini 3.5 Flash jest droższy niż Gemini 3 Flash (wersja testowa). Jeśli Twój przypadek użycia jest bardzo wrażliwy na koszty, rozważ przejście na Gemini 3.1 Flash-Lite. Szczegółowe informacje znajdziesz na stronie z cennikiem.
• Usuń z konfiguracji elementy temperature, top_p i top_k (nie jest to już zalecane).
• Zastąp thinking_budget tekstem thinking_level.
• Dodaj id i pasujący znak name do wszystkich części FunctionResponse.
• Testuj prompty. Domyślny nakład pracy zmieniono z high na medium. Sprawdź jakość, szybkość i koszt.
• Zachowywanie myśli jest teraz domyślnie włączone. Kontekst rozumowania jest przenoszony między turami, co zwiększa wydajność, ale może zwiększyć wykorzystanie tokenów.
• Ogranicz niepotrzebne wywołania narzędzi: zacznij od zmniejszenia poziomu myślenia (medium, low lub minimal); jeśli nadmierne użycie narzędzi nadal występuje, dodaj instrukcję systemową, która ograniczy ich używanie.
• Korzystanie z komputera nie jest obecnie obsługiwane w Gemini 3.5 Flash. W przypadku zadań związanych z korzystaniem z komputera nadal używaj Gemini 3 Flash w wersji podglądowej.

Przenoszenie z Gemini 2.5

Wszystkie powyższe funkcje oraz dodatkowo:

• Uprość prompty. Jeśli do wymuszenia rozumowania używasz techniki promptowania „chain-of-thought”, spróbuj zamiast tego użyć thinking_level: "medium" lub "high" z prostszymi promptami.
• Testowanie zadań związanych z plikami PDF i multimediami. Jeśli w przypadku analizowania dokumentów o dużej gęstości informacji korzystasz z określonego działania, przetestuj ustawienie media_resolution_high, aby zapewnić dalszą dokładność. Przejście na domyślne ustawienia Gemini 3 może też zwiększyć wykorzystanie tokenów w przypadku plików PDF, ale zmniejszyć je w przypadku filmów. Jeśli żądania przekraczają okno kontekstu, wyraźnie zmniejsz media_resolution. Szczegóły znajdziesz w dokumentacji dotyczącej rozdzielczości multimediów.
• Korzystaj z połączonego użycia narzędzi. W tym samym żądaniu można używać wyszukiwarki Google, kontekstu adresu URL, wykonywania kodu i funkcji niestandardowych.
• Jeśli używasz odpowiedzi funkcji multimodalnych, przenieś treści multimodalne do części odpowiedzi funkcji, a nie obok nich.
• Jeśli używasz instrukcji w tekście z odpowiedziami funkcji, dołącz je do tekstu odpowiedzi funkcji, oddzielając je dwoma znakami nowego wiersza, a nie jako osobne części.
• Segmentacja obrazów nie jest obsługiwana w Gemini 3.x. W przypadku zadań związanych z segmentacją nadal używaj Gemini 2.5 Flash z wyłączoną funkcją myślenia lub Gemini Robotics-ER 1.6.
• Usuń candidate_count z konfiguracji (nie jest obsługiwane w Gemini 3.x)

Funkcje rodzinne Gemini 3

Model Gemini 3.5 Flash dziedziczy wszystkie funkcje rodziny Gemini 3 z wyjątkiem korzystania z komputera. Funkcje wprowadzone w Gemini 3, które są nadal dostępne:

• Myślenie: zaszyfrowany kontekst rozumowania jest zachowywany podczas wywołań interfejsu API. Automatyczne w przypadku interfejsu Interactions API; domyślne w przypadku interfejsu GenerateContent.
• Ustrukturyzowane dane wyjściowe z narzędziami: połącz tryb JSON z wbudowanymi narzędziami (wyszukiwanie, kontekst adresu URL, wykonywanie kodu, wywoływanie funkcji).
• Odpowiedzi funkcji multimodalnych: zwracanie obrazów, dźwięku i innych multimediów w wynikach wywołań funkcji.
• Wykonanie kodu z obrazami: wykonuj kod, który przetwarza i generuje obrazy.
• Łączenie narzędzi: używaj wbudowanych narzędzi i wywoływania funkcji niestandardowych w tym samym żądaniu.
• Rozdzielczość multimediów: precyzyjna kontrola nad przydzielaniem tokenów do obrazów, filmów i plików PDF. Modele Gemini 3 obsługują ustawienia rozdzielczości dla poszczególnych elementów treści (low, medium, high, ultra_high) w przypadku promptów o różnej jakości.
• Sygnatury myśli: zaszyfrowane reprezentacje wewnętrznego rozumowania modelu. Wymagane w przypadku wywoływania funkcji w wielu turach; zarządzane automatycznie przez oficjalne pakiety SDK.

Sprawdzone metody dotyczące promptów

Modele Gemini 3.x to modele rozumowania, co zmienia sposób, w jaki należy je promptować.

• Precyzyjne instrukcje: bądź zwięzły. Gemini 3.x najlepiej reaguje na bezpośrednie i jasne instrukcje. Rozbudowane lub złożone techniki tworzenia promptów zaprojektowane dla starszych modeli mogą spowodować, że model będzie analizować zbyt szczegółowo.
• Wielosłowność odpowiedzi: domyślnie Gemini 3.x jest mniej wielosłowny i woli udzielać bezpośrednich, zwięzłych odpowiedzi. Jeśli Twój przypadek użycia wymaga konwersacyjnego tonu, wyraźnie pokieruj modelem w prompcie (np. „Wyjaśnij to jako przyjazny, rozmowny asystent”).
• Zarządzanie kontekstem: podczas pracy z dużymi zbiorami danych (takimi jak całe książki, bazy kodu lub długie filmy) umieszczaj konkretne instrukcje lub pytania na końcu promptu, po kontekście danych. Ukotwicz rozumowanie modelu, zaczynając pytanie od wyrażenia „Na podstawie powyższych informacji…”.

Więcej informacji o strategiach projektowania promptów znajdziesz w przewodniku po inżynierii promptów.

Ograniczenia

• Segmentacja obrazów nie jest obsługiwana w Gemini 3.x. W przypadku zadań związanych z segmentacją nadal używaj Gemini 2.5 Flash z wyłączoną funkcją myślenia lub Gemini Robotics-ER 1.6.

Najczęstsze pytania

1. Jaka jest granica wiedzy w przypadku Gemini 3.5 Flash? Model Gemini 3.5 Flash ma granicę wiedzy w styczniu 2025 r. Aby uzyskać najnowsze informacje, skorzystaj z narzędzia Search Grounding.

2. Jakie są limity okna kontekstu? Gemini 3.5 Flash obsługuje okno kontekstu z 1 mln tokenów wejściowych i do 65 tys. tokenów wyjściowych.

3. Czy mój stary kod thinking_budget będzie nadal działać? Tak, thinking_budget jest nadal obsługiwany ze względu na zgodność z wcześniejszymi rozwiązaniami, ale zalecamy przejście na thinking_level, aby uzyskać bardziej przewidywalną skuteczność. Nie używaj obu tych parametrów w tym samym żądaniu.

4. Czy Gemini 3.5 Flash obsługuje interfejs Batch API? Tak. Szczegółowe informacje znajdziesz w przewodniku po interfejsie Batch API.

5. Czy buforowanie kontekstu jest obsługiwane? Tak, buforowanie kontekstu jest obsługiwane.

6. Które narzędzia są obsługiwane? Gemini 3.5 Flash obsługuje wyszukiwarkę Google, powiązanie ze źródłami informacji przy użyciu Map Google, wyszukiwanie plików, wykonywanie kodu, kontekst adresu URL i standardowe wywoływanie funkcji, w tym korzystanie z połączonych narzędzi. Korzystanie z komputera nie jest obsługiwane w Gemini 3.5 Flash.

Dalsze kroki

• Więcej informacji o strategiach projektowania promptów znajdziesz w przewodniku po inżynierii promptów.
• Pierwsze kroki z Gemini 3 Cookbook
• Więcej informacji o optymalizacji i wnioskowaniu w Gemini API