Configuração de thinking do Gemini

Esta página explica os valores padrão e o ajuste do thinking nos modelos Gemini. IDs de modelo e endereços de endpoint estão na visão geral da família Gemini.

ResumoExceto o Flash-Lite, os modelos Gemini vêm com thinking ativado por padrão, e perguntas complexas podem levar mais de 1 minuto. Em cenários sensíveis à velocidade, reduza o thinking.

Os modelos Gemini fazem thinking antes de responder. Os tokens consumidos pelo thinking contam na saída e são cobrados pelo preço de saída; a quantidade aparece em usageMetadata.thoughtsTokenCount (usage.completion_tokens_details.reasoning_tokens no endpoint compatível com OpenAI).

Modelo	Padrão	Como ajustar
Gemini 3.x (exceto Flash-Lite)	Thinking ativado	`thinkingLevel`, por exemplo `"low"`; também aceita `thinkingBudget` (limite de tokens de thinking)
Série Flash-Lite (3.5, 3.1)	Sem thinking	Ativado ao enviar `thinkingLevel` ou `thinkingBudget`

Em nossos testes com o mesmo problema de matemática, thinkingLevel: "low" reduziu os tokens de thinking do Gemini 3.5 Flash de cerca de 6000 para cerca de 4600, com redução correspondente no tempo. thinkingBudget: 0 desativa o thinking no 3.5 Flash e no 3 Flash Preview; no 3.1 Pro Preview e no 3.8 Flash, o modelo continua fazendo thinking mesmo com esse valor, e não é possível desativá-lo completamente.

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="Encontre todos os inteiros positivos n menores que 50 para os quais n² + n + 41 não é 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.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": "Encontre todos os inteiros positivos n menores que 50 para os quais n² + n + 41 não é primo."}]}],
    "generationConfig": {
      "thinkingConfig": {"thinkingLevel": "low"}
    }
  }'

Python (SDK da 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": "Encontre todos os inteiros positivos n menores que 50 para os quais n² + n + 41 não é primo."}],
)
print(resp.choices[0].message.content)
details = resp.usage.completion_tokens_details
print("Tokens de thinking:", details.reasoning_tokens if details else 0)

Com thinkingLevel: "low", o modelo pode não fazer thinking em perguntas simples, e thoughtsTokenCount não aparece.
Para ver o processo de thinking, adicione "includeThoughts": true em thinkingConfig; os itens de parts com "thought": true são resumos do thinking, e os demais são a resposta.
Os tokens de thinking contam em maxOutputTokens. Se o limite for muito baixo, a resposta será cortada no meio; consulte Erros comuns.
thinkingConfig fica dentro de generationConfig.