Настройка thinking в Gemini

На этой странице описаны значения thinking по умолчанию в моделях Gemini и способы его настройки. ID моделей и адреса API см. в обзоре семейства Gemini.

ГлавноеВсе модели Gemini, кроме Flash-Lite, по умолчанию используют thinking, и на сложные вопросы ответ может занимать больше минуты. Если важна скорость, уменьшите объём thinking.

Перед ответом модели Gemini сначала выполняют thinking. Токены thinking учитываются в выводе и оплачиваются по цене вывода; их число указано в usageMetadata.thoughtsTokenCount (в OpenAI-совместимом API — usage.completion_tokens_details.reasoning_tokens).

Модель	По умолчанию	Способ настройки
Gemini 3.x (кроме Flash-Lite)	Thinking включён	`thinkingLevel`, например `"low"`; также принимается `thinkingBudget` (лимит токенов thinking)
Серия Flash-Lite (3.5, 3.1)	Без thinking	Thinking включается при передаче `thinkingLevel` или `thinkingBudget`

По нашим замерам на одной и той же математической задаче, thinkingLevel: "low" снижает число токенов thinking у Gemini 3.5 Flash примерно с 6000 до 4600, и время ответа соответственно сокращается. thinkingBudget: 0 отключает thinking у 3.5 Flash и 3 Flash Preview; 3.1 Pro Preview и 3.8 Flash продолжают выполнять thinking и с этим значением — полностью отключить его нельзя.

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="Найди все натуральные n меньше 50, при которых n² + n + 41 не является простым числом.",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_level="low"),
    ),
)
print(resp.text)
print("Токены 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": "Найди все натуральные n меньше 50, при которых n² + n + 41 не является простым числом."}]}],
    "generationConfig": {
      "thinkingConfig": {"thinkingLevel": "low"}
    }
  }'

Python (OpenAI SDK)

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": "Найди все натуральные n меньше 50, при которых n² + n + 41 не является простым числом."}],
)
print(resp.choices[0].message.content)
details = resp.usage.completion_tokens_details
print("Токены thinking:", details.reasoning_tokens if details else 0)

При thinkingLevel: "low" на простые вопросы модель может отвечать без thinking, и thoughtsTokenCount в ответе отсутствует.
Чтобы увидеть процесс thinking, добавьте в thinkingConfig параметр "includeThoughts": true: элементы parts с "thought": true содержат сводку thinking, остальные — ответ.
Токены thinking учитываются в maxOutputTokens. Если лимит слишком мал, ответ обрывается на середине — см. Типичные ошибки.
thinkingConfig находится внутри generationConfig.