Réglages du thinking de Gemini

Cette page présente les valeurs par défaut du thinking des modèles Gemini et la manière de le régler. Les ID de modèle et les adresses d’endpoint figurent dans la présentation de la famille Gemini.

L'essentielÀ l’exception de Flash-Lite, les modèles Gemini activent le thinking par défaut, et une question complexe peut prendre plus d’une minute. Si la rapidité compte, réduisez le thinking.

Les modèles Gemini mènent un thinking avant de répondre. Les tokens consommés par le thinking sont comptés en sortie et facturés au prix unitaire de sortie ; leur nombre figure dans usageMetadata.thoughtsTokenCount (usage.completion_tokens_details.reasoning_tokens avec l’API compatible OpenAI).

Modèle	Par défaut	Réglage
Gemini 3.x (sauf Flash-Lite)	Thinking activé	`thinkingLevel`, par exemple `"low"` ; `thinkingBudget` (plafond de tokens de thinking) est aussi accepté
Série Flash-Lite (3.5, 3.1)	Sans thinking	Activé en passant `thinkingLevel` ou `thinkingBudget`

Lors de nos tests sur un même problème de mathématiques, thinkingLevel: "low" a fait passer les tokens de thinking de Gemini 3.5 Flash d’environ 6000 à environ 4600, avec une baisse correspondante du temps de réponse. thinkingBudget: 0 désactive le thinking de 3.5 Flash et de 3 Flash Preview ; 3.1 Pro Preview et 3.8 Flash continuent de réfléchir avec cette valeur et ne permettent pas de le désactiver complètement.

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="Trouve tous les entiers strictement positifs n inférieurs à 50 tels que n² + n + 41 ne soit pas premier.",
    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.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": "Trouve tous les entiers strictement positifs n inférieurs à 50 tels que n² + n + 41 ne soit pas premier."}]}],
    "generationConfig": {
      "thinkingConfig": {"thinkingLevel": "low"}
    }
  }'

Python (SDK OpenAI)

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": "Trouve tous les entiers strictement positifs n inférieurs à 50 tels que n² + n + 41 ne soit pas premier."}],
)
print(resp.choices[0].message.content)
details = resp.usage.completion_tokens_details
print("Tokens de thinking :", details.reasoning_tokens if details else 0)

Avec thinkingLevel: "low", le modèle peut ne pas mener de thinking sur une question simple, et thoughtsTokenCount est alors absent.
Pour consulter le thinking, ajoutez "includeThoughts": true dans thinkingConfig : dans parts, les entrées portant "thought": true sont le résumé du thinking, les autres constituent la réponse.
Les tokens de thinking sont comptés dans maxOutputTokens. Si la limite est trop basse, la réponse est coupée en cours de route ; voir Erreurs courantes.
thinkingConfig se trouve dans generationConfig.