Google: Gemini 3.5 Flash (batch)

Gemini 3.5 Flash est le profil du modèle multimodal Flash de Google pour la programmation soutenue et le travail d’agent. Ses entrées documentées sont le texte, les images, la vidéo, l’audio et les PDF, avec une sortie textuelle. Les tâches privilégiées par le modèle comprennent la programmation itérative, l’exploration de solutions de rechange et les longues séquences d’instructions et d’utilisation d’outils. L’édition 3.5 fournit des contrôles de réflexion, des entrées multimodales et des flux de travail avec outils documentés.

Une tâche de programmation peut combiner une exigence écrite, les fichiers sources pertinents et une capture d’écran du résultat souhaité. Fournissez le comportement observé, le comportement attendu et les contraintes qui doivent rester intactes. Voici un exemple de consigne : « Comparez la capture d’écran avec le texte du composant, identifiez l’écart dans le flux du formulaire et proposez une correction ciblée. Expliquez quels détails de la source justifient le changement. » Pour une tâche documentaire, fournissez les pages pertinentes et demandez une comparaison avec des exigences explicites, avec des références aux sources pour chaque constat.

L’édition documente les niveaux de réflexion minimal, faible, moyen et élevé. Le niveau moyen est la valeur par défaut, remplaçant le niveau élevé par défaut de Gemini 3 Flash Preview. Le niveau minimal convient aux réponses simples et aux décisions d’outils directes, sans garantir que le raisonnement soit complètement désactivé; le niveau faible vise les tâches nécessitant moins d’étapes; le niveau élevé fournit un raisonnement plus approfondi pour les problèmes difficiles de mathématiques, de programmation et d’agents. Google recommande d’utiliser thinking_level pour contrôler l’effort et de conserver les réglages d’échantillonnage par défaut plutôt que de tenter de forcer le raisonnement en modifiant temperature, top-p ou top-k.

Un comportement déterminant est la préservation du contexte de raisonnement au fil d’une tâche à plusieurs tours. Le flux Interactions de Google transporte automatiquement ce contexte; son flux GenerateContent exige l’historique complet et non modifié de la conversation, y compris les signatures de pensée. Cela soutient une tâche continue de débogage ou de refactorisation dans laquelle le raisonnement antérieur éclaire l’étape suivante. Préservez la structure réelle de la conversation plutôt que de transformer chaque suivi en invite sans rapport, et gardez le livrable final demandé clair au fil du travail.

L’ensemble d’outils documenté comprend Google Search, l’ancrage avec Google Maps, File Search, Code Execution, URL Context et Function Calling standard, l’utilisation combinée d’outils et Computer Use étant marqués comme capacités en préversion. Structured Outputs peut fournir un enregistrement de données défini. Donnez aux fonctions une finalité claire et des paramètres définis : le modèle choisit une fonction, tandis que l’application connectée réalise son opération et renvoie le résultat. Google exige que les résultats de fonctions correspondent aux appels précédents par identité, nom et nombre; les résultats multimodaux relèvent de la réponse de fonction.

Le tableau API du modèle exact indique un maximum de 1 048 576 jetons d’entrée et de 65 536 jetons de sortie. L’historique de conversation et les médias fournis contribuent au budget d’entrée. La mise en cache et le traitement par lots sont documentés pour ce profil, avec des options additionnelles Flex et Priority dans le tableau de Google. Ces limites et capacités décrivent l’édition du producteur; elles n’exigent pas qu’une réponse remplisse toute la fenêtre de sortie ni que chaque outil soit nécessaire à une tâche.

Ce profil génère du texte plutôt que des images ou de l’audio et n’utilise pas Live API. Son guide de développement exclut aussi la segmentation d’images. Pour une question visuelle, demandez une description, une extraction ou une interprétation des éléments fournis; pour un enregistrement parlé, demandez un résultat textuel. Lorsque la réponse dépend d’informations plus récentes, le flux d’ancrage par recherche documenté peut ajouter des sources au-delà des connaissances d’entraînement. Précisez si de l’information externe est nécessaire et quelles données probantes la réponse finale doit conserver.

Pour une tâche longue utile, définissez le résultat final et le critère d’achèvement avant la première étape. Une tâche d’analyse du soutien pourrait demander un tableau des problèmes observés, des passages à l’appui et une réponse proposée; une tâche de programmation pourrait exiger la modification ciblée et le résultat de validation pertinent. Joignez le contexte source important, précisez les actions d’outils autorisées et demandez une réponse finale explicite qui distingue le travail terminé des questions nécessitant encore de l’information. Cela transforme le flux soutenu du modèle en livrable concret de texte, de code ou de données structurées.