มีอะไรใหม่ใน Gemini 3.5 Flash

3.6 Flash และ 3.5 Flash-Lite หน้านี้

Gemini 3.5 Flash พร้อมใช้งานสำหรับผู้ใช้ทั่วไป (GA) มีความเสถียร และพร้อมสำหรับการใช้งานจริงในวงกว้าง โมเดล Flash ที่ชาญฉลาดที่สุดของเรานี้มอบประสิทธิภาพระดับแนวหน้าอย่างต่อเนื่องในการดำเนินการแบบเป็น Agent, การเขียนโค้ด และงานระยะยาวในวงกว้าง

คู่มือนี้มีภาพรวมของการปรับปรุง การเปลี่ยนแปลง API และคำแนะนำในการย้ายข้อมูลสำหรับ Gemini 3.5 Flash

โมเดลใหม่

Gemini 3.5 Flash รองรับหน้าต่างบริบทขนาด 1 ล้านโทเค็น, โทเค็นเอาต์พุตสูงสุด 65,000 รายการ, การคิด และชุดเครื่องมือและฟีเจอร์แพลตฟอร์มชุดเดียวกับ Gemini 3 Flash, ซึ่งรวมถึง การใช้คอมพิวเตอร์ (เวอร์ชันตัวอย่าง)

ดูสเปคทั้งหมดได้ที่ภาพรวมของโมเดล ดูราคาได้ที่หน้าการกำหนดราคา

คู่มือเริ่มใช้งานฉบับย่อ

ตัวอย่างทั้งหมดในคู่มือนี้ใช้ Interactions API นอกจากนี้ยังรองรับ GenerateContent API ด้วย โดยใช้ตัวเลือกการกำหนดค่าและคำแนะนำเดียวกัน

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3.5-flash",
    input="Explain how parallel agentic execution works in three sentences."
)
print(interaction.output_text)

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

const client = new GoogleGenAI({});

async function main() {
  const interaction = await client.interactions.create({
    model: "gemini-3.5-flash",
    input: "Explain how parallel agentic execution works in three sentences.",
  });
  console.log(interaction.output_text);
}

main();

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "gemini-3.5-flash",
    "input": "Explain how parallel agentic execution works in three sentences."
  }'

มีอะไรใหม่

• ประสิทธิภาพระดับแนวหน้าอย่างต่อเนื่อง: โมเดล Flash ที่ชาญฉลาดที่สุดของเรา ซึ่งได้รับการเพิ่มประสิทธิภาพสำหรับงานแบบเป็น Agent และงานเขียนโค้ดในวงกว้าง
• การดำเนินการแบบเป็น Agent: การติดตั้งใช้งาน Agent ย่อย, การแก้ปัญหา และการวนซ้ำแบบเป็น Agent อย่างรวดเร็วในวงกว้าง
• การเขียนโค้ด: รอบการเขียนโค้ดแบบวนซ้ำ, การสำรวจอย่างรวดเร็ว และการสร้างต้นแบบเพื่อทดสอบเส้นทางอื่นและสำรวจโซลูชันแบบไดนามิก
• ระยะยาว: เวิร์กโฟลว์แบบหลายขั้นตอนและการใช้เครื่องมือในวงกว้าง
• การเก็บรักษาองค์ความรู้: โมเดลจะเก็บรักษาการให้เหตุผลระดับกลางในการสนทนาไปมาโดยอัตโนมัติ ไม่ต้องเปลี่ยนแปลง API
• ระดับความพยายามเริ่มต้นใหม่: ระดับความพยายามในการคิดเริ่มต้นเปลี่ยนจาก high เป็น medium ดูรายละเอียดได้ที่ ระดับความพยายามเริ่มต้นใหม่
• การคิดระดับ low ที่ปรับปรุงแล้ว: low ได้รับการปรับปรุงอย่างมากสำหรับงานเขียนโค้ด และงานแบบเป็น Agent ที่ต้องใช้ขั้นตอนน้อยลง โดยให้คุณภาพสูงด้วยเวลาในการตอบสนองและค่าใช้จ่ายที่ต่ำลง
• การเปิดตัว GA: โมเดลที่เสถียรสำหรับการใช้งานจริงในวงกว้าง

การเลือกรุ่น Flash ที่เหมาะสม

Gemini 3.5 Flash เป็นโมเดล Flash ที่ชาญฉลาดและมีความสามารถมากที่สุดของเรา อย่างไรก็ตาม กรณีการใช้งานที่แตกต่างกันอาจมีข้อกำหนดด้านค่าใช้จ่ายและเวลาในการตอบสนองที่แตกต่างกัน

• Gemini 3.1 Flash-Lite: สำหรับงานปริมาณมากที่มีค่าใช้จ่ายต่ำซึ่งไม่จำเป็นต้องใช้การให้เหตุผลเชิงลึกขั้นสูงของ 3.5 Flash เราขอแนะนำให้ใช้ Gemini 3.1 Flash-Lite โมเดลนี้มีความเสถียรและใช้งานได้ในระยะยาว โดยได้รับการเพิ่มประสิทธิภาพเพื่อประสิทธิภาพ ดูรายละเอียดเพิ่มเติมได้ที่ คู่มือนักพัฒนาซอฟต์แวร์ Flash-Lite
• Gemini 3 Flash (เวอร์ชันตัวอย่าง): แม้ว่าเราจะแนะนำให้ย้ายข้อมูลไปใช้ 3.5 Flash เพื่อ ความเสถียรของ GA และการให้เหตุผลที่ปรับปรุงแล้ว แต่ Gemini 3 Flash (เวอร์ชันตัวอย่าง) ยังคงพร้อมให้บริการแก่นักพัฒนาซอฟต์แวร์ที่ต้องการทดสอบกับ โมเดลเวอร์ชันตัวอย่างต่อไป

การเปลี่ยนแปลงลักษณะการทำงาน

ระดับความพยายามเริ่มต้นใหม่: medium

ตอนนี้ระดับความพยายามในการคิดเริ่มต้นคือ medium ซึ่งเปลี่ยนจาก high ใน Gemini 3 Flash (เวอร์ชันตัวอย่าง) medium ให้ผลลัพธ์ที่ดีมากในงานที่หลากหลาย ขณะเดียวกันก็รวดเร็วและประหยัดค่าใช้จ่ายมากขึ้น สำหรับปัญหาที่ซับซ้อน high จะกระตุ้นให้โมเดลคิดอย่างลึกซึ้งยิ่งขึ้น

หากต้องการลบล้างค่าเริ่มต้น ให้ตั้งค่า thinking_level ในการกำหนดค่าดังนี้

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3.5-flash",
    input="Prove that the square root of 2 is irrational.",
    generation_config={"thinking_level": "high"},
)
print(interaction.output_text)

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

const client = new GoogleGenAI({});

async function main() {
  const interaction = await client.interactions.create({
    model: "gemini-3.5-flash",
    input: "Prove that the square root of 2 is irrational.",
    generationConfig: { thinkingLevel: "high" },
  });
  console.log(interaction.output_text);
}

main();

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "gemini-3.5-flash",
    "input": "Prove that the square root of 2 is irrational.",
    "generation_config": {"thinking_level": "high"}
  }'

ตารางต่อไปนี้แสดงระดับการคิดที่รองรับต่อโมเดล

การเก็บรักษาองค์ความรู้

โมเดลจะเก็บรักษาการให้เหตุผลระดับกลางในการสนทนาไปมาโดยอัตโนมัติ เมื่อมีอยู่ในประวัติการสนทนา บริบทการให้เหตุผลจะถูกส่งต่อ ซึ่งช่วยปรับปรุงประสิทธิภาพในงานที่ซับซ้อนแบบหลายขั้นตอน เช่น การแก้ไขข้อบกพร่องแบบวนซ้ำและการปรับโครงสร้างโค้ด ไม่ต้องเปลี่ยนแปลง API ดังนี้

• Interactions API: ระบบจะเก็บรักษาองค์ความรู้โดยอัตโนมัติอยู่แล้ว ไม่มีการเปลี่ยนแปลงลักษณะการทำงาน
• GenerateContent API: ตั้งแต่ Gemini 3.5 Flash เป็นต้นไป โมเดลจะใช้ บริบทการให้เหตุผลจากการสนทนาก่อนหน้าทั้งหมดเมื่อมีลายเซ็นองค์ความรู้ ในประวัติการสนทนา หากต้องการเปิดใช้ฟีเจอร์นี้ ให้ส่งประวัติการสนทนาฉบับเต็มที่ ไม่ได้แก้ไข (รวมถึง ลายเซ็นองค์ความรู้) ใน contents SDK จะจัดการให้โดยอัตโนมัติ

การอัปเดตพารามิเตอร์และแนวทางปฏิบัติแนะนำใน Gemini 3.x

ข้อความต่อไปนี้ใช้ได้กับโมเดล Gemini 3.x ทั้งหมด ซึ่งรวมถึง Gemini 3.5 Flash

• temperature, top_p, top_k: เราขอแนะนำอย่างยิ่งว่าอย่าเปลี่ยนค่าเริ่มต้น ความสามารถในการให้เหตุผลของ Gemini 3 ได้รับการเพิ่มประสิทธิภาพสำหรับการตั้งค่าเริ่มต้น
• ใช้ thinking_level แทน thinking_budget
• การจับคู่การตอบกลับการเรียกใช้ฟังก์ชัน: id, name และจำนวนการตอบกลับ ต้องตรงกับการเรียกใช้ก่อนหน้า
• การตอบกลับฟังก์ชันหลายรูปแบบ: รวมเนื้อหาหลายรูปแบบไว้ในการตอบกลับฟังก์ชัน ไม่ใช่ภายนอก
• คำแนะนำในหน้าในการตอบกลับฟังก์ชัน: ต่อท้ายข้อความการตอบกลับฟังก์ชัน ไม่ใช่เป็นส่วนแยกต่างหาก
• ลดการเรียกใช้เครื่องมือที่ไม่จำเป็น: ใช้ระดับการคิดที่ต่ำลงหรือทดลองใช้ คำแนะนำระบบเพื่อลดการเรียกใช้เครื่องมือในเวิร์กโฟลว์แบบเป็น Agent

ดูวิธีอัปเดตโค้ดได้ในส่วนด้านล่าง

พารามิเตอร์การสุ่มตัวอย่าง (ไม่แนะนำอีกต่อไป)

เราไม่แนะนำให้ใช้ temperature, top_p และ top_k สำหรับโมเดล Gemini 3.x ทั้งหมดอีกต่อไป ความสามารถในการให้เหตุผลของ Gemini 3 ได้รับการเพิ่มประสิทธิภาพสำหรับการตั้งค่าเริ่มต้น นำพารามิเตอร์เหล่านี้ออกจากคำขอทั้งหมด

# ⚠️ Remove these parameters (not recommended)
generation_config = {
    "temperature": 0.7,
    "top_p": 0.9,
    "top_k": 40,
}

เราขอแนะนำให้กำหนดคำแนะนำระบบที่มีกฎที่ชัดเจนสำหรับกรณีการใช้งานเฉพาะของคุณเพื่อให้ได้ผลลัพธ์ที่แน่นอน

thinking_budget (ไม่แนะนำอีกต่อไป)

เราไม่แนะนำให้ใช้พารามิเตอร์ thinking_budget ที่เป็นตัวเลขดิบในโมเดล Gemini 3.x ทั้งหมดอีกต่อไป ให้ใช้ Enum สตริง thinking_level แทน

# ⚠️ Before (not recommended)
generation_config = {
    "thinking": {"thinking_budget": 7500},
}

# ✅ After
generation_config = {
    "thinking": {"thinking_level": "medium"},
}

ค่าที่ใช้ได้: minimal, low, medium (ค่าเริ่มต้น) และ high

การเรียกใช้ฟังก์ชัน: การจับคู่การตอบกลับที่เข้มงวด

Interactions API จะแสดงข้อผิดพลาดเมื่อการตอบกลับฟังก์ชันไม่ตรงกันอยู่แล้ว GenerateContent API ยังไม่แสดงข้อผิดพลาด แต่การตอบกลับที่ไม่ตรงกันจะทำให้โมเดลแสดงการตอบกลับที่ว่างเปล่าพร้อม finish_reason: STOP ในกรณีส่วนใหญ่ โปรดปฏิบัติตามข้อกำหนดต่อไปนี้เสมอ

# ✅ Include matching call_id and name in the function_result
final_interaction = client.interactions.create(
    model="gemini-3.5-flash",
    previous_interaction_id=interaction.id,
    tools=[my_tool],
    input=[{
        "type": "function_result",
        "name": fc_step.name,
        "call_id": fc_step.id,
        "result": [{"type": "text", "text": json.dumps(result)}],
    }],
)

// ✅ Include matching call_id and name in the function_result
const finalInteraction = await client.interactions.create({
  model: "gemini-3.5-flash",
  previousInteractionId: interaction.id,
  tools: [myTool],
  input: [{
    type: "function_result",
    name: fcStep.name,
    call_id: fcStep.id,
    result: [{ type: "text", text: JSON.stringify(result) }],
  }],
});

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "gemini-3.5-flash",
    "previous_interaction_id": "<INTERACTION_ID>",
    "tools": [...],
    "input": [{
      "type": "function_result",
      "name": "my_function",
      "call_id": "<CALL_ID>",
      "result": [{"type": "text", "text": "..."}]
    }]
  }'

การตอบกลับฟังก์ชันหลายรูปแบบ

เรามักเห็นลูกค้าใส่รูปภาพไว้นอกการตอบกลับฟังก์ชัน ซึ่งอาจทำให้โมเดลทำงานผิดปกติ (เช่น การรั่วไหลขององค์ความรู้) และส่งผลให้เอาต์พุตมีคุณภาพต่ำลง โปรดทำตามคำแนะนำใน เอกสารประกอบ API การตอบกลับฟังก์ชันหลายรูปแบบ แทน และใส่เนื้อหาหลายรูปแบบในส่วนการตอบกลับฟังก์ชันที่คุณ ส่งไปยังโมเดล โมเดลสามารถประมวลผลเนื้อหาหลายรูปแบบนี้ในรอบถัดไปเพื่อสร้างการตอบกลับที่แม่นยำยิ่งขึ้น

# ✅ Include multimodal content in the function response
final_interaction = client.interactions.create(
    model="gemini-3.5-flash",
    previous_interaction_id=interaction.id,
    input=[
        {
            "type": "function_result",
            "name": tool_call.name,
            "call_id": tool_call.id,
            "result": [
                {"type": "text", "text": "instrument.jpg"},
                {
                    "type": "image",
                    "mime_type": "image/jpeg",
                    "data": base64_image_data,
                },
            ],
        }
    ],
)

// ✅ Include multimodal content in the function response
const finalInteraction = await client.interactions.create({
  model: "gemini-3.5-flash",
  previousInteractionId: interaction.id,
  input: [{
    type: "function_result",
    name: toolCall.name,
    call_id: toolCall.id,
    result: [
      { type: "text", text: "instrument.jpg" },
      {
        type: "image",
        mime_type: "image/jpeg",
        data: base64ImageData,
      },
    ],
  }],
});

คำแนะนำในหน้าในการตอบกลับฟังก์ชัน

เรามักเห็นลูกค้าให้คำแนะนำเพิ่มเติมพร้อมกับการตอบกลับฟังก์ชันเป็น Parts ที่ตามมา ซึ่งอาจทำให้โมเดลทำงานผิดปกติ (เช่น การรั่วไหลขององค์ความรู้) และส่งผลให้เอาต์พุตมีคุณภาพต่ำลง ให้ต่อท้ายคำแนะนำเพิ่มเติมไว้ที่ท้ายข้อความการตอบกลับฟังก์ชันโดยคั่นด้วยการขึ้นบรรทัดใหม่ 2 ครั้งแทน

# ✅ 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_interaction = client.interactions.create(
    model="gemini-3.5-flash",
    previous_interaction_id=interaction.id,
    tools=[my_tool],
    input=[{
        "type": "function_result",
        "name": fc_step.name,
        "call_id": fc_step.id,
        "result": [{"type": "text", "text": result_text}],
    }],
)

// ✅ 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 finalInteraction = await client.interactions.create({
  model: "gemini-3.5-flash",
  previousInteractionId: interaction.id,
  tools: [myTool],
  input: [{
    type: "function_result",
    name: fcStep.name,
    call_id: fcStep.id,
    result: [{ type: "text", text: resultText }],
  }],
});

การลดการเรียกใช้เครื่องมือที่ไม่จำเป็น

หากคุณพบว่ามีการเรียกใช้เครื่องมือมากเกินไป เทคนิค 2 อย่างต่อไปนี้จะช่วยลดการเรียกใช้เครื่องมือได้

1. เริ่มต้นด้วยการลดระดับการคิด (medium, low หรือ minimal): ระดับการคิดที่สูงขึ้นจะกระตุ้นให้โมเดลใช้เครื่องมือมากขึ้นเพื่อสำรวจและ ยืนยัน ดังนั้นการลดระดับการคิดจึงช่วยลดการเรียกใช้เครื่องมือได้

2. เพิ่มคำแนะนำระบบ: หากยังคงมีการเรียกใช้เครื่องมือมากเกินไปหลังจากปรับระดับการคิดแล้ว ให้ลองใช้พรอมต์ที่จำกัดการใช้เครื่องมือ เช่น

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

รายการตรวจสอบการย้ายข้อมูล

เราขอแนะนำอย่างยิ่งให้อัปเดตเป็น SDK google-genai เวอร์ชัน 2.0.0 ขึ้นไป เวอร์ชันนี้มีการเปลี่ยนแปลงที่ส่งผลกับส่วนอื่นในระบบของ Interactions API ดูรายละเอียดได้ที่ คำแนะนำในการย้ายข้อมูลสำหรับการเปลี่ยนแปลงที่ส่งผลกับส่วนอื่นในระบบ

ย้ายข้อมูลจาก Gemini 3 Flash (เวอร์ชันตัวอย่าง)

• อัปเดตชื่อโมเดล: gemini-3-flash-preview → gemini-3.5-flash
• ดูการกำหนดราคา Gemini 3.5 Flash มีราคาแพงกว่า Gemini 3 Flash (เวอร์ชันตัวอย่าง) หากกรณีการใช้งานของคุณมีความอ่อนไหวต่อค่าใช้จ่ายสูง ให้ลองย้ายข้อมูลไปใช้ Gemini 3.1 Flash-Lite แทน ดูรายละเอียดได้ที่หน้าการกำหนดราคา
• นำ temperature, top_p, top_k ออกจากการกำหนดค่า (ไม่แนะนำอีกต่อไป)
• แทนที่ thinking_budget ด้วย thinking_level
• เพิ่ม id และ name ที่ตรงกันในส่วน FunctionResponse ทั้งหมด
• ทดสอบพรอมต์ ความพยายามเริ่มต้นเปลี่ยนจาก high → medium ให้ตรวจสอบ คุณภาพ ความเร็ว และค่าใช้จ่าย
• การเก็บรักษาองค์ความรู้เปิดอยู่โดยค่าเริ่มต้นแล้ว บริบทการให้เหตุผลจะถูกส่งต่อในการสนทนาแต่ละรอบ ซึ่งช่วยปรับปรุงประสิทธิภาพ แต่ก็อาจเพิ่มการใช้โทเค็น
• ลดการเรียกใช้เครื่องมือที่ไม่จำเป็น: เริ่มต้นด้วยการลดระดับการคิด (medium, low, หรือ minimal) และเพิ่มคำแนะนำระบบเพื่อจำกัดการใช้เครื่องมือ หากยังคงมีการเรียกใช้เครื่องมือมากเกินไป
• รองรับการใช้คอมพิวเตอร์

ย้ายข้อมูลจาก Gemini 2.5

ทุกข้อที่กล่าวมาข้างต้น รวมถึง

• ทำให้พรอมต์ง่ายขึ้น หากคุณใช้เทคนิควิศวกรรมพรอมต์แบบ Chain-of-Thought เพื่อบังคับ การให้เหตุผล ให้ลองใช้ thinking_level: "medium" หรือ "high" กับพรอมต์ที่ง่ายขึ้น แทน
• ทดสอบเวิร์กโหลด PDF และสื่อ หากคุณอาศัยลักษณะการทำงานที่เฉพาะเจาะจงสำหรับการแยกวิเคราะห์เอกสารที่มีเนื้อหาหนาแน่น ให้ทดสอบการตั้งค่า media_resolution_high เพื่อให้มั่นใจว่าความถูกต้องจะยังคงอยู่ การย้ายข้อมูลไปใช้ค่าเริ่มต้นของ Gemini 3 อาจเพิ่มการใช้โทเค็นสำหรับ PDF แต่ลดการใช้โทเค็นสำหรับวิดีโอ หากคำขอเกินหน้าต่างบริบท ให้ลด media_resolution อย่างชัดเจน ดูรายละเอียดได้ที่เอกสารประกอบ ความละเอียดของสื่อสำหรับ
• ใช้ประโยชน์จากการใช้เครื่องมือร่วมกัน คุณสามารถใช้ Google Search, บริบท URL, การเรียกใช้โค้ด และฟังก์ชันที่กำหนดเองในคำขอเดียวกันได้
• หากใช้การตอบกลับฟังก์ชันหลายรูปแบบ ให้ย้ายเนื้อหาหลายรูปแบบไว้ในส่วนการตอบกลับฟังก์ชัน ไม่ใช่ข้างๆ
• หากใช้คำแนะนำในหน้ากับการตอบกลับฟังก์ชัน ให้ต่อท้ายคำแนะนำไว้ที่ท้ายข้อความการตอบกลับฟังก์ชันโดยคั่นด้วยการขึ้นบรรทัดใหม่ 2 ครั้ง ไม่ใช่เป็นส่วนแยกต่างหาก
• Gemini 3.x ไม่รองรับการแบ่งส่วนรูปภาพ สำหรับเวิร์กโหลดการแบ่งส่วน ให้ใช้ Gemini 2.5 Flash ต่อไปโดยปิดการคิด
• นำ candidate_count ออกจากการกำหนดค่า (Gemini 3.x ไม่รองรับ)

ฟีเจอร์ของโมเดลตระกูล Gemini 3

Gemini 3.5 Flash สืบทอดความสามารถทั้งหมดของโมเดลตระกูล Gemini 3 ซึ่งรวมถึงการใช้คอมพิวเตอร์ ฟีเจอร์ที่เปิดตัวใน Gemini 3 ซึ่งยังคงมีอยู่ใน Gemini 3.5 Flash

• การคิด: บริบทการให้เหตุผลที่เข้ารหัสจะถูกเก็บรักษาไว้ในการเรียก API โดยอัตโนมัติใน Interactions API และโดยนัยใน GenerateContent
• เอาต์พุตที่มีโครงสร้างพร้อมเครื่องมือ: รวมโหมด JSON กับ เครื่องมือในตัว (Search, บริบท URL, การเรียกใช้โค้ด, การเรียกใช้ฟังก์ชัน)
• การตอบกลับฟังก์ชันหลายรูปแบบ: แสดง รูปภาพ เสียง และสื่ออื่นๆ ในผลลัพธ์การเรียกใช้ฟังก์ชัน
• การดำเนินการโค้ดกับรูปภาพ: ดำเนินการโค้ดที่ ประมวลผลและสร้างรูปภาพ
• การใช้เครื่องมือร่วมกัน: ใช้เครื่องมือในตัวและ การเรียกใช้ฟังก์ชันที่กำหนดเองในคำขอเดียวกัน
• ความละเอียดของสื่อ: ควบคุมการจัดสรรโทเค็นสำหรับอินพุตรูปภาพ วิดีโอ และ PDF ได้อย่างละเอียด โมเดล Gemini 3 รองรับการตั้งค่าความละเอียดต่อรายการเนื้อหา (low, medium, high, ultra_high) สำหรับพรอมต์ที่มีความละเอียดผสมกัน
• ลายเซ็นองค์ความรู้: การแสดงการให้เหตุผลภายในของโมเดลในรูปแบบที่เข้ารหัส จำเป็นสำหรับการเรียกใช้ฟังก์ชันแบบการสนทนาไปมาในโหมดไม่เก็บสถานะ โดย Interactions API และ SDK อย่างเป็นทางการจะจัดการให้โดยอัตโนมัติ

แนวทางปฏิบัติแนะนำในการเขียนพรอมต์

โมเดล Gemini 3.x เป็นโมเดลการให้เหตุผล ซึ่งจะเปลี่ยนวิธีที่คุณควรเขียนพรอมต์

• คำแนะนำที่แม่นยำ: เขียนให้กระชับ Gemini 3.x ตอบสนองได้ดีที่สุดต่อคำแนะนำที่ชัดเจนและตรงไปตรงมา เทคนิควิศวกรรมพรอมต์ (Prompt Engineering) ที่ละเอียดหรือซับซ้อนซึ่งออกแบบมาสำหรับโมเดลเก่าอาจทำให้โมเดลวิเคราะห์มากเกินไป
• ความละเอียดของเอาต์พุต: โดยค่าเริ่มต้น Gemini 3 และ 3.1 จะให้รายละเอียดน้อยลงและชอบคำตอบที่ตรงไปตรงมาและมีประสิทธิภาพ หากกรณีการใช้งานของคุณต้องใช้โทนการสนทนา ให้กำหนดให้โมเดลใช้โทนนั้นอย่างชัดเจนในพรอมต์ (เช่น "อธิบายเรื่องนี้ในฐานะผู้ช่วยที่เป็นมิตรและช่างพูด")
• การจัดการบริบท: เมื่อทำงานกับชุดข้อมูลขนาดใหญ่ (เช่น หนังสือทั้งเล่ม ฐานโค้ด หรือวิดีโอยาว) ให้ใส่คำแนะนำหรือคำถามที่เฉพาะเจาะจงไว้ที่ท้ายพรอมต์หลังจากบริบทข้อมูล ยึดการให้เหตุผลของโมเดลโดยเริ่มคำถามด้วยวลี เช่น "จากข้อมูลข้างต้น..."

ดูข้อมูลเพิ่มเติมเกี่ยวกับกลยุทธ์การออกแบบพรอมต์ได้ใน คู่มือวิศวกรรมพรอมต์ (Prompt Engineering)

ข้อจำกัด

• Gemini 3.x ไม่รองรับการแบ่งส่วนรูปภาพ สำหรับเวิร์กโหลดการแบ่งส่วน ให้ใช้ Gemini 2.5 Flash ต่อไปโดยปิดการคิด

คำถามที่พบบ่อย

1. Gemini 3.5 Flash มีข้อมูลล่าสุดถึงเมื่อใด Gemini 3.5 Flash มีข้อมูลล่าสุดถึงเดือนมกราคม 2025 หากต้องการดูข้อมูลล่าสุด ให้ใช้เครื่องมือ Search Grounding

2. หน้าต่างบริบทมีขีดจำกัดเท่าใด Gemini 3.5 Flash รองรับหน้าต่างบริบทอินพุตขนาด 1 ล้านโทเค็นและโทเค็นเอาต์พุตสูงสุด 65,000 รายการ

3. โค้ด thinking_budget เก่าของฉันจะยังใช้งานได้ไหม ได้ thinking_budget ยังคงรองรับความเข้ากันได้แบบย้อนหลัง แต่เราขอแนะนำให้ย้ายข้อมูลไปใช้ thinking_level เพื่อประสิทธิภาพที่คาดการณ์ได้มากขึ้น อย่าใช้ทั้ง 2 อย่างในคำขอเดียวกัน

4. Gemini 3.5 Flash รองรับ Batch API ไหม ใช่ ดูรายละเอียดได้ที่คู่มือ Batch API

5. ระบบรองรับการแคชบริบทไหม รองรับ Context Caching

6. เครื่องมือใดบ้างที่รองรับ Gemini 3.5 Flash รองรับ Google Search, การเชื่อมต่อแหล่งข้อมูลกับ Google Maps, File Search, การเรียกใช้โค้ด, บริบท URL และ การเรียกใช้ฟังก์ชันมาตรฐาน, ซึ่งรวมถึง การใช้เครื่องมือร่วมกัน และ การใช้คอมพิวเตอร์

ขั้นตอนถัดไป

• ดูข้อมูลเพิ่มเติมเกี่ยวกับกลยุทธ์การออกแบบพรอมต์ได้ใน คู่มือวิศวกรรมพรอมต์ (Prompt Engineering)
• เริ่มต้นใช้งาน Cookbook ของ Gemini 3
• ดูข้อมูลเกี่ยวกับการเพิ่มประสิทธิภาพและการอนุมานของ Gemini API