Modele z serii Gemini 2.5 wykorzystują wewnętrzny „proces myślowy”, który znacznie poprawia ich zdolność do rozumowania i planowania wieloetapowego, dzięki czemu są bardzo skuteczne w przypadku złożonych zadań, takich jak kodowanie, zaawansowana matematyka i analiza danych.
Z tego przewodnika dowiesz się, jak korzystać z funkcji myślenia Gemini za pomocą interfejsu Gemini API.
Zanim zaczniesz
Używaj obsługiwanego modelu z serii 2.5 do generowania odpowiedzi. Przed rozpoczęciem korzystania z interfejsu API warto zapoznać się z tymi modelami w AI Studio:
- Wypróbuj Gemini 2.5 Flash w AI Studio
- Wypróbuj Gemini 2.5 Pro w AI Studio
- Wypróbuj Gemini 2.5 Flash-Lite w AI Studio
Generowanie treści z myśleniem
Inicjowanie prośby za pomocą modelu myślowego jest podobne do każdej innej prośby o wygenerowanie treści. Główna różnica polega na określeniu w polu model jednego z modeli z obsługą myślenia, jak pokazano w tym przykładzie generowania tekstu:
Python
from google import genai client = genai.Client() prompt = "Explain the concept of Occam's Razor and provide a simple, everyday example." response = client.models.generate_content( model="gemini-2.5-pro", contents=prompt ) print(response.text) JavaScript
import { GoogleGenAI } from "@google/genai"; const ai = new GoogleGenAI({}); async function main() { const prompt = "Explain the concept of Occam's Razor and provide a simple, everyday example."; const response = await ai.models.generateContent({ model: "gemini-2.5-pro", contents: prompt, }); console.log(response.text); } main(); Przeczytaj
package main import ( "context" "fmt" "log" "os" "google.golang.org/genai" ) func main() { ctx := context.Background() client, err := genai.NewClient(ctx, nil) if err != nil { log.Fatal(err) } prompt := "Explain the concept of Occam's Razor and provide a simple, everyday example." model := "gemini-2.5-pro" resp, _ := client.Models.GenerateContent(ctx, model, genai.Text(prompt), nil) fmt.Println(resp.Text()) } REST
curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-pro:generateContent" \ -H "x-goog-api-key: $GEMINI_API_KEY" \ -H 'Content-Type: application/json' \ -X POST \ -d '{ "contents": [ { "parts": [ { "text": "Explain the concept of Occam\'s Razor and provide a simple, everyday example." } ] } ] }' ``` Budżety na myślenie
Parametr thinkingBudget określa liczbę tokenów myślenia, których model ma użyć podczas generowania odpowiedzi. Wyższa liczba tokenów zwykle pozwala na bardziej szczegółowe rozumowanie, co może być korzystne w przypadku bardziej złożonych zadań. Jeśli ważniejsze jest opóźnienie, użyj niższego budżetu lub wyłącz myślenie, ustawiając wartość thinkingBudget na 0. Ustawienie wartości thinkingBudget na -1 włącza dynamiczne myślenie, co oznacza, że model dostosuje budżet do złożoności żądania.
thinkingBudget jest obsługiwany tylko w Gemini 2.5 Flash, 2.5 Pro i 2.5 Flash-Lite. W zależności od promptu model może przekroczyć lub nie wykorzystać w pełni budżetu tokenów.
Poniżej znajdziesz thinkingBudget szczegóły konfiguracji każdego typu modelu.
| Model | Ustawienie domyślne (budżet na myślenie nie jest ustawiony) | Zakres | Wyłącz przebieg rozumowania | Włącz myślenie dynamiczne |
|---|---|---|---|---|
| 2.5 Pro | Dynamiczne myślenie: model decyduje, kiedy i ile myśleć | Od 128 do 32768 | Nie dotyczy: nie można wyłączyć myślenia | thinkingBudget = -1 |
| 2.5 Flash | Dynamiczne myślenie: model decyduje, kiedy i ile myśleć | Od 0 do 24576 | thinkingBudget = 0 | thinkingBudget = -1 |
| 2.5 Flash Preview | Dynamiczne myślenie: model decyduje, kiedy i ile myśleć | Od 0 do 24576 | thinkingBudget = 0 | thinkingBudget = -1 |
| 2.5 Flash Lite | Model nie myśli | Od 512 do 24576 | thinkingBudget = 0 | thinkingBudget = -1 |
| 2.5 Flash Lite (wersja testowa) | Model nie myśli | Od 512 do 24576 | thinkingBudget = 0 | thinkingBudget = -1 |
| Robotics-ER 1.5 (wersja przedpremierowa) | Dynamiczne myślenie: model decyduje, kiedy i ile myśleć | Od 0 do 24576 | thinkingBudget = 0 | thinkingBudget = -1 |
| 2.5 Flash Live Native Audio Preview (09-2025) | Dynamiczne myślenie: model decyduje, kiedy i ile myśleć | Od 0 do 24576 | thinkingBudget = 0 | thinkingBudget = -1 |
Python
from google import genai from google.genai import types client = genai.Client() response = client.models.generate_content( model="gemini-2.5-pro", contents="Provide a list of 3 famous physicists and their key contributions", config=types.GenerateContentConfig( thinking_config=types.ThinkingConfig(thinking_budget=1024) # Turn off thinking: # thinking_config=types.ThinkingConfig(thinking_budget=0) # Turn on dynamic thinking: # thinking_config=types.ThinkingConfig(thinking_budget=-1) ), ) print(response.text) JavaScript
import { GoogleGenAI } from "@google/genai"; const ai = new GoogleGenAI({}); async function main() { const response = await ai.models.generateContent({ model: "gemini-2.5-pro", contents: "Provide a list of 3 famous physicists and their key contributions", config: { thinkingConfig: { thinkingBudget: 1024, // Turn off thinking: // thinkingBudget: 0 // Turn on dynamic thinking: // thinkingBudget: -1 }, }, }); console.log(response.text); } main(); Przeczytaj
package main import ( "context" "fmt" "google.golang.org/genai" "os" ) func main() { ctx := context.Background() client, err := genai.NewClient(ctx, nil) if err != nil { log.Fatal(err) } thinkingBudgetVal := int32(1024) contents := genai.Text("Provide a list of 3 famous physicists and their key contributions") model := "gemini-2.5-pro" resp, _ := client.Models.GenerateContent(ctx, model, contents, &genai.GenerateContentConfig{ ThinkingConfig: &genai.ThinkingConfig{ ThinkingBudget: &thinkingBudgetVal, // Turn off thinking: // ThinkingBudget: int32(0), // Turn on dynamic thinking: // ThinkingBudget: int32(-1), }, }) fmt.Println(resp.Text()) } REST
curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-pro:generateContent" \ -H "x-goog-api-key: $GEMINI_API_KEY" \ -H 'Content-Type: application/json' \ -X POST \ -d '{ "contents": [ { "parts": [ { "text": "Provide a list of 3 famous physicists and their key contributions" } ] } ], "generationConfig": { "thinkingConfig": { "thinkingBudget": 1024 } } }' Podsumowania przemyśleń
Podsumowania procesu myślowego to zsyntetyzowane wersje pierwotnych myśli modelu, które pozwalają zrozumieć jego wewnętrzny proces rozumowania. Pamiętaj, że budżety na myślenie dotyczą surowych myśli modelu, a nie podsumowań myśli.
Możesz włączyć podsumowania myśli, ustawiając w konfiguracji żądania wartość includeThoughts na true. Następnie możesz uzyskać dostęp do podsumowania, przeglądając parametr response i sprawdzając wartość logiczną thought.parts
Oto przykład pokazujący, jak włączyć i pobrać podsumowania myśli bez przesyłania strumieniowego, co zwraca jedno końcowe podsumowanie myśli w odpowiedzi:
Python
from google import genai from google.genai import types client = genai.Client() prompt = "What is the sum of the first 50 prime numbers?" response = client.models.generate_content( model="gemini-2.5-pro", contents=prompt, config=types.GenerateContentConfig( thinking_config=types.ThinkingConfig( include_thoughts=True ) ) ) for part in response.candidates[0].content.parts: if not part.text: continue if part.thought: print("Thought summary:") print(part.text) print() else: print("Answer:") print(part.text) print() JavaScript
import { GoogleGenAI } from "@google/genai"; const ai = new GoogleGenAI({}); async function main() { const response = await ai.models.generateContent({ model: "gemini-2.5-pro", contents: "What is the sum of the first 50 prime numbers?", config: { thinkingConfig: { includeThoughts: true, }, }, }); for (const part of response.candidates[0].content.parts) { if (!part.text) { continue; } else if (part.thought) { console.log("Thoughts summary:"); console.log(part.text); } else { console.log("Answer:"); console.log(part.text); } } } main(); Przeczytaj
package main import ( "context" "fmt" "google.golang.org/genai" "os" ) func main() { ctx := context.Background() client, err := genai.NewClient(ctx, nil) if err != nil { log.Fatal(err) } contents := genai.Text("What is the sum of the first 50 prime numbers?") model := "gemini-2.5-pro" resp, _ := client.Models.GenerateContent(ctx, model, contents, &genai.GenerateContentConfig{ ThinkingConfig: &genai.ThinkingConfig{ IncludeThoughts: true, }, }) for _, part := range resp.Candidates[0].Content.Parts { if part.Text != "" { if part.Thought { fmt.Println("Thoughts Summary:") fmt.Println(part.Text) } else { fmt.Println("Answer:") fmt.Println(part.Text) } } } } A oto przykład użycia funkcji myślenia strumieniowego, która podczas generowania zwraca podsumowania kroczące i przyrostowe:
Python
from google import genai from google.genai import types client = genai.Client() prompt = """ Alice, Bob, and Carol each live in a different house on the same street: red, green, and blue. The person who lives in the red house owns a cat. Bob does not live in the green house. Carol owns a dog. The green house is to the left of the red house. Alice does not own a cat. Who lives in each house, and what pet do they own? """ thoughts = "" answer = "" for chunk in client.models.generate_content_stream( model="gemini-2.5-pro", contents=prompt, config=types.GenerateContentConfig( thinking_config=types.ThinkingConfig( include_thoughts=True ) ) ): for part in chunk.candidates[0].content.parts: if not part.text: continue elif part.thought: if not thoughts: print("Thoughts summary:") print(part.text) thoughts += part.text else: if not answer: print("Answer:") print(part.text) answer += part.text JavaScript
import { GoogleGenAI } from "@google/genai"; const ai = new GoogleGenAI({}); const prompt = `Alice, Bob, and Carol each live in a different house on the same street: red, green, and blue. The person who lives in the red house owns a cat. Bob does not live in the green house. Carol owns a dog. The green house is to the left of the red house. Alice does not own a cat. Who lives in each house, and what pet do they own?`; let thoughts = ""; let answer = ""; async function main() { const response = await ai.models.generateContentStream({ model: "gemini-2.5-pro", contents: prompt, config: { thinkingConfig: { includeThoughts: true, }, }, }); for await (const chunk of response) { for (const part of chunk.candidates[0].content.parts) { if (!part.text) { continue; } else if (part.thought) { if (!thoughts) { console.log("Thoughts summary:"); } console.log(part.text); thoughts = thoughts + part.text; } else { if (!answer) { console.log("Answer:"); } console.log(part.text); answer = answer + part.text; } } } } await main(); Przeczytaj
package main import ( "context" "fmt" "log" "os" "google.golang.org/genai" ) const prompt = ` Alice, Bob, and Carol each live in a different house on the same street: red, green, and blue. The person who lives in the red house owns a cat. Bob does not live in the green house. Carol owns a dog. The green house is to the left of the red house. Alice does not own a cat. Who lives in each house, and what pet do they own? ` func main() { ctx := context.Background() client, err := genai.NewClient(ctx, nil) if err != nil { log.Fatal(err) } contents := genai.Text(prompt) model := "gemini-2.5-pro" resp := client.Models.GenerateContentStream(ctx, model, contents, &genai.GenerateContentConfig{ ThinkingConfig: &genai.ThinkingConfig{ IncludeThoughts: true, }, }) for chunk := range resp { for _, part := range chunk.Candidates[0].Content.Parts { if len(part.Text) == 0 { continue } if part.Thought { fmt.Printf("Thought: %s\n", part.Text) } else { fmt.Printf("Answer: %s\n", part.Text) } } } } Podpisy myśli
Standardowe wywołania interfejsu Gemini API do generowania tekstu i treści są bezstanowe, więc podczas korzystania z funkcji myślenia w interakcjach wieloetapowych (np. na czacie) model nie ma dostępu do kontekstu myślenia z poprzednich etapów.
Możesz zachować kontekst myślowy za pomocą sygnatur myśli, które są zaszyfrowanymi reprezentacjami wewnętrznego procesu myślowego modelu. Gdy włączone są funkcje myślenia i wywoływania funkcji, model zwraca w obiekcie odpowiedzi sygnatury myślenia. Aby mieć pewność, że model zachowuje kontekst w wielu turach rozmowy, musisz przekazywać sygnatury myśli z powrotem do modelu w kolejnych żądaniach.
Sygnatury myśli otrzymasz, gdy:
- Myślenie jest włączone i generowane są myśli.
- Żądanie zawiera deklaracje funkcji.
Przykład myślenia z wykorzystaniem wywołań funkcji znajdziesz na stronie Wywoływanie funkcji.
Inne ograniczenia dotyczące wywoływania funkcji, o których warto pamiętać:
- Sygnatury są zwracane przez model w innych częściach odpowiedzi, np. w wywołaniach funkcji lub częściach tekstowych. W kolejnych turach zwróć modelowi całą odpowiedź ze wszystkimi częściami.
- Nie łącz części z sygnaturami.
- Nie łącz części z podpisem z częścią bez podpisu.
Ceny
Gdy myślenie jest włączone, cena odpowiedzi jest sumą tokenów wyjściowych i tokenów myślenia. Łączną liczbę wygenerowanych tokenów myślenia możesz uzyskać z pola thoughtsTokenCount.
Python
# ... print("Thoughts tokens:",response.usage_metadata.thoughts_token_count) print("Output tokens:",response.usage_metadata.candidates_token_count) JavaScript
// ... console.log(`Thoughts tokens: ${response.usageMetadata.thoughtsTokenCount}`); console.log(`Output tokens: ${response.usageMetadata.candidatesTokenCount}`); Przeczytaj
// ... usageMetadata, err := json.MarshalIndent(response.UsageMetadata, "", " ") if err != nil { log.Fatal(err) } fmt.Println("Thoughts tokens:", string(usageMetadata.thoughts_token_count)) fmt.Println("Output tokens:", string(usageMetadata.candidates_token_count)) Modele myślowe generują pełne myśli, aby poprawić jakość ostatecznej odpowiedzi, a następnie wyświetlają podsumowania, które pozwalają zrozumieć proces myślowy. Cena jest więc oparta na pełnych tokenach myśli, których model potrzebuje do wygenerowania podsumowania, mimo że z interfejsu API wychodzi tylko podsumowanie.
Więcej informacji o tokenach znajdziesz w przewodniku Liczenie tokenów.
Obsługiwane modele
Funkcje myślenia są obsługiwane na wszystkich modelach z serii 2.5. Wszystkie możliwości modelu znajdziesz na stronie informacji o modelu.
Sprawdzone metody
W tej sekcji znajdziesz wskazówki dotyczące efektywnego korzystania z modeli myślowych. Jak zawsze, najlepsze wyniki uzyskasz, jeśli będziesz postępować zgodnie z naszymi wskazówkami i sprawdzonymi metodami dotyczącymi promptów.
Debugowanie i sterowanie
Sprawdzanie uzasadnienia: jeśli modele myślowe nie dają oczekiwanych odpowiedzi, warto dokładnie przeanalizować podsumowania myśli Gemini. Możesz zobaczyć, jak podzielił zadanie i doszedł do wniosku, a także wykorzystać te informacje, aby poprawić wyniki.
Podaj wskazówki dotyczące uzasadnienia: jeśli oczekujesz szczególnie długiego wyniku, możesz podać w prompcie wskazówki, aby ograniczyć ilość myślenia, jakiej używa model. Dzięki temu możesz zarezerwować więcej tokenów wyjściowych na swoją odpowiedź.
Złożoność zadania
- Proste zadania (myślenie może być wyłączone): w przypadku prostych żądań, które nie wymagają złożonego rozumowania, np. wyszukiwania faktów lub klasyfikacji, myślenie nie jest wymagane. Przykłady:
- „Gdzie powstała firma DeepMind?”
- „Czy ten e-mail zawiera prośbę o spotkanie, czy tylko informacje?”
- Średnio złożone zadania (domyślne/wymagające pewnego zastanowienia): wiele typowych próśb wymaga stopniowego przetwarzania lub głębszego zrozumienia. Gemini może elastycznie wykorzystywać swoje możliwości myślenia do wykonywania takich zadań jak:
- Porównaj fotosyntezę i dorastanie.
- Porównaj samochody elektryczne i hybrydowe.
- Trudne zadania (maksymalne możliwości myślenia): w przypadku naprawdę złożonych zadań, takich jak rozwiązywanie skomplikowanych problemów matematycznych lub zadań związanych z kodowaniem, zalecamy ustawienie wysokiego budżetu na myślenie. Tego typu zadania wymagają od modelu pełnego wykorzystania możliwości rozumowania i planowania, często obejmują wiele wewnętrznych kroków przed udzieleniem odpowiedzi. Przykłady:
- Rozwiąż zadanie 1 z AIME 2025: znajdź sumę wszystkich podstaw całkowitych b > 9, dla których 17b jest dzielnikiem liczby 97b.
- Napisz kod w Pythonie dla aplikacji internetowej, która wizualizuje dane giełdowe w czasie rzeczywistym, w tym uwierzytelnianie użytkowników. Zadbaj o jak największą wydajność.
Myślenie z wykorzystaniem narzędzi i możliwości
Modele myślowe działają ze wszystkimi narzędziami i funkcjami Gemini. Umożliwia to modelom interakcję z systemami zewnętrznymi, wykonywanie kodu i dostęp do informacji w czasie rzeczywistym oraz uwzględnianie wyników w procesie wnioskowania i odpowiedzi końcowej.
Narzędzie wyszukiwania umożliwia modelowi wysyłanie zapytań do wyszukiwarki Google w celu znajdowania aktualnych informacji lub informacji wykraczających poza dane treningowe. Jest to przydatne w przypadku pytań dotyczących ostatnich wydarzeń lub bardzo szczegółowych tematów.
Narzędzie do wykonywania kodu umożliwia modelowi generowanie i uruchamianie kodu w Pythonie w celu wykonywania obliczeń, manipulowania danymi lub rozwiązywania problemów, które najlepiej rozwiązywać algorytmicznie. Model otrzymuje dane wyjściowe kodu i może ich użyć w swojej odpowiedzi.
Dzięki uporządkowanym danym wyjściowym możesz ograniczyć Gemini do odpowiadania w formacie JSON. Jest to szczególnie przydatne w przypadku integrowania danych wyjściowych modelu z aplikacjami.
Wywoływanie funkcji łączy model myślenia z narzędziami zewnętrznymi i interfejsami API, dzięki czemu może on określać, kiedy wywołać odpowiednią funkcję i jakie parametry podać.
Kontekst URL dostarcza modelowi adresy URL jako dodatkowy kontekst dla promptu. Model może wtedy pobrać treści z adresów URL i wykorzystać je do udzielenia odpowiedzi.
Przykłady użycia narzędzi z modelami myślowymi znajdziesz w książce kucharskiej dotyczącej myślenia.
Co dalej?
Aby zapoznać się ze szczegółowymi przykładami, takimi jak:
- Korzystanie z narzędzi w połączeniu z myśleniem
- Streaming z myśleniem
- Dostosowywanie budżetu na myślenie do różnych wyników
i inne, wypróbuj naszą Książkę kucharską myślenia.
Informacje o zakresie są teraz dostępne w naszym przewodniku Zgodność z OpenAI.
Więcej informacji o modelach Gemini 2.5 Pro, Gemini Flash 2.5 i Gemini 2.5 Flash-Lite znajdziesz na stronie modelu.