Configuración del thinking de Gemini

Esta página explica los valores predeterminados del thinking en los modelos Gemini y cómo ajustarlo. Los IDs de modelo y las URL de los endpoints están en el resumen de la familia Gemini.

ClaveSalvo Flash-Lite, los modelos Gemini tienen el thinking activado por defecto, y las preguntas complejas pueden tardar más de 1 minuto. Si la velocidad es importante, reduzca el thinking.

Los modelos Gemini piensan antes de responder. Los tokens que consume el thinking se cuentan en la salida y se facturan al precio de salida; su número figura en usageMetadata.thoughtsTokenCount (usage.completion_tokens_details.reasoning_tokens en el endpoint compatible con OpenAI).

Modelo	Predeterminado	Cómo ajustarlo
Gemini 3.x (salvo Flash-Lite)	Thinking activado	`thinkingLevel`, por ejemplo `"low"`; también acepta `thinkingBudget` (límite de tokens de thinking)
Serie Flash-Lite (3.5, 3.1)	Sin thinking	Se activa al enviar `thinkingLevel` o `thinkingBudget`

En nuestras mediciones con un mismo problema matemático, thinkingLevel: "low" redujo los tokens de thinking de Gemini 3.5 Flash de unos 6000 a unos 4600, con la correspondiente reducción del tiempo. thinkingBudget: 0 desactiva el thinking de 3.5 Flash y 3 Flash Preview; 3.1 Pro Preview y 3.8 Flash siguen pensando aunque se envíe, y no se puede desactivar por completo.

Python (google-genai)

gemini_thinking.py


import os
from google import genai
from google.genai import types
 
client = genai.Client(
    api_key=os.environ["OFOX_API_KEY"],
    http_options={"api_version": "v1beta", "base_url": "https://api.ofox.io/gemini"},
)
 
resp = client.models.generate_content(
    model="google/gemini-3.8-flash",
    contents="Encuentra todos los enteros positivos n menores que 50 para los que n² + n + 41 no es primo.",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_level="low"),
    ),
)
print(resp.text)
print("Tokens de thinking:", resp.usage_metadata.thoughts_token_count or 0)

cURL

Terminal


curl "https://api.ofox.io/gemini/v1beta/models/google/gemini-3.8-flash:generateContent" \
  -H "x-goog-api-key: $OFOX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"parts": [{"text": "Encuentra todos los enteros positivos n menores que 50 para los que n² + n + 41 no es primo."}]}],
    "generationConfig": {
      "thinkingConfig": {"thinkingLevel": "low"}
    }
  }'

Python (SDK de OpenAI)

gemini_thinking_openai.py


import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.io/v1", api_key=os.environ["OFOX_API_KEY"])
 
resp = client.chat.completions.create(
    model="google/gemini-3.8-flash",
    reasoning_effort="low",
    messages=[{"role": "user", "content": "Encuentra todos los enteros positivos n menores que 50 para los que n² + n + 41 no es primo."}],
)
print(resp.choices[0].message.content)
details = resp.usage.completion_tokens_details
print("Tokens de thinking:", details.reasoning_tokens if details else 0)

Con thinkingLevel: "low", el modelo puede no pensar en preguntas sencillas, y thoughtsTokenCount no aparece.
Para ver el proceso de thinking, añada "includeThoughts": true a thinkingConfig; los elementos de parts con "thought": true son el resumen del thinking, y el resto es la respuesta.
Los tokens de thinking se cuentan en maxOutputTokens. Si el límite es demasiado bajo, la respuesta se corta a medias; consulte Errores habituales.
thinkingConfig va dentro de generationConfig.