Google: Gemini 3.5 Flash (batch)

Gemini 3.5 Flash es el perfil de modelo Flash multimodal de Google para programación sostenida y trabajo con agentes. Sus entradas documentadas son texto, imágenes, video, audio y PDF, con salida de texto. El enfoque de sus tareas incluye programación iterativa, exploración de soluciones alternativas y secuencias más largas de instrucciones y uso de herramientas. La edición 3.5 proporciona controles documentados de pensamiento, entradas multimodales y flujos con herramientas.

Una tarea de programación puede combinar un requisito escrito, archivos de código pertinentes y una captura del resultado previsto. Proporciona el comportamiento observado, el comportamiento esperado y las restricciones que deben mantenerse intactas. Un ejemplo de encargo es: “Compara la captura con el texto del componente, identifica la discrepancia en el flujo del formulario y propone una corrección enfocada. Explica qué detalles de la fuente justifican el cambio”. Para una tarea documental, proporciona las páginas pertinentes y solicita una comparación con requisitos explícitos, con referencias de fuente para cada hallazgo.

La edición documenta niveles de pensamiento mínimo, bajo, medio y alto. Medio es el valor predeterminado, que cambia respecto del valor alto predeterminado de Gemini 3 Flash Preview. Mínimo se adapta a respuestas simples y decisiones sencillas de herramientas sin garantizar que el razonamiento esté completamente deshabilitado; bajo se dirige a tareas que requieren menos pasos; alto proporciona un razonamiento más profundo para problemas difíciles de matemáticas, programación y agentes. Google recomienda usar thinking_level para controlar el esfuerzo y conservar los ajustes de muestreo predeterminados, en lugar de intentar forzar el razonamiento cambiando temperature, top-p o top-k.

Un comportamiento definitorio es la conservación del contexto de razonamiento durante una tarea de varios turnos. El flujo Interactions de Google lleva ese contexto automáticamente; su flujo GenerateContent requiere el historial completo de conversación sin modificar, incluidas las firmas de pensamiento. Esto respalda una tarea continua de depuración o refactorización en la que el razonamiento previo orienta el siguiente paso. Conserva la estructura real de la conversación en lugar de convertir cada seguimiento en un prompt sin relación, y mantén claro el entregable final solicitado a medida que avanza el trabajo.

El conjunto documentado de herramientas incluye Google Search, fundamentación con Google Maps, File Search, Code Execution, URL Context y Function Calling estándar; el uso combinado de herramientas y Computer Use se marcan como capacidades preliminares. Structured Outputs puede proporcionar un registro de datos definido. Da a las funciones un propósito claro y una definición de parámetros: el modelo elige una función, mientras que la aplicación conectada realiza la operación y devuelve el resultado. Google exige que los resultados de funciones correspondan a las llamadas previas por identidad, nombre y cantidad; los resultados multimodales pertenecen a la respuesta de la función.

La tabla exacta del modelo de API indica una entrada máxima de 1,048,576 tokens y una salida máxima de 65,536 tokens. El historial de conversación y los medios proporcionados contribuyen al presupuesto de entrada. La caché y el procesamiento por lotes están documentados para este perfil, con opciones adicionales de procesamiento Flex y Priority en la tabla de Google. Estos límites y capacidades describen la edición del productor; no requieren que una respuesta llene toda la ventana de salida ni hacen necesaria cada herramienta para una tarea.

Este perfil genera texto en lugar de imágenes o audio y no utiliza Live API. Su guía para desarrolladores también excluye la segmentación de imágenes. Para una pregunta visual, solicita una descripción, extracción o interpretación del material proporcionado; para una grabación hablada, pide un resultado textual. Cuando la respuesta depende de información más reciente, el flujo documentado de fundamentación mediante búsquedas puede agregar fuentes más allá del conocimiento de entrenamiento. Indica si se necesita información externa y qué evidencia debe conservar la respuesta final.

Para una tarea larga útil, define el resultado final y el criterio de finalización antes del primer paso. Una tarea de análisis de soporte podría solicitar una tabla de problemas observados, pasajes que los respaldan y una respuesta propuesta; una tarea de programación podría requerir el cambio enfocado y el resultado pertinente de validación. Adjunta el contexto de origen que importa, especifica las acciones de herramientas permitidas y solicita una respuesta final explícita que separe el trabajo completado de las preguntas que todavía requieren información. Esto convierte el flujo sostenido del modelo en un entregable concreto de texto, código o estructura definida.