Berpikir

Semua model Gemini menggunakan "proses berpikir" internal yang secara signifikan meningkatkan kemampuan penalaran dan perencanaan multi-langkahnya, sehingga sangat efektif untuk tugas-tugas kompleks seperti coding, matematika tingkat lanjut, dan analisis data.

Model pemikiran menawarkan konfigurasi dan opsi berikut:

  • Mengontrol jumlah penalaran
    Anda dapat mengonfigurasi level penalaran untuk mengontrol seberapa banyak "penalaran" yang dapat dilakukan model. Konfigurasi ini sangat penting jika mengurangi latensi atau biaya menjadi prioritas. Selain itu, tinjau perbandingan kesulitan tugas untuk memutuskan seberapa besar kemampuan berpikir yang dibutuhkan model.

  • Mendapatkan ringkasan pemikiran
    Anda dapat mengaktifkan ringkasan pemikiran untuk disertakan dengan respons yang dihasilkan. Ringkasan ini adalah versi sintetis dari pemikiran mentah model dan memberikan insight tentang proses penalaran internal model.

  • Menangani tanda tangan pemikiran
    Firebase AI Logic SDK secara otomatis menangani tanda tangan pemikiran untuk Anda, yang memastikan bahwa model memiliki akses ke konteks pemikiran dari giliran sebelumnya, khususnya saat menggunakan panggilan fungsi.

Pastikan untuk meninjau praktik terbaik dan panduan perintah untuk menggunakan model pemikiran.


Praktik terbaik & panduan perintah untuk menggunakan model yang berbasis penalaran

Sebaiknya uji perintah Anda di Google AI Studio atau Agent  Studio tempat Anda dapat melihat proses penalaran lengkap. Anda dapat mengidentifikasi area tempat model mungkin keliru, sehingga Anda dapat menyempurnakan perintah untuk mendapatkan respons yang lebih konsisten dan akurat.

Mulai dengan perintah umum yang menjelaskan hasil yang diinginkan, dan amati pemikiran awal model tentang cara menentukan responsnya. Jika respons tidak sesuai harapan, bantu model menghasilkan respons yang lebih baik dengan menggunakan salah satu teknik perintah berikut:

  • Memberikan petunjuk langkah demi langkah
  • Berikan beberapa contoh pasangan input-output
  • Berikan panduan tentang cara menyusun dan memformat output dan respons
  • Memberikan langkah-langkah verifikasi tertentu

Selain memberikan perintah, pertimbangkan untuk menggunakan rekomendasi berikut:

  • Tetapkan petunjuk sistem, yang seperti "pengantar" yang Anda tambahkan sebelum model menerima petunjuk lebih lanjut dari perintah atau pengguna akhir. Dengan demikian, Anda dapat mengarahkan perilaku model berdasarkan kebutuhan dan kasus penggunaan spesifik Anda.

  • Tetapkan tingkat penalaran untuk mengontrol seberapa banyak penalaran yang dapat dilakukan model. Jika Anda menetapkannya tinggi, model dapat berpikir lebih banyak, jika diperlukan. Jika Anda menyetelnya lebih rendah, model tidak akan "terlalu memikirkan" responsnya, dan model juga akan mencadangkan lebih banyak batas output token total untuk respons sebenarnya serta dapat membantu mengurangi latensi dan biaya.

  • Aktifkan pemantauan AI di Firebase console untuk memantau jumlah token penalaran dan latensi permintaan Anda yang mengaktifkan penalaran. Jika Anda mengaktifkan ringkasan pemikiran, ringkasan tersebut akan ditampilkan di konsol tempat Anda dapat memeriksa alasan mendetail model untuk membantu Anda men-debug dan menyempurnakan perintah.


Mengontrol jumlah penalaran

Anda dapat mengonfigurasi tingkat penalaran untuk mengontrol seberapa banyak "pemikiran" dan penalaran yang dapat dilakukan model sebelum memberikan respons. Konfigurasi ini sangat penting jika mengurangi latensi atau biaya menjadi prioritas.

Pastikan untuk meninjau perbandingan kesulitan tugas untuk memutuskan seberapa besar kemampuan berpikir yang dibutuhkan model. Berikut beberapa panduan umum:

  • Tetapkan nilai penalaran yang lebih rendah untuk tugas yang tidak terlalu kompleks atau jika mengurangi latensi atau biaya adalah prioritas bagi Anda.
  • Tetapkan nilai penalaran yang lebih tinggi untuk tugas yang lebih kompleks.

Tingkat penalaran

Untuk mengontrol seberapa banyak pemikiran yang dapat dilakukan model untuk menghasilkan responsnya, Anda dapat menentukan tingkat penalaran untuk jumlah token penalaran yang diizinkan untuk digunakan.

Menetapkan tingkat penalaran

Klik penyedia Gemini API untuk melihat konten dan kode khusus penyedia di halaman ini.

Tetapkan tingkat penalaran di GenerationConfig sebagai bagian dari pembuatan instance GenerativeModel. Konfigurasi dipertahankan selama masa aktif instance. Jika Anda ingin menggunakan tingkat penalaran yang berbeda untuk permintaan yang berbeda, buat instance GenerativeModel yang dikonfigurasi dengan setiap tingkat.

Pelajari nilai yang didukung untuk tingkat pemikiran di bagian selanjutnya dalam bagian ini.

Swift

Tetapkan level penalaran dalam GenerationConfig sebagai bagian dari pembuatan instance GenerativeModel.


// ...

// Set the thinking configuration.
// Use a thinking level value appropriate for your model (example value shown here).
let generationConfig = GenerationConfig(
  thinkingConfig: ThinkingConfig(thinkingLevel: .low)
)

// Specify the config as part of creating the `GenerativeModel` instance.
let model = FirebaseAI.firebaseAI(backend: .googleAI()).generativeModel(
  modelName: "GEMINI_3.x_MODEL_NAME",
  generationConfig: generationConfig
)

// ...

Kotlin

Tetapkan nilai parameter di GenerationConfig sebagai bagian dari pembuatan instance GenerativeModel.


// ...

// Set the thinking configuration.
// Use a thinking level value appropriate for your model (example value shown here).
val generationConfig = generationConfig {
  thinkingConfig = thinkingConfig {
      thinkingLevel = ThinkingLevel.LOW
  }
}

// Specify the config as part of creating the `GenerativeModel` instance.
val model = Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
  modelName = "GEMINI_3.x_MODEL_NAME",
  generationConfig,
)

// ...

Java

Tetapkan nilai parameter dalam GenerationConfig sebagai bagian dari pembuatan instance GenerativeModel.


// ...

// Set the thinking configuration.
// Use a thinking level value appropriate for your model (example value shown here).
ThinkingConfig thinkingConfig = new ThinkingConfig.Builder()
    .setThinkingLevel(ThinkingLevel.LOW)
    .build();

GenerationConfig generationConfig = GenerationConfig.builder()
    .setThinkingConfig(thinkingConfig)
    .build();

// Specify the config as part of creating the `GenerativeModel` instance.
GenerativeModelFutures model = GenerativeModelFutures.from(
        FirebaseAI.getInstance(GenerativeBackend.googleAI())
                .generativeModel(
                  /* modelName */ "GEMINI_3.x_MODEL_NAME",
                  /* generationConfig */ generationConfig
                );
);

// ...

Web

Tetapkan nilai parameter dalam GenerationConfig sebagai bagian dari pembuatan instance GenerativeModel.


// ...

const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });

// Set the thinking configuration.
// Use a thinking level value appropriate for your model (example value shown here).
const generationConfig = {
  thinkingConfig: {
    thinkingLevel: ThinkingLevel.LOW
  }
};

// Specify the config as part of creating the `GenerativeModel` instance.
const model = getGenerativeModel(ai, { model: "GEMINI_3.x_MODEL_NAME", generationConfig });

// ...

Dart

Tetapkan nilai parameter di GenerationConfig sebagai bagian dari pembuatan instance GenerativeModel.


// ...

// Set the thinking configuration.
// Use a thinking level value appropriate for your model (example value shown here).
final thinkingConfig = ThinkingConfig.withThinkingLevel(ThinkingLevel.low);

final generationConfig = GenerationConfig(
  thinkingConfig: thinkingConfig
);

// Specify the config as part of creating the `GenerativeModel` instance.
final model = FirebaseAI.googleAI().generativeModel(
  model: 'GEMINI_3.x_MODEL_NAME',
  config: generationConfig,
);

// ...

Unity

Tetapkan nilai parameter di GenerationConfig sebagai bagian dari pembuatan instance GenerativeModel.


// ...

// Set the thinking configuration.
// Use a thinking level value appropriate for your model (example value shown here).
var thinkingConfig = new ThinkingConfig(thinkingLevel: ThinkingLevel.Low);

var generationConfig = new GenerationConfig(
  thinkingConfig: thinkingConfig
);

// Specify the config as part of creating the `GenerativeModel` instance.
var model = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI()).GetGenerativeModel(
  modelName: "GEMINI_3.x_MODEL_NAME",
  generationConfig: generationConfig
);

// ...

Nilai tingkat penalaran yang didukung

Tabel berikut mencantumkan nilai tingkat pemikiran yang dapat Anda tetapkan untuk setiap model dengan mengonfigurasi thinkingLevel model.

MINIMAL LOW MEDIUM HIGH

Model menggunakan token sesedikit mungkin; hampir tanpa penalaran

Tugas dengan kompleksitas rendah

Model menggunakan lebih sedikit token; meminimalkan latensi & biaya

Tugas sederhana dan tugas throughput tinggi

Model menggunakan pendekatan yang seimbang

Tugas dengan kompleksitas sedang

Model menggunakan token hingga tingkat maksimumnya

Perintah kompleks yang memerlukan penalaran mendalam

Gemini 4 Argon
gemini-4-argon 		1 (default)
Gemini 3.x Pro
gemini-3.1-pro-preview 		(default)
Gemini 3.x Flash
gemini-3.8-flash
gemini-3.7-flash
gemini-3.6-flash
gemini-3.5-flash
tidak didukung oleh gemini-3.8-flash atau gemini-3.7-flash 1 		(default)
Gemini 3.x Flash‑Lite
gemini-3.5-flash-lite
gemini-3.1-flash-lite 		(default)
Gemini 3.x Pro Image
gemini-3-pro-image
("Nano Banana Pro") 		(default)
Gemini 3.x Flash Image
gemini-3.1-flash-image
("Nano Banana 2")		 (default)
Gemini 3.x Flash‑Lite Image
gemini-3.1-flash-lite-image
("Nano Banana 2 Lite")		 (default)

1 gemini-4-argon, gemini-3.8-flash, dan gemini-3.7-flash tidak mendukung tingkat penalaran MINIMAL. Jika Anda menetapkan tingkat pemikiran ke MINIMAL, permintaan akan gagal dengan error 400.


Anggaran pemikiran (model Gemini 2.5)

Untuk mengontrol seberapa banyak penalaran yang dapat dilakukan model Gemini 2.5 untuk menghasilkan responsnya, Anda dapat menentukan anggaran penalaran untuk jumlah token penalaran yang diizinkan untuk digunakan.


Kompleksitas tugas untuk semua model pemikiran

  • Tugas mudah — tidak memerlukan banyak pemikiran
    Permintaan sederhana yang tidak memerlukan penalaran kompleks, seperti pengambilan fakta atau klasifikasi. Contoh:

    • "Di mana DeepMind didirikan?"
    • "Apakah email ini meminta rapat atau hanya memberikan informasi?"

  • Tugas sedang — beberapa pemikiran mungkin diperlukan
    Permintaan umum yang memerlukan pemrosesan langkah demi langkah atau pemahaman yang lebih mendalam. Contoh:

    • "Buat analogi antara fotosintesis dan tumbuh dewasa."
    • "Bandingkan dan bedakan mobil listrik dan mobil hibrida."

  • Tugas sulit — mungkin memerlukan pemikiran maksimal
    Tantangan yang sangat kompleks, seperti menyelesaikan soal matematika yang rumit atau tugas coding. Jenis tugas ini mengharuskan model menggunakan kemampuan penalaran dan perencanaan sepenuhnya, yang sering kali melibatkan banyak langkah internal sebelum memberikan jawaban. Contoh:

    • "Selesaikan soal 1 di AIME 2025: Temukan jumlah semua bilangan bulat b > 9 yang memenuhi 17b adalah pembagi 97b."
    • "Write Python code for a web application that visualizes real-time stock market data, including user authentication. Buat seefisien mungkin."


Ringkasan penalaran

Ringkasan pemikiran adalah versi sintetis dari pemikiran mentah model dan memberikan insight tentang proses penalaran internal model.

Berikut beberapa alasan untuk menyertakan ringkasan pemikiran dalam respons:

  • Anda dapat menampilkan ringkasan pemikiran di UI aplikasi atau membuatnya dapat diakses oleh pengguna. Ringkasan pemikiran ditampilkan sebagai bagian terpisah dalam respons sehingga Anda memiliki kontrol lebih besar atas cara penggunaannya di aplikasi Anda.

  • Jika Anda juga mengaktifkan pemantauan AI di Firebase console, ringkasan pemikiran akan ditampilkan di konsol tempat Anda dapat memeriksa alasan mendetail model untuk membantu Anda men-debug dan menyempurnakan perintah.

Berikut beberapa catatan penting tentang ringkasan pemikiran:

  • Ringkasan pemikiran tidak dikontrol oleh anggaran penalaran (anggaran hanya berlaku untuk pemikiran mentah model). Namun, jika penalaran dinonaktifkan, model tidak akan menampilkan ringkasan pemikiran.

  • Ringkasan pemikiran dianggap sebagai bagian dari respons teks yang dihasilkan reguler model dan dihitung sebagai token output.

Mengaktifkan ringkasan pemikiran

Klik penyedia Gemini API untuk melihat konten dan kode khusus penyedia di halaman ini.

Anda dapat mengaktifkan ringkasan pemikiran dengan menetapkan includeThoughts ke true dalam konfigurasi model Anda. Kemudian, Anda dapat mengakses ringkasan dengan memeriksa kolom thoughtSummary dari respons.

Berikut adalah contoh yang menunjukkan cara mengaktifkan dan mengambil ringkasan pemikiran dengan respons:

Swift

Aktifkan ringkasan pemikiran di GenerationConfig sebagai bagian dari pembuatan instance GenerativeModel.


// ...

// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
let generationConfig = GenerationConfig(
  thinkingConfig: ThinkingConfig(includeThoughts: true)
)

// Specify the config as part of creating the `GenerativeModel` instance.
let model = FirebaseAI.firebaseAI(backend: .googleAI()).generativeModel(
  modelName: "GEMINI_MODEL_NAME",
  generationConfig: generationConfig
)

let response = try await model.generateContent("solve x^2 + 4x + 4 = 0")

// Handle the response that includes thought summaries.
if let thoughtSummary = response.thoughtSummary {
  print("Thought Summary: \(thoughtSummary)")
}
guard let text = response.text else {
  fatalError("No text in response.")
}
print("Answer: \(text)")

Kotlin

Aktifkan ringkasan pemikiran di GenerationConfig sebagai bagian dari pembuatan instance GenerativeModel.


// ...

// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
val generationConfig = generationConfig {
  thinkingConfig = thinkingConfig {
      includeThoughts = true
  }
}

// Specify the config as part of creating the `GenerativeModel` instance.
val model = Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
  modelName = "GEMINI_MODEL_NAME",
  generationConfig,
)

val response = model.generateContent("solve x^2 + 4x + 4 = 0")

// Handle the response that includes thought summaries.
response.thoughtSummary?.let {
    println("Thought Summary: $it")
}
response.text?.let {
    println("Answer: $it")
}

Java

Aktifkan ringkasan pemikiran di GenerationConfig sebagai bagian dari pembuatan instance GenerativeModel.


// ...

// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
ThinkingConfig thinkingConfig = new ThinkingConfig.Builder()
    .setIncludeThoughts(true)
    .build();

GenerationConfig generationConfig = GenerationConfig.builder()
    .setThinkingConfig(thinkingConfig)
    .build();

// Specify the config as part of creating the `GenerativeModel` instance.
GenerativeModelFutures model = GenerativeModelFutures.from(
        FirebaseAI.getInstance(GenerativeBackend.googleAI())
                .generativeModel(
                  /* modelName */ "GEMINI_MODEL_NAME",
                  /* generationConfig */ generationConfig
                );
);

// Handle the response that includes thought summaries.
ListenableFuture responseFuture = model.generateContent("solve x^2 + 4x + 4 = 0");
Futures.addCallback(responseFuture, new FutureCallback() {
    @Override
    public void onSuccess(GenerateContentResponse response) {
        if (response.getThoughtSummary() != null) {
            System.out.println("Thought Summary: " + response.getThoughtSummary());
        }
        if (response.getText() != null) {
            System.out.println("Answer: " + response.getText());
        }
    }

    @Override
    public void onFailure(Throwable t) {
        // Handle error
    }
}, MoreExecutors.directExecutor());

Web

Aktifkan ringkasan pemikiran di GenerationConfig sebagai bagian dari pembuatan instance GenerativeModel.


// ...

const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });

// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
const generationConfig = {
  thinkingConfig: {
    includeThoughts: true
  }
};

// Specify the config as part of creating the `GenerativeModel` instance.
const model = getGenerativeModel(ai, { model: "GEMINI_MODEL_NAME", generationConfig });

const result = await model.generateContent("solve x^2 + 4x + 4 = 0");
const response = result.response;

// Handle the response that includes thought summaries.
if (response.thoughtSummary()) {
    console.log(`Thought Summary: ${response.thoughtSummary()}`);
}
const text = response.text();
console.log(`Answer: ${text}`);

Dart

Aktifkan ringkasan pemikiran di GenerationConfig sebagai bagian dari pembuatan instance GenerativeModel.


// ...

// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
final thinkingConfig = ThinkingConfig(includeThoughts: true);

final generationConfig = GenerationConfig(
  thinkingConfig: thinkingConfig
);

// Specify the config as part of creating the `GenerativeModel` instance.
final model = FirebaseAI.googleAI().generativeModel(
  model: 'GEMINI_MODEL_NAME',
  generationConfig: generationConfig,
);

final response = await model.generateContent('solve x^2 + 4x + 4 = 0');

// Handle the response that includes thought summaries.
if (response.thoughtSummary != null) {
  print('Thought Summary: ${response.thoughtSummary}');
}
if (response.text != null) {
  print('Answer: ${response.text}');
}

Unity

Aktifkan ringkasan pemikiran di GenerationConfig sebagai bagian dari pembuatan instance GenerativeModel.


// ...

// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
var thinkingConfig = new ThinkingConfig(includeThoughts: true);

var generationConfig = new GenerationConfig(
  thinkingConfig: thinkingConfig
);

// Specify the config as part of creating the `GenerativeModel` instance.
var model = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI()).GetGenerativeModel(
  modelName: "GEMINI_MODEL_NAME",
  generationConfig: generationConfig
);

var response = await model.GenerateContentAsync("solve x^2 + 4x + 4 = 0");

// Handle the response that includes thought summaries.
if (response.ThoughtSummary != null) {
    Debug.Log($"Thought Summary: {response.ThoughtSummary}");
}
if (response.Text != null) {
    Debug.Log($"Answer: {response.Text}");
}

Ringkasan penalaran streaming

Anda juga dapat melihat ringkasan pemikiran jika memilih untuk mengalirkan respons menggunakan generateContentStream. Opsi ini akan menampilkan ringkasan inkremental yang terus diperbarui selama pembuatan respons.

Swift

Aktifkan ringkasan pemikiran di GenerationConfig sebagai bagian dari pembuatan instance GenerativeModel.


// ...

// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
let generationConfig = GenerationConfig(
  thinkingConfig: ThinkingConfig(includeThoughts: true)
)

// Specify the config as part of creating the `GenerativeModel` instance.
let model = FirebaseAI.firebaseAI(backend: .googleAI()).generativeModel(
  modelName: "GEMINI_MODEL_NAME",
  generationConfig: generationConfig
)

let stream = try model.generateContentStream("solve x^2 + 4x + 4 = 0")

// Handle the streamed response that includes thought summaries.
var thoughts = ""
var answer = ""
for try await response in stream {
  if let thought = response.thoughtSummary {
    if thoughts.isEmpty {
      print("--- Thoughts Summary ---")
    }
    print(thought)
    thoughts += thought
  }

  if let text = response.text {
    if answer.isEmpty {
      print("--- Answer ---")
    }
    print(text)
    answer += text
  }
}

Kotlin

Aktifkan ringkasan pemikiran di GenerationConfig sebagai bagian dari pembuatan instance GenerativeModel.


// ...

// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
val generationConfig = generationConfig {
  thinkingConfig = thinkingConfig {
      includeThoughts = true
  }
}

// Specify the config as part of creating the `GenerativeModel` instance.
val model = Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
  modelName = "GEMINI_MODEL_NAME",
  generationConfig,
)

// Handle the streamed response that includes thought summaries.
var thoughts = ""
var answer = ""
model.generateContentStream("solve x^2 + 4x + 4 = 0").collect { response ->
    response.thoughtSummary?.let {
        if (thoughts.isEmpty()) {
            println("--- Thoughts Summary ---")
        }
        print(it)
        thoughts += it
    }
    response.text?.let {
        if (answer.isEmpty()) {
            println("--- Answer ---")
        }
        print(it)
        answer += it
    }
}

Java

Aktifkan ringkasan pemikiran di GenerationConfig sebagai bagian dari pembuatan instance GenerativeModel.


// ...

// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
ThinkingConfig thinkingConfig = new ThinkingConfig.Builder()
    .setIncludeThoughts(true)
    .build();

GenerationConfig generationConfig = GenerationConfig.builder()
    .setThinkingConfig(thinkingConfig)
    .build();

// Specify the config as part of creating the `GenerativeModel` instance.
GenerativeModelFutures model = GenerativeModelFutures.from(
        FirebaseAI.getInstance(GenerativeBackend.googleAI())
                .generativeModel(
                  /* modelName */ "GEMINI_MODEL_NAME",
                  /* generationConfig */ generationConfig
                );
);

// Streaming with Java is complex and depends on the async library used.
// This is a conceptual example using a reactive stream.
Flowable responseStream = model.generateContentStream("solve x^2 + 4x + 4 = 0");

// Handle the streamed response that includes thought summaries
StringBuilder thoughts = new StringBuilder();
StringBuilder answer = new StringBuilder();

responseStream.subscribe(response -> {
    if (response.getThoughtSummary() != null) {
        if (thoughts.length() == 0) {
            System.out.println("--- Thoughts Summary ---");
        }
        System.out.print(response.getThoughtSummary());
        thoughts.append(response.getThoughtSummary());
    }
    if (response.getText() != null) {
        if (answer.length() == 0) {
            System.out.println("--- Answer ---");
        }
        System.out.print(response.getText());
        answer.append(response.getText());
    }
}, throwable -> {
    // Handle error
});

Web

Aktifkan ringkasan pemikiran di GenerationConfig sebagai bagian dari pembuatan instance GenerativeModel.


// ...

const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });

// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
const generationConfig = {
  thinkingConfig: {
    includeThoughts: true
  }
};

// Specify the config as part of creating the `GenerativeModel` instance.
const model = getGenerativeModel(ai, { model: "GEMINI_MODEL_NAME", generationConfig });

const result = await model.generateContentStream("solve x^2 + 4x + 4 = 0");

// Handle the streamed response that includes thought summaries.
let thoughts = "";
let answer = "";
for await (const chunk of result.stream) {
  if (chunk.thoughtSummary()) {
    if (thoughts === "") {
      console.log("--- Thoughts Summary ---");
    }
    // In Node.js, process.stdout.write(chunk.thoughtSummary()) could be used
    // to avoid extra newlines.
    console.log(chunk.thoughtSummary());
    thoughts += chunk.thoughtSummary();
  }

  const text = chunk.text();
  if (text) {
    if (answer === "") {
      console.log("--- Answer ---");
    }
    // In Node.js, process.stdout.write(text) could be used.
    console.log(text);
    answer += text;
  }
}

Dart

Aktifkan ringkasan pemikiran di GenerationConfig sebagai bagian dari pembuatan instance GenerativeModel.


// ...

// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
final thinkingConfig = ThinkingConfig(includeThoughts: true);

final generationConfig = GenerationConfig(
  thinkingConfig: thinkingConfig
);

// Specify the config as part of creating the `GenerativeModel` instance.
final model = FirebaseAI.googleAI().generativeModel(
  model: 'GEMINI_MODEL_NAME',
  generationConfig: generationConfig,
);

final responses = model.generateContentStream('solve x^2 + 4x + 4 = 0');

// Handle the streamed response that includes thought summaries.
var thoughts = '';
var answer = '';
await for (final response in responses) {
  if (response.thoughtSummary != null) {
    if (thoughts.isEmpty) {
      print('--- Thoughts Summary ---');
    }
    thoughts += response.thoughtSummary!;
  }
  if (response.text != null) {
    if (answer.isEmpty) {
      print('--- Answer ---');
    }
    answer += response.text!;
  }
}

Unity

Aktifkan ringkasan pemikiran di GenerationConfig sebagai bagian dari pembuatan instance GenerativeModel.


// ...

// Set the thinking configuration.
// Optionally enable thought summaries in the generated response (default is false).
var thinkingConfig = new ThinkingConfig(includeThoughts: true);

var generationConfig = new GenerationConfig(
  thinkingConfig: thinkingConfig
);

// Specify the config as part of creating the `GenerativeModel` instance.
var model = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI()).GetGenerativeModel(
  modelName: "GEMINI_MODEL_NAME",
  generationConfig: generationConfig
);

var stream = model.GenerateContentStreamAsync("solve x^2 + 4x + 4 = 0");

// Handle the streamed response that includes thought summaries.
var thoughts = "";
var answer = "";
await foreach (var response in stream)
{
    if (response.ThoughtSummary != null)
    {
        if (string.IsNullOrEmpty(thoughts))
        {
            Debug.Log("--- Thoughts Summary ---");
        }
        Debug.Log(response.ThoughtSummary);
        thoughts += response.ThoughtSummary;
    }
    if (response.Text != null)
    {
        if (string.IsNullOrEmpty(answer))
        {
            Debug.Log("--- Answer ---");
        }
        Debug.Log(response.Text);
        answer += response.Text;
    }
}


Tanda tangan penalaran

Saat menggunakan penalaran dalam interaksi multi-giliran, model tidak memiliki akses ke konteks pemikiran dari giliran sebelumnya. Namun, jika Anda menggunakan panggilan fungsi, Anda dapat memanfaatkan tanda tangan pemikiran untuk mempertahankan konteks pemikiran di seluruh giliran. Tanda tangan pemikiran adalah representasi terenkripsi dari proses pemikiran internal model, dan tersedia saat menggunakan penalaran dan panggilan fungsi. Secara khusus, tanda tangan pemikiran dibuat saat:

  • Pemikiran diaktifkan dan pikiran dihasilkan.
  • Permintaan menyertakan deklarasi fungsi.

Untuk memanfaatkan signature pemikiran, gunakan panggilan fungsi seperti biasa. SDK Firebase AI Logic menyederhanakan proses dengan mengelola status dan menangani tanda tangan pemikiran secara otomatis untuk Anda. SDK secara otomatis meneruskan tanda tangan pemikiran yang dihasilkan di antara panggilan sendMessage atau sendMessageStream berikutnya dalam sesi Chat.


Penetapan harga dan penghitungan token penalaran

Token penalaran menggunakan harga yang sama dengan token output teks. Jika Anda mengaktifkan ringkasan pemikiran, ringkasan tersebut dianggap sebagai token pemikiran dan harganya disesuaikan.

Anda dapat mengaktifkan pemantauan AI di Firebase console untuk memantau jumlah token pemikiran untuk permintaan yang mengaktifkan pemikiran.

Anda bisa mendapatkan jumlah total token penalaran dari kolom thoughtsTokenCount di atribut usageMetadata respons:

Swift 

// ...

let response = try await model.generateContent("Why is the sky blue?")

if let usageMetadata = response.usageMetadata {
  print("Thoughts Token Count: \(usageMetadata.thoughtsTokenCount)")
}

Kotlin 

// ...

val response = model.generateContent("Why is the sky blue?")

response.usageMetadata?.let { usageMetadata ->
    println("Thoughts Token Count: ${usageMetadata.thoughtsTokenCount}")
}

Java 

// ...

ListenableFuture<GenerateContentResponse> response =
    model.generateContent("Why is the sky blue?");

Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        String usageMetadata = result.getUsageMetadata();
        if (usageMetadata != null) {
            System.out.println("Thoughts Token Count: " +
                usageMetadata.getThoughtsTokenCount());
        }
    }

    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

Web 

// ...

const response = await model.generateContent("Why is the sky blue?");

if (response?.usageMetadata?.thoughtsTokenCount != null) {
    console.log(`Thoughts Token Count: ${response.usageMetadata.thoughtsTokenCount}`);
}

Dart 

// ...

final response = await model.generateContent(
  Content.text("Why is the sky blue?"),
]);

if (response?.usageMetadata case final usageMetadata?) {
  print("Thoughts Token Count: ${usageMetadata.thoughtsTokenCount}");
}

Unity 

// ...

var response = await model.GenerateContentAsync("Why is the sky blue?");

if (response.UsageMetadata != null)
{
    UnityEngine.Debug.Log($"Thoughts Token Count: {response.UsageMetadata?.ThoughtsTokenCount}");
}

Pelajari token lebih lanjut di panduan menghitung token.