Gemini 中文指南
获取 API 密钥 ↗

Gemini 3.5 Flash 新特性

↓ 下载 Markdown

Gemini 3.5 Flash (gemini-3.5-flash)是 Gemini 3 系列中的较早一代 Flash 模型,现已弃用并自动路由到 Gemini 3.6 Flash.

本指南保留供参考,并记录了 Gemini 3.5 Flash 中引入的功能和基线 Gemini 3.x 参数更新。

型号概览 #

模型型号编号说明
Gemini 3.5 Flash(已弃用)gemini-3.5-flash用于智能体和编码任务的早期 Flash 模型。替换为 Gemini 3.6 Flash.

Gemini 3.5 Flash支持1M token 上下文窗口,最大65k输出token,思维,以及与Gemini 3 Flash相同的工具集和平台功能,包括 电脑使用。有关完整规格,请参阅 型号概览.

快速入门 #

本指南中的所有示例均使用GenerateContent API。还支持 Interactions API;相同的配置选项和建议适用。

python
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)

有什么新消息 #

  • 持续前沿表现: 我们最智能的 Flash 模型,针对大规模智能体和编码任务进行了优化。
  • 智能体执行: Sub-智能体部署、问题解决和大规模快速智能体循环。
  • 编码: 迭代编码周期、快速探索和原型设计,以测试替代路径并动态探索解决方案。
  • 长远视野: 多步骤工作流程和大规模工具使用。
  • 思想保存: 该模型自动维护多轮对话的中间推理。无需 API 更改。
  • 新的默认努力水平: 默认思维努力从 high 到 medium。参见 新的默认努力水平 了解详情。
  • 改进 low 思考: low 现在,对于需要更少步骤的代码和智能体任务有了显着改进,以更低的延迟和成本提供了强大的质量。
  • 正式发布: 用于规模化生产的稳定模型。

选择正确的 Flash 型号 #

Gemini 3.5 Flash 已弃用并自动路由到 Gemini 3.6 Flash。根据您的成本、延迟和功能要求,我们推荐以下型号:

行为改变 #

新的默认努力水平: medium #

默认的思考努力是现在 medium,改变自 high 在 Gemini 3 Flash Preview 中。 medium 在各种任务中都能产生非常好的结果,同时速度更快、更具成本效益。对于复杂的问题, high 鼓励模型更深入地思考。

努力程度何时使用
minimal优化响应速度。类似聊天的用例、快速的事实答案、更简单的工具调用。
low需要更低延迟和更少步骤的代码和智能体任务。也适用于需要一些思考的分析和写作任务。
medium (默认)大多数任务的最佳质量。推荐用于复杂代码和智能体用例。
high最大限度地提高模型思考和使用工具的能力。最适合复杂推理、困难数学和最困难的代码或智能体任务。允许扩展的想法和函数调用。

要覆盖默认值,请设置 thinking_level 在你的配置中:

python
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)

下表显示了每个模型支持的思维级别:

思维层面

Gemini 3.5 Flash

Gemini 3.1 Pro

Gemini 3.1 Flash-Lite

Gemini 3 Flash

说明

minimal

支持

不支持

支持(默认)

支持

匹配大多数查询的“不思考”设置。注意, minimal 并不能保证思维是关闭的,该模型可能对复杂任务进行非常简单的推理。

low

支持

支持

支持

支持

最大限度地减少延迟和成本。

medium

支持(默认)

支持

支持

支持

对大多数任务的平衡思考。

high

支持(动态)

支持(默认、动态)

支持(动态)

支持(默认、动态)

最大化推理深度。

思想保存 #

该模型自动维护多轮对话的中间推理。当存在于对话历史记录中时,推理上下文会继续下去,从而提高复杂的多步骤任务(例如迭代调试和代码重构)的性能。无需 API 更改:

  • Interactions API:思想已经自动保存。行为没有改变。
  • 生成内容 API:从 Gemini 3.5 Flash 开始,当对话历史记录中存在思想签名时,模型会使用之前所有回合的推理上下文。要启用此功能,请传递完整的、未经修改的对话历史记录(包括 思想签名) 在 contents。 SDK 会自动处理这个问题。

token 计数多圈。对于简单的查询,您可以清除它们以降低成本。请参阅 思想签名指南 了解详情。

Gemini 3.x 中的参数更新和最佳实践 #

以下内容适用于 所有 Gemini 3.x 型号,包括 Gemini 3.5 Flash。

  • temperature, top_p, top_k:我们强烈建议不要更改默认值。 Gemini 3 的推理能力针对默认设置进行了优化。
  • 使用 thinking_level 而不是 thinking_budget.
  • 函数调用响应匹配: id, name,并且响应计数必须与前面的调用匹配。
  • 多模态功能响应:将多模态内容包含在函数响应内部,而不是外部。
  • 函数响应中的内联指令:附加到函数响应文本,而不是作为单独的部分。
  • 减少不必要的工具调用:使用较低的思维水平或尝试系统指令来减少智能体工作流程中的工具调用。

有关如何更新代码的信息,请参阅以下部分。

采样参数(不再推荐) #

temperature, top_p, 和 top_k 不再推荐用于所有 Gemini 3.x 型号。 Gemini 3 的推理功能针对默认设置进行了优化。 从所有请求中删除这些参数。

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

为了确保确定性,我们建议为您的特定用例定义具有明确规则的系统指令。

thinking_budget (不再推荐) #

原始数字 thinking_budget 不再建议在所有 Gemini 3.x 型号中使用该参数。使用 thinking_level 改为字符串枚举。

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

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

可用值: minimal, low, medium (默认),以及 high.

函数调用:严格响应匹配 #

Interactions API 已经因不匹配的函数响应而出错。 GenerateContent API 尚未出错,但不匹配的响应会导致模型返回空响应 finish_reason: STOP 在大多数情况下。始终遵循以下约定:

要求详情
包括 id每个 FunctionResponse 必须包括 id 从相应的 FunctionCall
比赛 name该 name 响应中必须匹配 name 在通话中
比赛计数返回正好 1 FunctionResponse 对于每个 FunctionCall 收到
python
# ✅ 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,
            )
        ]),
    ],
)

多模态功能响应 #

我们经常看到客户提供功能响应之外的图像。这可能会导致意外的模型行为(例如思想泄漏)并导致输出质量较低。按照中的建议进行操作 多模态函数响应 API 文档 相反,并在发送到模型的函数响应部分中包含多模态内容。该模型可以在下一轮处理这种多模态内容,以产生更明智的响应。

python
# ✅ 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,
            )
        ]),
    ],
)

函数响应中的内联指令 #

我们经常看到客户提供附加说明以及后续的功能响应 Parts。这可能会导致意外的模型行为(例如思想泄漏)并导致输出质量较低。相反,请将任何额外的指令附加到由两个换行符分隔的函数响应文本的末尾。

python
# ✅ 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,
            )
        ]),
    ],
)

减少不必要的工具调用 #

如果您过度使用工具调用,有两种技术可以帮助您最大程度地减少这种情况:

  1. 从降低思维层次开始 (medium, low, 或 minimal): 较高的思维水平鼓励模型使用更多的工具来探索和验证,因此降低水平可以减少工具调用。

  2. 添加系统指令: 如果调整思维水平后仍然存在过度使用,请考虑限制工具使用的提示。例如:

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

Gemini 3系列特性 #

Gemini 3.5 Flash 继承了 Gemini 3 系列的所有功能,包括计算机使用。 Gemini 3 中引入的功能继承了:

  • 思考: 在 API 调用中保留加密的推理上下文。 Interactions API 自动;隐含在GenerateContent中。
  • 使用工具进行结构化输出: 将 JSON 模式与内置工具(搜索、URL 上下文、代码执行、函数调用)相结合。
  • 多模态功能响应: 在函数调用结果中返回图像、音频和其他媒体。
  • 使用图像执行代码: 执行处理和生成图像的代码。
  • 组合工具使用: 在同一请求中使用内置工具和自定义函数调用。
  • 媒体分辨率: 对图像、视频和 PDF 输入的 token 分配进行细粒度控制。 Gemini 3 型号支持每个内容项的分辨率设置(low, medium, high, ultra_high)用于混合保真度提示。
  • 思考签名: 模型内部推理的加密表示。多圈函数调用需要;由官方 SDK 自动管理。

提示最佳实践 #

Gemini 3.x 模型是推理模型,它改变了您应该如何提示。

  • 准确说明: 保持简洁。 Gemini 3.x 对直接、清晰的指令反应最好。为旧模型设计的冗长或复杂的提示工程技术可能会导致模型过度分析。
  • 输出详细程度: 默认情况下,Gemini 3.x 不太冗长,更喜欢直接、高效的答案。如果您的用例需要对话语气,请在提示中明确引导模型(例如,“将其解释为友好、健谈的助手”)。
  • 上下文管理: 处理大型数据集(例如整本书、代码库或长视频)时,请将具体说明或问题放在提示末尾的数据上下文之后。通过用“基于前面的信息......”之类的短语开始你的问题来锚定模型的推理。

了解有关提示设计策略的更多信息 及时的工程指南.

限制 #

  • Gemini 3.x 不支持图像分割。对于分段工作负载,请继续使用 Gemini 2.5 Flash 并进行思考,或者 Gemini Robotics ER 2.

FAQ #

  1. Gemini 3.5 Flash 的知识截止点是多少? Gemini 3.5 Flash 的知识截止日期为 1 月 2025. 有关更多最新信息,请使用 搜索事实依据 工具。

  2. 上下文窗口限制是什么? Gemini 3.5 Flash支持1百万个token输入上下文窗口和最多65k输出token。

  3. 我的老 thinking_budget 代码还能用吗? 是的, thinking_budget 仍然支持向后兼容,但我们建议迁移到 thinking_level 以获得更可预测的性能。不要在同一请求中同时使用两者。

  4. Gemini 3.5 Flash是否支持Batch API? 是的。请参阅 Batch API 指南了解详细信息。

  5. 是否支持上下文缓存? 是的, 上下文缓存 是支持的。

  6. 支持哪些工具? Gemini 3.5 Flash 支持 Google 搜索, 使用 Google 地图提供事实依据, 文件搜索, 代码执行, URL上下文,和标准 函数调用,包括 组合工具使用, 和 电脑使用.

其他型号 #

后续步骤 #

搜索标题、API 名称或正文内容