Google: Gemini 3.5 Flash (batch)

Gemini 3.5 Flash er Googles multimodale Flash-modelprofil til længerevarende programmering og agentarbejde. Dens dokumenterede input er tekst, billeder, video, lyd og PDF med tekstoutput. Modellens opgavefokus omfatter iterativ programmering, udforskning af alternative løsninger og længere rækker af instruktioner og værktøjsbrug. 3.5-udgaven tilbyder dokumenterede tænkeindstillinger, multimodale input og værktøjsarbejdsgange.

En programmeringsopgave kan kombinere et skriftligt krav, relevante kildefiler og et skærmbillede af det tilsigtede resultat. Angiv den observerede adfærd, den forventede adfærd og de begrænsninger, der skal forblive intakte. En eksempelopgave er: “Sammenlign skærmbilledet med komponentteksten, identificér afvigelsen i formulararbejdsgangen, og foreslå én målrettet rettelse. Forklar, hvilke kildedetaljer der begrunder ændringen.” Giv de relevante sider til en dokumentopgave, og bed om en sammenligning mod eksplicitte krav med kildehenvisninger til hver observation.

Udgaven dokumenterer tænkeniveauerne minimal, low, medium og high. medium er standarden, ændret fra standarden high i Gemini 3 Flash Preview. minimal egner sig til enkle svar og ligefremme værktøjsbeslutninger uden at garantere, at ræsonnering er helt deaktiveret; low retter sig mod opgaver med færre trin; high giver dybere ræsonnering til svær matematik, programmering og agentproblemer. Google anbefaler at bruge thinking_level til at styre indsatsen og bevare standardsamplingindstillinger frem for at forsøge at fremtvinge ræsonnering ved at ændre temperature, top-p eller top-k.

En definerende adfærd er bevarelse af ræsonneringskontekst på tværs af en opgave med flere ture. Googles Interactions-arbejdsgang overfører denne kontekst automatisk; dens GenerateContent-arbejdsgang kræver hele den uændrede samtalehistorik inklusive tankesignaturer. Det understøtter en fortsat fejlfindings- eller refaktoreringsopgave, hvor tidligere ræsonnering bidrager til det næste trin. Bevar den faktiske samtalestruktur frem for at omdanne hver opfølgning til en uvedkommende prompt, og hold det endeligt ønskede resultat klart, mens arbejdet skrider frem.

Det dokumenterede værktøjssæt omfatter Google Search, grounding med Google Maps, File Search, Code Execution, URL Context og standard Function Calling med kombineret værktøjsbrug og Computer Use markeret som en previewfunktion. Structured Outputs kan levere en defineret datapost. Giv funktioner et klart formål og en parameterdefinition: Modellen vælger en funktion, mens den tilsluttede applikation udfører dens handling og returnerer resultatet. Google kræver, at funktionsresultater matcher de foregående kald ud fra identitet, navn og antal; multimodale resultater hører til inde i funktionssvaret.

Den specifikke API-modeltabel angiver et maksimalt input på 1.048.576 tokens og et maksimalt output på 65.536 tokens. Samtalehistorik og leverede medier bidrager til inputbudgettet. Caching og batchbehandling er dokumenteret for denne profil med yderligere Flex- og Priority-behandlingsmuligheder i Googles tabel. Disse grænser og egenskaber beskriver producentudgaven; de kræver ikke, at et svar fylder hele outputvinduet, eller gør hvert værktøj nødvendigt for en opgave.

Denne profil genererer tekst frem for billeder eller lyd og bruger ikke Live API. Dens udviklervejledning udelukker også billedsegmentering. Bed ved et visuelt spørgsmål om en beskrivelse, et udtræk eller en fortolkning af det leverede materiale; bed ved en talt optagelse om et tekstresultat. Når svaret afhænger af nyere oplysninger, kan den dokumenterede søgegroundingarbejdsgang tilføje kilder ud over træningsviden. Angiv, om eksterne oplysninger kræves, og hvilken dokumentation det endelige svar skal bevare.

Definér slutresultatet og afslutningskriteriet før det første trin til en nyttig længere opgave. En supportanalyse kan bede om en tabel over observerede problemer, understøttende passager og et foreslået svar; en programmeringsopgave kan kræve den målrettede ændring og det relevante valideringsresultat. Vedlæg den relevante kildekontekst, angiv de tilladte værktøjshandlinger, og bed om et eksplicit endeligt svar, der adskiller færdigt arbejde fra spørgsmål, som stadig kræver oplysninger. Det omdanner modellens længerevarende arbejdsgang til et konkret tekst-, kode- eller struktureret resultat.