Gemini-Thinking

Diese Seite beschreibt das Standardverhalten des Thinking bei Gemini-Modellen und wie Sie es steuern. Modell-IDs und Endpunktadressen finden Sie im Überblick zur Gemini-Reihe.

Kurz gesagtMit Ausnahme von Flash-Lite ist das Thinking bei Gemini-Modellen standardmäßig aktiv; komplexe Fragen können über 1 Minute dauern. Wenn Geschwindigkeit wichtig ist, verringern Sie das Thinking.

Gemini-Modelle denken vor der Antwort nach. Die dafür verbrauchten Tokens zählen zur Ausgabe und werden zum Ausgabepreis abgerechnet; die Anzahl steht in usageMetadata.thoughtsTokenCount (am OpenAI-kompatiblen Endpunkt in usage.completion_tokens_details.reasoning_tokens).

Modell	Standard	Steuerung
Gemini 3.x (außer Flash-Lite)	Thinking aktiv	`thinkingLevel`, z. B. `"low"`; auch `thinkingBudget` (Obergrenze der Thinking-Tokens) wird akzeptiert
Flash-Lite-Reihe (3.5, 3.1)	Kein Thinking	Wird durch Übergabe von `thinkingLevel` oder `thinkingBudget` aktiviert

Gemessen an derselben Mathematikaufgabe senkt thinkingLevel: "low" die Thinking-Tokens von Gemini 3.5 Flash von etwa 6000 auf etwa 4600, und auch die Laufzeit verkürzt sich entsprechend. thinkingBudget: 0 schaltet das Thinking bei 3.5 Flash und 3 Flash Preview ab; 3.1 Pro Preview und 3.8 Flash denken auch damit weiter, ihr Thinking lässt sich nicht vollständig abschalten.

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.ai/gemini"},
)
 
resp = client.models.generate_content(
    model="google/gemini-3.8-flash",
    contents="Finde alle positiven ganzen Zahlen n kleiner als 50, für die n² + n + 41 keine Primzahl ist.",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_level="low"),
    ),
)
print(resp.text)
print("Thinking-Tokens:", resp.usage_metadata.thoughts_token_count or 0)

cURL

Terminal


curl "https://api.ofox.ai/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": "Finde alle positiven ganzen Zahlen n kleiner als 50, für die n² + n + 41 keine Primzahl ist."}]}],
    "generationConfig": {
      "thinkingConfig": {"thinkingLevel": "low"}
    }
  }'

Python (OpenAI SDK)

gemini_thinking_openai.py


import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.ai/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": "Finde alle positiven ganzen Zahlen n kleiner als 50, für die n² + n + 41 keine Primzahl ist."}],
)
print(resp.choices[0].message.content)
details = resp.usage.completion_tokens_details
print("Thinking-Tokens:", details.reasoning_tokens if details else 0)

Mit thinkingLevel: "low" denkt das Modell bei einfachen Fragen unter Umständen gar nicht nach; thoughtsTokenCount fehlt dann.
Wenn Sie den Denkprozess einsehen möchten, fügen Sie "includeThoughts": true zu thinkingConfig hinzu. Einträge in parts mit "thought": true sind Thinking-Zusammenfassungen, die übrigen sind die Antwort.
Thinking-Tokens zählen zu maxOutputTokens. Ist die Obergrenze zu niedrig, bricht die Antwort mittendrin ab; siehe Häufige Fehler.
thinkingConfig steht innerhalb von generationConfig.