เจมิไน 3.8 แฟลช: เปรียบเทียบระดับการคิด ต่ำ ปานกลาง สูง พร้อมเหตุผลที่ระดับ Minimal หายไป

Gemini 3.8 Flash มาพร้อมกับระดับการคิดสามระดับ: low, medium และ high การตั้งค่านี้จะควบคุมปริมาณการให้เหตุผลภายในที่โมเดลใช้ก่อนที่จะตอบ และในโมเดลนี้จะส่งผลต่อสามสิ่งพร้อมกัน: ความหน่วง (latency), โทเค็นเอาต์พุต (output tokens) และค่าใช้จ่ายของคุณ Google สร้าง 3.8 Flash เพื่อ “ทำงานหนักขึ้น” กับงานที่ซับซ้อนตามการออกแบบ ดังนั้นระดับที่คุณเลือกจึงมีความสำคัญมากกว่าที่เคยเป็นใน 3.7 Flash หากคุณยังใหม่กับโมเดลนี้ ภาพรวม Gemini 3.8 Flash จะครอบคลุมการเปิดตัว คู่มือนี้เน้นที่การตั้งค่านี้เท่านั้น

มีสองรายละเอียดที่ทำให้ทีมงานสับสนในช่วงชั่วโมงแรก ระดับเริ่มต้นใน 3.8 Flash คือ medium ไม่ใช่ high (Gemini 3 Pro ตั้งค่าเริ่มต้นเป็น high ซึ่งเป็นที่มาของความสับสน) และ minimal ซึ่งการกำหนดค่าที่เขียนขึ้นสำหรับ Gemini 3.7 Flash ยังคงส่งไปนั้น ไม่ได้รับการยอมรับอีกต่อไป: คำขอจะล้มเหลวในการตรวจสอบความถูกต้องก่อนที่จะมีการสร้างโทเค็นเดียว Google ได้บันทึกข้อมูลทั้งสองนี้ไว้ในหน้า มีอะไรใหม่ใน Gemini 3.8 Flash

ด้านล่างนี้: แต่ละระดับทำอะไร, ค่าใช้จ่ายต่อภารกิจเท่าไร, วิธีตั้งค่าใน API ทั้งสองรูปแบบ, กลยุทธ์ต่อเส้นทาง และการทดสอบที่ทำซ้ำได้ซึ่งแสดงความแตกต่างของโทเค็นและความหน่วงก่อนที่คุณจะนำไปใช้งานจริง

ระดับการคิดโดยย่อ

คอลัมน์ค่าใช้จ่ายและเวลาคือค่าเฉลี่ยของ Artificial Analysis จากการทดสอบ Intelligence Index ของพวกเขาในแต่ละระดับ ด้วยราคาโทเค็นเบื้องต้นของ Google ตัวเลขเหล่านี้เป็นอิสระ ไม่ใช่ของ Google และใช้วัดภาระงานมาตรฐาน ไม่ใช่พรอมต์ของคุณ ใช้เพื่อดูอัตราส่วน จากนั้นวัดเส้นทางของคุณเอง

แต่ละระดับทำอะไร

ทุกการตอบสนองของ 3.8 Flash สามารถรวมโทเค็นการคิด (thinking tokens) ซึ่งเป็นการให้เหตุผลที่โมเดลสร้างขึ้นก่อนคำตอบที่มองเห็นได้ คุณจ่ายเงินสำหรับโทเค็นเหล่านี้ในฐานะโทเค็นเอาต์พุต (output tokens) ($3.75 ต่อล้านโทเค็นในอัตราแนะนำจนถึง 2026-12-31, $7.50 ตั้งแต่ 2027-01-01) และ API จะรายงานแยกต่างหากเป็น usageMetadata.thoughtsTokenCount ระดับการคิดจะบอกโมเดลว่าควรให้เหตุผลมากน้อยเพียงใด

• low ทำให้การคิดสั้นลง โทเค็นแรกมาถึงเร็วที่สุดและค่าใช้จ่ายเอาต์พุตยังคงน้อย Google วางตำแหน่งสำหรับงานที่อ่อนไหวต่อความหน่วง: การทำตามคำสั่งง่ายๆ, แชท และปลายทางที่มีปริมาณงานสูง
• medium เป็นจุดสมดุลและค่าเริ่มต้น Google ระบุว่าเป็นค่าสำหรับการทำงานกับโค้ดที่ซับซ้อนและงานตัวแทน (agentic tasks) ซึ่งเป็นส่วนใหญ่ของสิ่งที่ผู้คนใช้โมเดลระดับ Flash สำหรับ
• high บอกโมเดลให้ใช้เหตุผลอย่างลึกซึ้งที่สุดเท่าที่จะทำได้ Google สงวนไว้สำหรับปัญหาหลายขั้นตอนที่ยากที่สุด

สิ่งที่ทำให้ 3.8 Flash แตกต่างออกไปคือพฤติกรรมเริ่มต้นใหม่ของโมเดล ในงานที่ซับซ้อน โมเดลจะ “ดำเนินการขั้นตอนการให้เหตุผลเพิ่มเติม และเรียกใช้เครื่องมือซ้ำๆ” และ “ตรวจสอบการทำงานตลอดกระบวนการ” Google ระบุชัดเจนว่าโมเดล “สามารถใช้โทเค็นมากขึ้นในงานที่ใช้เวลานานและซับซ้อน ตามการออกแบบ” และ “โมเดลอาจใช้โทเค็นมากขึ้นเพื่อเพิ่มประสิทธิภาพสูงสุด โดยเฉพาะอย่างยิ่งในระดับความพยายามที่สูงขึ้น” ระดับการคิดคือตัวควบคุมพฤติกรรมนั้น การลดระดับเป็นข้อเสนอแนะแรกของ Google เมื่อการใช้โทเค็นเพิ่มขึ้น; ข้อเสนอแนะที่สองคือการใช้ 3.7 Flash ต่อไป ซึ่งยังคงได้รับการสนับสนุนอย่างเต็มที่

ข้อจำกัดหนึ่งที่ควรจำ: thinking_level เป็นค่า enum ไม่ใช่การกำหนดงบประมาณ (budget) ค่าจำนวนเต็ม thinking_budget จากโมเดลก่อนหน้าหายไปใน Gemini 3 ดังนั้นคุณจึงไม่สามารถขอ “โทเค็นการคิดสูงสุด 2,000 โทเค็น” ได้ คุณต้องเลือกระดับแล้วตรวจสอบว่ามีค่าใช้จ่ายเท่าไรกับพรอมต์ของคุณ ซึ่งเป็นเหตุผลว่าทำไมการทดสอบท้ายคู่มือนี้จึงสำคัญ

ค่าเริ่มต้นคือ medium ไม่ใช่ high

หากละเว้นฟิลด์นี้ 3.8 Flash จะทำงานที่ medium ซึ่งมีผลกระทบต่อสองกลุ่ม

ทีมที่สร้างต้นแบบบน Gemini 3 Pro คาดหวังว่าค่าเริ่มต้นจะเป็น high และได้รับคำตอบที่มีความลึกปานกลางโดยไม่ทันสังเกต ทีมที่ลบ thinking_budget ออกระหว่างการอัปเกรด 3.7 Flash และไม่ได้แทนที่ด้วยระดับใดๆ จะจบลงด้วยการใช้ medium ในทุกที่ รวมถึงเส้นทางแชทที่ควรจะเป็น low

วิธีแก้ไขสำหรับทั้งสองกรณีเหมือนกัน: ตั้งค่า thinking_level อย่างชัดเจนในทุกคำขอ, ต่อเส้นทาง, ในไฟล์การกำหนดค่า ไม่ใช่ในโค้ด ค่าเริ่มต้นเป็นของ Google ที่จะเปลี่ยนแปลง; โปรไฟล์ค่าใช้จ่ายของคุณไม่ควรเปลี่ยนแปลงเมื่อมีการเปลี่ยนแปลงนั้น

ทำไม minimal ถึงหายไป และวิธีแก้ไขข้อผิดพลาด

minimal เคยใช้งานได้บน Gemini 3.7 Flash แต่บน 3.8 Flash ไม่ได้อยู่ในชุดที่รองรับ และ หน้าโมเดล ระบุระดับการคิดเป็น low, medium และ high เท่านั้น หากส่งผ่าน REST คำขอจะถูกปฏิเสธก่อนที่โมเดลจะทำงานด้วยข้อผิดพลาด 400 INVALID_ARGUMENT พร้อมข้อความว่า “Thinking level MINIMAL is not supported for this model. Please retry with other thinking level.” (ตรวจสอบแล้วด้วยการเรียกใช้งานจริงในวันที่ 3 กันยายน 2026) SDKs จะห่อหุ้มข้อผิดพลาดนั้นไว้ในคลาสข้อยกเว้นของตัวเอง ดังนั้นให้ตรวจสอบจากสถานะ 400 หรือรหัส INVALID_ARGUMENT ไม่ใช่สตริงข้อความ

ก่อนหน้านี้:

{
  "model": "gemini-3.8-flash",
  "input": "Classify this ticket as billing, bug, or feature.",
  "generation_config": { "thinking_level": "minimal" }
}

หลังจากนั้น:

{
  "model": "gemini-3.8-flash",
  "input": "Classify this ticket as billing, bug, or feature.",
  "generation_config": { "thinking_level": "low" }
}

คำแนะนำในการย้ายข้อมูลของ Google คือการแมปโดยตรง: minimal กลายเป็น low มีสองสิ่งล่อใจที่ควรหลีกเลี่ยงในขณะที่คุณกำลังกำหนดค่านี้ อย่าใช้ thinking_budget เพื่อให้ได้ค่าต่ำสุดที่น้อยลง; เนื่องจากไม่รองรับในโมเดล Gemini 3 และอย่าลด temperature เพื่อ “ทำให้โมเดลใจเย็นลง”; Google ระบุให้คงค่าเริ่มต้นที่ 1.0 ในโมเดล Gemini 3 ทั้งหมด เนื่องจากอาจทำให้เกิดการวนซ้ำหรือเอาต์พุตที่เสื่อมคุณภาพได้ รายการตรวจสอบฉบับเต็ม รวมถึง thought signatures และข้อกำหนด call_id ในการตอบสนองฟังก์ชัน อยู่ใน คู่มือการย้ายข้อมูล 3.7 ไป 3.8 Flash

เนื่องจากข้อผิดพลาดเกิดขึ้นในขั้นตอนการตรวจสอบความถูกต้อง คำขอทดสอบที่ตั้งเวลาไว้ในแต่ละระดับจะตรวจจับการถดถอยของการกำหนดค่าไปเป็น minimal ได้ฟรี

ค่าใช้จ่ายต่อภารกิจของแต่ละระดับ

ราคาต่อโทเค็นไม่เปลี่ยนแปลงตามระดับ หน้าการกำหนดราคา ของ Google ระบุว่าการเรียกใช้ 3.8 Flash ทุกครั้งมีค่าใช้จ่าย $0.75 สำหรับอินพุตและ $3.75 สำหรับเอาต์พุตต่อล้านโทเค็นในอัตราแนะนำ และจะเพิ่มเป็นสองเท่าเป็น $1.50 และ $7.50 ในวันที่ 2027-01-01 ความแตกต่างระหว่างระดับต่างๆ เป็นเพียงจำนวนโทเค็น ซึ่งเป็นสิ่งที่ Artificial Analysis วัดได้

ที่มา: Artificial Analysis, การทดสอบ Intelligence Index ด้วยราคาแนะนำ สามอัตราส่วนที่ได้จากตาราง

low ทำงานที่ประมาณ 41% ของค่าใช้จ่ายของ high และประมาณหนึ่งในสามของเวลาจริง นั่นคือเครื่องมือที่สำคัญที่สุดที่คุณมีสำหรับโมเดลนี้

medium บน 3.8 Flash มีค่าใช้จ่ายประมาณเท่ากับ high บน 3.7 Flash ($0.41 เทียบกับ $0.40) หากคุณพอใจกับ 3.7 Flash ที่ high การใช้ 3.8 Flash ที่ medium ก็จะเป็นงบประมาณที่เทียบเท่ากัน

high บน 3.8 Flash มีค่าใช้จ่ายต่อภารกิจสูงกว่า high บน 3.7 Flash ถึง 45% ในราคาต่อโทเค็นที่เท่ากัน เนื่องจากโมเดลปล่อยโทเค็นเอาต์พุตเพิ่มขึ้นประมาณ 30% (เฉลี่ย 48k ต่อภารกิจในดัชนี) นี่คือการออกแบบที่ “ทำงานหนักขึ้น” ที่ปรากฏในใบแจ้งหนี้ ไม่ว่าโทเค็นที่เพิ่มขึ้นจะคุ้มค่าหรือไม่นั้นขึ้นอยู่กับภาระงาน; การเปรียบเทียบ 3.8 Flash กับ 3.7 Flash จะอธิบายว่าคุณภาพที่เพิ่มขึ้นอยู่ตรงไหนบ้าง

ข้อควรระวังเกี่ยวกับคุณภาพ: คะแนน Intelligence Index ของ AA ที่ 59 สำหรับ 3.8 Flash คือผลลัพธ์จากการรัน high พวกเขาไม่ได้เผยแพร่คะแนนดัชนีที่ medium หรือ low ในข้อความ ดังนั้นอย่าเพิ่งสรุปว่ากราฟคุณภาพเป็นเส้นตรงกับค่าใช้จ่าย ทดสอบการประเมินของคุณเองในแต่ละระดับก่อนที่จะลดระดับเส้นทาง สำหรับตัวอย่างการทำงาน 1,000 ภารกิจต่อวันในแต่ละระดับและจุดเปลี่ยนราคาในวันที่ 31 ธันวาคม โปรดดูที่ การกำหนดราคา Gemini 3.8 Flash

การตั้งค่า thinking_level ใน Interactions API

Interactions API เป็นอินเทอร์เฟซหลักของ Google สำหรับ Gemini 3.x ระดับจะอยู่ใน generation_config ในรูปแบบสตริง snake_case:

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" -H 'Content-Type: application/json' \
  -d '{"model":"gemini-3.8-flash","input":"Explain HTTP caching in 3 sentences.","generation_config":{"thinking_level":"low"}}'

ใน Python:

interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input="Explain HTTP caching in 3 sentences.",
    generation_config={"thinking_level": "low"},
)
print(interaction.output_text)

เป็นฟิลด์ระดับคำขอ ดังนั้นให้ตั้งค่าในทุกการเรียกใช้ รวมถึงการโต้ตอบต่อเนื่องที่ส่ง previous_interaction_id การตอบสนองจะกลับมาเป็นรายการขั้นตอนการดำเนินการ (thoughts, tool calls) ที่สิ้นสุดด้วย model_output และ SDK จะแสดงข้อความสุดท้ายเป็น output_text สำหรับคำแนะนำการเรียกใช้ครั้งแรกแบบเต็มรูปแบบ รวมถึงสถานะหลายรอบและการสตรีม โปรดดูที่ วิธีใช้ Gemini 3.8 Flash API

การตั้งค่าใน generateContent แบบดั้งเดิม

โค้ด Gemini ที่มีอยู่ส่วนใหญ่ยังคงเรียกใช้ generateContent Google เรียกว่าเป็นแบบดั้งเดิม (legacy) แต่ระบุว่าจะยังคงได้รับการสนับสนุนอย่างเต็มที่โดยไม่มีวันยุติการใช้งาน ดังนั้นจึงไม่จำเป็นต้องเร่งรีบ ฟิลด์นี้จะซ้อนอยู่ในระดับที่ลึกกว่าหนึ่งระดับและใช้รูปแบบ camelCase:

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.8-flash:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" -H 'Content-Type: application/json' -X POST \
  -d '{"contents":[{"parts":[{"text":"Explain HTTP caching in 3 sentences."}]}],
       "generationConfig":{"thinkingConfig":{"thinkingLevel":"low","includeThoughts":true}}}'

ใน Python:

from google.genai import types

response = client.models.generate_content(
    model="gemini-3.8-flash",
    contents="Explain HTTP caching in 3 sentences.",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_level="low")
    ),
)
print(response.usage_metadata.thoughts_token_count)

includeThoughts: true จะเพิ่มสรุปความคิด (thought summaries) เข้าไปในการตอบสนองเป็นส่วนที่ถูกตั้งค่า thought: true: มีประโยชน์ในขณะที่กำลังปรับระดับ แต่จะเป็นส่วนเกินเมื่อคุณทำเสร็จแล้ว ตัวเลขที่คุณควรสนใจคือ usageMetadata.thoughtsTokenCount ซึ่งเป็นจำนวนที่แน่นอนที่ถูกเรียกเก็บเงินเป็นเอาต์พุต และเป็นฟิลด์ที่การทดสอบของคุณควรเฝ้าดู

กลยุทธ์ต่อเส้นทาง

ให้ถือว่าระดับนี้เป็นการตัดสินใจของเส้นทาง (routing decision) ไม่ใช่การตั้งค่าส่วนกลาง การแบ่งใช้งานที่ใช้ได้จริง:

• แชท, เติมข้อความอัตโนมัติ, และอะไรก็ตามที่ผู้คนกำลังรออยู่: low เป็นที่ที่ความหน่วงของโทเค็นแรกมีความสำคัญ
• การจัดหมวดหมู่, การดึงข้อมูล, และการค้นหาจากข้อความถอดเสียง: low โดยมีการประเมินของคุณเองเพียงครั้งเดียวเพื่อยืนยันความถูกต้อง ตัวอย่างวิดีโอของ Google เองก็ใช้ low สำหรับการค้นหาจากข้อความถอดเสียง
• Coding agents และ tool loops: medium ซึ่งเป็นค่าเริ่มต้น ยกระดับขั้นตอนการวางแผนเดียวให้เป็น high หากเอาต์พุตของมันเป็นตัวกำหนดทุกขั้นตอนถัดไป จากนั้นค่อยลดระดับกลับไป ใน 3.8 Flash, tool loops ได้รับการออกแบบให้ทำงานหลายรอบอยู่แล้ว ดังนั้นการใช้ high ตลอดทั้งลูปจะเพิ่มค่าใช้จ่ายอย่างรวดเร็ว
• เวิร์กโฟลว์ที่เน้นเอกสารหนักๆ, ระยะยาว: high และส่งผ่าน Batch API โดยลด 50% เมื่อไม่ใช่งานแบบโต้ตอบ
• วิดีโอ: เอกสารของ Google ให้ตัวอย่างสามกรณี high สำหรับการถามตอบภาพที่มีความหนาแน่นหรือวิดีโอที่ยาวกว่า 60 นาที, medium สำหรับการถามตอบวิดีโอทั่วไป, low สำหรับการค้นหาจากข้อความถอดเสียง

หาก low บน 3.8 Flash ยังคงเป็นโมเดลที่มากเกินไปสำหรับเส้นทางนั้น มีตระกูล Flash-Lite สำหรับงานดังกล่าว; คู่มือ Gemini 3.1 Flash-Lite ของเราก่อนหน้านี้ครอบคลุมถึงข้อดีข้อเสีย และ Gemini 3.5 Flash-Lite เป็นรุ่นปัจจุบันที่ราคา $0.30 สำหรับอินพุต และ $2.50 สำหรับเอาต์พุต

เก็บระดับไว้ในการกำหนดค่าต่อเส้นทาง และเก็บ gemini-3.7-flash ไว้หลังแฟล็ก หากจำนวนโทเค็นของเส้นทางพุ่งสูงขึ้นหลังการอัปเกรด คุณสามารถลดระดับหรือเปลี่ยนโมเดลได้โดยไม่ต้องทำการดีพลอยใหม่

ทดสอบทั้งสามระดับควบคู่กันไปใน Apidog

การอ่านตารางของ AA จะบอกคุณถึงอัตราส่วน แต่มีเพียงพรอมต์ของคุณเท่านั้นที่จะบอกตัวเลขให้คุณได้ นี่คือสถานการณ์การทดสอบใน Apidog ที่ส่งพรอมต์ "golden" เพียงครั้งเดียวในทุกระดับและยืนยันสิ่งที่ส่งกลับมา มันทำงานได้กับ API ทั้งสองรูปแบบ; ปลายทางแบบดั้งเดิมจะแสดงอยู่เนื่องจาก usageMetadata เป็นฟิลด์ระดับบนสุดในนั้น

1. จัดเก็บคีย์เป็นตัวแปรสภาพแวดล้อม สร้าง GEMINI_API_KEY ในสภาพแวดล้อม Apidog และอ้างอิงเป็น {{GEMINI_API_KEY}} ในส่วนหัว x-goog-api-key เพิ่มตัวแปรที่สอง THINKING_LEVEL เพื่อให้คำขอที่บันทึกไว้เพียงครั้งเดียวสามารถใช้ได้ทั้งสามขั้นตอน
2. บันทึกคำขอหนึ่งรายการ POST ไปยัง /v1beta/models/gemini-3.8-flash:generateContent ด้วยพรอมต์ "golden" ของคุณและ "thinkingConfig": {"thinkingLevel": "{{THINKING_LEVEL}}"}
3. สร้างสถานการณ์การทดสอบสามขั้นตอน นำเข้าคำขอเดียวกันสามครั้งและแทนที่ค่า THINKING_LEVEL เป็น low, medium และ high ในแต่ละขั้นตอน
4. ยืนยันผลลัพธ์ในฟิลด์ที่เปลี่ยนแปลง ในทุกขั้นตอน: สถานะเป็น 200 และมี usageMetadata.thoughtsTokenCount อยู่ ในขั้นตอน low ให้ยืนยันว่า thoughtsTokenCount และเวลาตอบสนองยังคงต่ำกว่าขีดจำกัดที่เส้นทางนั้นยอมรับได้ (กำหนดค่าพื้นฐานหลังจากการรันครั้งแรกของคุณ) สคริปต์หลังการประมวลผลสามารถเก็บจำนวนของแต่ละขั้นตอนไว้ในตัวแปร เพื่อให้ขั้นตอน high สามารถยืนยันได้ว่ามีการให้เหตุผลอย่างน้อยเท่ากับ low หากลำดับนี้สลับกันเมื่อใด แสดงว่าโมเดลหรือค่าเริ่มต้นมีการเปลี่ยนแปลงโดยที่คุณไม่รู้
5. เพิ่มขั้นตอนการป้องกัน ส่ง thinkingLevel: "minimal" และยืนยันว่าการตอบสนองไม่ใช่ 200 เมื่อคุณสลับ ID โมเดลในภายหลัง ขั้นตอนนี้จะบอกคุณว่าโมเดลใหม่ยังคงปฏิเสธหรือไม่
6. ตั้งเวลา รันสถานการณ์นี้ทุกวัน เพื่อให้การถดถอยของการกำหนดค่าหรือการเปลี่ยนแปลงพฤติกรรมที่ไม่คาดคิดแสดงขึ้นเป็นการรันที่ผิดพลาด แทนที่จะเป็นใบแจ้งหนี้ที่ไม่คาดคิด กลไกการทำงานอยู่ใน วิธีตั้งเวลาทดสอบ API ใน Apidog

สำหรับการตอบสนองแบบสตรีม สถานการณ์เดียวกันนี้ใช้ได้กับการแสดงผล SSE; วิธีทดสอบ LLM APIs ที่สตรีมผ่าน SSE ครอบคลุมการตั้งค่า ดาวน์โหลด Apidog เพื่อติดตาม; แผนฟรีครอบคลุมสถานการณ์ทั้งหมดนี้

คำถามที่พบบ่อย

ระดับการคิดเปลี่ยนแปลงราคาต่อโทเค็นหรือไม่?

ไม่ การนำเข้ามีราคา $0.75 และการส่งออกมีราคา $3.75 ต่อล้านโทเค็นบน 3.8 Flash ในอัตราแนะนำ โดยไม่คำนึงถึงระดับ ระดับจะเปลี่ยนจำนวนโทเค็นเอาต์พุตที่โมเดลสร้างขึ้นในฐานะการคิด และโทเค็นเหล่านั้นจะถูกเรียกเก็บเงินในราคาเอาต์พุต รายละเอียดการกำหนดราคา ครอบคลุมการแคช, แบทช์ และการเพิ่มขึ้นในวันที่ 1 มกราคม

ฉันสามารถกำหนดงบประมาณโทเค็นการคิดที่แน่นอนได้หรือไม่?

ไม่ได้ในโมเดล Gemini 3 thinking_budget ถูกแทนที่ด้วย thinking_level enum และ 3.8 Flash รองรับเฉพาะ low, medium และ high หากคุณต้องการจำกัดขีดสูงสุด ให้บังคับใช้ในการทดสอบและการแจ้งเตือนแทนที่จะเป็นในคำขอ

คะแนน Artificial Analysis ที่ 59 ใช้ระดับใด?

high AA รัน Intelligence Index ที่ high เพื่อให้ได้คะแนนพาดหัวข่าว และเผยแพร่ค่าใช้จ่ายและเวลาที่ low และ medium ด้วย แต่ไม่ได้เผยแพร่คะแนนดัชนีในระดับเหล่านั้น ให้ถือว่าระดับที่ต่ำกว่ายังไม่ได้รับการทดสอบบนเกณฑ์มาตรฐานนั้นจนกว่าคุณจะทำการประเมินของคุณเอง

ฉันควรลด temperature เพื่อลดการคิดหรือไม่?

ไม่ คำแนะนำของ Google สำหรับโมเดล Gemini 3 ทั้งหมดคือให้คง temperature ไว้ที่ค่าเริ่มต้น 1.0 การลดลงอาจทำให้เกิดการวนซ้ำหรือเอาต์พุตที่เสื่อมคุณภาพได้ ใช้ thinking_level เพื่อควบคุมความลึกของการให้เหตุผล

จะทำอย่างไรถ้าแม้แต่ low ก็ยังช้าหรือแพงเกินไป?

ให้ใช้ Gemini 3.7 Flash ต่อไป ซึ่ง Google ระบุว่าจะยังคงได้รับการสนับสนุนอย่างเต็มที่โดยไม่มีวันยุติการใช้งาน หรือย้ายเส้นทางไปยังโมเดล Flash-Lite การเปรียบเทียบ 3.8 กับ 3.7 Flash แสดงให้เห็นว่าโทเค็นที่เพิ่มขึ้นให้คุณภาพที่วัดได้ในจุดใด และจุดใดที่ไม่เป็นเช่นนั้น

เลือกระดับต่อเส้นทาง แล้วจึงวัดผล

สามระดับ, หนึ่ง enum, และโมเดลที่ให้เหตุผลมากกว่ารุ่นก่อนหน้าโดยค่าเริ่มต้น ตั้งค่า thinking_level อย่างชัดเจนในทุกเส้นทาง, แมป minimal ที่เหลืออยู่เป็น low และจับตาดู usageMetadata.thoughtsTokenCount ที่แต่ละระดับเกิดขึ้น ตัวเลขต่อภารกิจของ AA ($0.24, $0.41, $0.58) จะบอกรูปร่างของกราฟให้คุณ; สถานการณ์สามขั้นตอนใน Apidog จะให้ตัวเลขของคุณเองก่อนที่การเปลี่ยนแปลงราคาในวันที่ 31 ธันวาคมจะทำให้พวกมันมีความสำคัญเป็นสองเท่า