Gemini 3.5 Flash：思考等级与 Gemini API 配置

一句话结论

Gemini 3.5 Flash 默认使用 medium 思考，API 可用 minimal、low、medium、high 调节推理深度；多轮工具调用要原样保留模型返回的所有 parts/思维签名。

适用场景

• 适合的任务：Gemini API 的编码、数据分析、文档处理、函数调用和多步 Agent 工作流。

• 不适合的任务：把 Gemini 2.5 的 thinkingBudget 参数直接用于 Gemini 3.5 Flash，或删除多轮函数调用中的签名部分。

• 适用的模型版本：gemini-3.5-flash。

• 适用的客户端、Agent 或 API：Google Gen AI SDK 的 generate_content/generateContent，以及 REST generateContent。

• 推荐的推理档位和参数：简单分类/事实任务 minimal 或 low；普通任务 medium；复杂编码、数学和规划 high。思考摘要按需启用，生产环境同时记录 thoughts token。

可直接使用的内容

以下代码是依据官方 API 字段和官方示例，将模型名明确替换为 gemini-3.5-flash 的可运行配置模板；模型名替换是为本模型整理的适配，不声称是页面逐字代码。

Python：设置思考等级

from google import genai
from google.genai import types

client = genai.Client()

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="分析这份销售数据，先给出结论，再列出证据和不确定性。",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_level="high")
    ),
)

print(response.text)

JavaScript：中等思考

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

const ai = new GoogleGenAI({});
const response = await ai.models.generateContent({
  model: "gemini-3.5-flash",
  contents: "把这段会议记录整理成 JSON：主题、决策、负责人、截止日期。",
  config: {
    thinkingConfig: { thinkingLevel: ThinkingLevel.MEDIUM },
  },
});

console.log(response.text);

REST：低延迟档位

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": "将以下文本分类为 bug、feature 或 question，只返回类别。"}]}],
    "generationConfig": {
      "thinkingConfig": {"thinkingLevel": "low"}
    }
  }'

按需读取思考摘要

from google import genai
from google.genai import types

client = genai.Client()
response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="比较两个方案，给出推荐和关键风险。",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(
            thinking_level="high",
            include_thoughts=True,
        )
    ),
)

for part in response.candidates[0].content.parts:
    if not part.text:
        continue
    print("Thought summary:" if part.thought else "Answer:")
    print(part.text)

测试/工作流步骤

1. 先用默认 medium 建立基线；简单任务改跑 minimal/low，复杂任务改跑 high。

2. 每次运行记录 usage_metadata.thoughts_token_count、输出 token、首 token 延迟、总延迟和费用。

3. 若要调试质量，短期打开 include_thoughts=True 查看摘要；生产输出只保留必要的摘要/日志，不把内部推理当作事实证明。

4. 使用函数调用或多轮对话时，原样传回模型返回的全部 response parts；不要拼接、删除或修改带签名的部分。

5. 不要用 Gemini 2.5 的 thinkingBudget 来控制 3.5 Flash；3.5 Flash 使用 thinkingLevel，支持 minimal、low、medium、high。

原始证据与数据

• 官方模型页列出 gemini-3.5-flash：输入上限 1,048,576 tokens，输出上限 65,536 tokens；支持文本、图片、视频、音频、PDF 输入，输出文本。

• 官方思考表格将 Gemini 3.5 Flash 标为默认 medium，并支持 minimal、low、medium、high；high 可动态提高推理深度。

• 官方文档说明启用思考后费用包含输出 token 和思考 token；可从 thoughtsTokenCount/对应 SDK usage 字段读取思考 token。

• Gemini 3 模型可能为各种 parts 返回思考签名；官方建议按原样传递所有 parts，函数调用多轮尤其不能丢失签名。

适用边界

• 文档页面的部分代码示例使用 gemini-3.6-flash 作为当前示例；上文模板仅按同一字段结构替换为本模型 ID，实际 SDK/API 可用性需在目标项目验证。

• minimal 不保证完全关闭思考；若需要严格无思考语义，Gemini 3.5 Flash 的官方页面没有提供 thinkingBudget=0 这一配置。

• 思考摘要是摘要而不是完整内部推理，也不能代替外部证据、测试或人工复核。

• 1M 输入窗口和 65,536 输出上限是 API 模型页规格，不代表每个客户端、套餐或代理框架都开放相同上限。

来源摘录或观察（仅做合规短引）

官方表格把 Gemini 3.5 Flash 的默认档位标为 medium，并把 high 描述为更深的动态推理。文档同时强调：多轮请求要原样回传带签名的 parts，这是最容易被自定义 Agent 框架破坏的配置细节。