Google: Gemini 3.5 Flash (batch)

A Gemini 3.5 Flash a Google multimodális Flash modellprofilja tartós kódolási és ágensmunkához. Dokumentált bemenetei szöveg, kép, videó, hang és PDF, kimenete szöveg. A modell feladatfókusza az iteratív kódolást, alternatív megoldások feltárását és hosszabb utasítás- és eszközhasználati sorozatokat foglalja magában. A 3.5 kiadás dokumentált gondolkodási vezérlőket, multimodális bemeneteket és eszközmunkafolyamatokat biztosít.

Egy kódolási feladat egyesíthet írott követelményt, releváns forrásfájlokat és a tervezett eredmény képernyőképét. Adja meg a megfigyelt működést, az elvárt működést és az érintetlenül megőrzendő korlátokat. Szemléltető feladatleírás: „Vesse össze a képernyőképet a komponens szövegével, azonosítsa az eltérést az űrlap munkafolyamatában, és javasoljon egyetlen célzott javítást. Magyarázza el, mely forrásrészletek indokolják a változtatást.” Dokumentumfeladathoz adja meg a releváns oldalakat, és kérjen összehasonlítást kifejezett követelményekkel, minden megállapításhoz forráshivatkozással.

A kiadás minimal, low, medium és high gondolkodási szinteket dokumentál. Az alapértelmezés medium, a Gemini 3 Flash Preview high alapértelmezéséhez képest megváltoztatva. A minimal egyszerű válaszokhoz és egyértelmű eszközdöntésekhez illik, anélkül hogy garantálná a gondolkodás teljes kikapcsolását; a low kevesebb lépést igénylő feladatokat céloz; a high mélyebb gondolkodást ad nehéz matematikai, kódolási és ágensproblémákhoz. A Google a thinking_level használatát javasolja a ráfordítás szabályozásához és az alapértelmezett mintavételi beállítások megtartását, ahelyett hogy a temperature, top-p vagy top-k változtatásával próbálná kikényszeríteni a gondolkodást.

Meghatározó működés a gondolkodási kontextus megőrzése többfordulós feladaton át. A Google Interactions munkafolyamata ezt a kontextust automatikusan továbbviszi; a GenerateContent munkafolyamat teljes, módosítatlan beszélgetési előzményt igényel a gondolkodási aláírásokkal együtt. Ez olyan folytatódó hibakeresési vagy refaktorálási feladatot támogat, amelyben a korábbi gondolatmenet megalapozza a következő lépést. Őrizze meg a tényleges beszélgetésszerkezetet ahelyett, hogy minden követő kérést független prompttá alakítana, és a munka előrehaladtával is legyen világos a végső kért anyag.

A dokumentált eszközkészlet Google Search, Google Maps-alapú forráshoz kötés, File Search, Code Execution, URL Context és szokásos Function Calling funkciót tartalmaz, az együttes eszközhasználat és a Computer Use pedig előzetes képességként van jelölve. A Structured Outputs meghatározott adatrekordot biztosíthat. Adjon a függvényeknek egyértelmű célt és paramétermeghatározást: a modell választ függvényt, a kapcsolódó alkalmazás pedig végrehajtja annak műveletét és visszaadja az eredményt. A Google megköveteli, hogy a függvényeredmények az előző hívásokkal azonosító, név és darabszám szerint egyezzenek; a multimodális eredmények a függvényválaszon belülre tartoznak.

A konkrét API-modelltáblázat legfeljebb 1 048 576 bemeneti és 65 536 kimeneti tokent ad meg. A beszélgetési előzmények és a megadott média a bemeneti keretbe számítanak. Ehhez a profilhoz dokumentált a gyorsítótárazás és kötegelt feldolgozás, a Google táblázatában további Flex és Priority feldolgozási lehetőségekkel. Ezek a korlátok és képességek a fejlesztő kiadását írják le; nem követelik meg, hogy egy válasz a teljes kimeneti ablakot kitöltse, és nem tesznek minden eszközt szükségessé a feladathoz.

Ez a profil képek vagy hang helyett szöveget generál, és nem használ Live API-t. Fejlesztői útmutatója a képszegmentálást is kizárja. Vizuális kérdésnél kérjen leírást, adatkinyerést vagy értelmezést a megadott anyagról; beszédfelvételnél szöveges eredményt. Ha a válasz újabb információtól függ, a dokumentált keresésalapú forráshoz kötési munkafolyamat a tanítási ismereteken túli forrásokat adhat hozzá. Határozza meg, szükséges-e külső információ, és milyen bizonyítékot tartson meg a végső válasz.

Hasznos hosszabb feladathoz az első lépés előtt határozza meg a végső eredményt és a befejezési kritériumot. Ügyfélszolgálati elemzés kérheti a megfigyelt problémák, alátámasztó szövegrészek és javasolt válasz táblázatát; kódolási feladat a célzott változtatást és a releváns validálási eredményt. Csatolja a lényeges forráskontextust, határozza meg az engedélyezett eszközműveleteket, és kérjen kifejezett végső választ, amely elkülöníti a befejezett munkát a még információt igénylő kérdésektől. Így a modell tartós munkafolyamata konkrét szöveggé, kóddá vagy strukturált anyaggá válik.