Google: Gemini 3.5 Flash (batch)

Gemini 3.5 Flash est le profil de modèle Flash multimodal de Google pour les travaux prolongés de programmation et les tâches réalisées par des agents. Ses entrées documentées sont le texte, les images, la vidéo, l’audio et le PDF, avec une sortie textuelle. Les tâches ciblées comprennent la programmation itérative, l’exploration de solutions alternatives et de longues séquences d’instructions et d’utilisation d’outils. L’édition 3.5 fournit des réglages de réflexion, des entrées multimodales et des processus documentés utilisant des outils.

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 d’instructions : « Compare la capture d’écran avec le texte du composant, identifie l’écart dans le processus du formulaire et propose une correction ciblée. Explique quels détails sources justifient le changement. » Pour un document, fournissez les pages pertinentes et demandez une comparaison avec des exigences explicites, avec des références sources pour chaque constat.

L’édition documente les niveaux de réflexion minimal, low, medium et high. Medium est la valeur par défaut, remplaçant high, la valeur par défaut de Gemini 3 Flash Preview. Minimal convient aux réponses simples et aux choix d’outils simples sans garantir que le raisonnement soit complètement désactivé ; low vise les tâches nécessitant moins d’étapes ; high fournit un raisonnement plus approfondi pour les mathématiques difficiles, la programmation et les problèmes 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 caractéristique est la préservation du contexte de raisonnement sur une tâche à plusieurs tours. Le flux Interactions de Google transmet ce contexte automatiquement ; son flux GenerateContent exige l’historique complet et non modifié de la conversation, y compris les signatures de réflexion. Cela soutient un travail continu de débogage ou de refactoring dans lequel le raisonnement antérieur éclaire l’étape suivante. Préservez la structure réelle de la conversation plutôt que de transformer chaque suivi en prompt sans rapport et gardez le livrable final demandé clair à mesure que le travail progresse.

L’ensemble d’outils documenté comprend Google Search, l’ancrage Google Maps, File Search, Code Execution, URL Context et Function Calling standard, l’utilisation combinée d’outils et Computer Use étant indiqués comme des capacités en preview. Structured Outputs peut fournir un enregistrement de données défini. Donnez aux fonctions un objectif clair et une définition de paramètres : 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 doivent figurer dans la réponse de fonction.

Le tableau API exact du modèle indique un maximum de 1 048 576 tokens d’entrée et de 65 536 tokens de sortie. L’historique de conversation et les médias fournis contribuent au budget d’entrée. Le caching et le traitement par lots sont documentés pour ce profil, avec des options supplémentaires de traitement Flex et Priority dans le tableau de Google. Ces limites et capacités décrivent l’édition du fabricant ; elles n’exigent pas qu’une réponse remplisse toute la fenêtre de sortie et ne rendent pas chaque outil 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 développeur exclut également 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 des informations externes sont nécessaires et quelles preuves la réponse finale doit conserver.

Pour une tâche longue utile, définissez le résultat final et le critère d’achèvement avant la première étape. Une analyse de support peut demander un tableau des problèmes observés, des passages justificatifs et une réponse proposée ; une tâche de programmation peut exiger la modification ciblée et le résultat de validation pertinent. Joignez le contexte source qui compte, définissez les actions d’outils autorisées et demandez une réponse finale explicite distinguant le travail accompli des questions nécessitant encore des informations. Le processus soutenu du modèle aboutit ainsi à un livrable concret de texte, de code ou de données structurées.