Gemini 2.5 系列模型采用内部“思考过程”，可显著提升其推理能力和多步规划能力，使其能够高效地处理编码、高级数学和数据分析等复杂任务。
本指南介绍了如何使用 Gemini API 处理 Gemini 的思考功能。
准备工作
确保您使用的是受支持的 2.5 系列模型进行思考。 在深入了解 API 之前，不妨先在 AI Studio 中探索以下模型：
- 在 AI Studio 中试用 Gemini 2.5 Flash
- 在 AI Studio 中试用 Gemini 2.5 Pro
- 在 AI Studio 中试用 Gemini 2.5 Flash-Lite 预览版
通过思考生成内容
使用思考模型发起请求与任何其他内容生成请求类似。主要区别在于，您需要在 model 字段中指定某个支持思考的模型，如以下文本生成示例所示：
Python
from google import genai client = genai.Client(api_key="GOOGLE_API_KEY") prompt = "Explain the concept of Occam's Razor and provide a simple, everyday example." response = client.models.generate_content( model="gemini-2.5-pro", contents=prompt ) print(response.text) JavaScript
import { GoogleGenAI } from "@google/genai"; const ai = new GoogleGenAI({ apiKey: "GOOGLE_API_KEY" }); async function main() { const prompt = "Explain the concept of Occam's Razor and provide a simple, everyday example."; const response = await ai.models.generateContent({ model: "gemini-2.5-pro", contents: prompt, }); console.log(response.text); } main(); Go
// import packages here func main() { ctx := context.Background() client, err := genai.NewClient(ctx, option.WithAPIKey(os.Getenv("GOOGLE_API_KEY"))) if err != nil { log.Fatal(err) } defer client.Close() model := client.GenerativeModel("gemini-2.5-pro") resp, err := model.GenerateContent(ctx, genai.Text("Explain the concept of Occam's Razor and provide a simple, everyday example.")) if err != nil { log.Fatal(err) } fmt.Println(resp.Text()) } REST
curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-pro:generateContent?key=$GOOGLE_API_KEY" \ -H 'Content-Type: application/json' \ -X POST \ -d '{ "contents": [ { "parts": [ { "text": "Explain the concept of Occam\''s Razor and provide a simple, everyday example." } ] } ] }' ``` 思考预算
thinkingBudget 参数可为模型提供指导，帮助其了解在生成回答时可使用的思考 token 数量。令牌数量越多，推理过程通常越详细，这对处理更复杂的任务很有帮助。将 thinkingBudget 设置为 -1 会启用动态思考，这意味着模型会根据请求的复杂性调整预算。
只有 Gemini 2.5 Flash、2.5 Pro 和 2.5 Flash-Lite 支持 thinkingBudget。根据问题，模型可能会超出或不足令牌预算。
以下是每种模型类型的 thinkingBudget 配置详细信息。
| 型号 | 默认设置 （未设置思考预算） | Range | 停用思考功能 | 开启动态思考 |
|---|---|---|---|---|
| 2.5 Pro | 动态思考：模型决定何时以及思考多少 | 128到32768 | 不适用：无法停用思考功能 | thinkingBudget = -1 |
| 2.5 闪光灯 | 动态思考：模型决定何时以及思考多少 | 0到24576 | thinkingBudget = 0 | thinkingBudget = -1 |
| 2.5 Flash Lite | 模型不会思考 | 512到24576 | thinkingBudget = 0 | thinkingBudget = -1 |
Python
from google import genai from google.genai import types client = genai.Client() response = client.models.generate_content( model="gemini-2.5-pro", contents="Provide a list of 3 famous physicists and their key contributions", config=types.GenerateContentConfig( thinking_config=types.ThinkingConfig(thinking_budget=1024) ), ) print(response.text) JavaScript
import { GoogleGenAI } from "@google/genai"; const ai = new GoogleGenAI({ apiKey: "GOOGLE_API_KEY" }); async function main() { const response = await ai.models.generateContent({ model: "gemini-2.5-pro", contents: "Provide a list of 3 famous physicists and their key contributions", config: { thinkingConfig: { thinkingBudget: 1024, }, }, }); console.log(response.text); } main(); Go
package main import ( "context" "fmt" "google.golang.org/genai" "os" ) func main() { ctx := context.Background() client, _ := genai.NewClient(ctx, &genai.ClientConfig{ APIKey: os.Getenv("GOOGLE_API_KEY"), Backend: genai.BackendGeminiAPI, }) thinkingBudgetVal := int32(1024) contents := genai.Text("Provide a list of 3 famous physicists and their key contributions") model := "gemini-2.5-pro" resp, _ := client.Models.GenerateContent(ctx, model, contents, &genai.GenerateContentConfig{ ThinkingConfig: &genai.ThinkingConfig{ ThinkingBudget: &thinkingBudgetVal, }, }) fmt.Println(resp.Text()) } REST
curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-pro:generateContent?key=$GOOGLE_API_KEY" \ -H 'Content-Type: application/json' \ -X POST \ -d '{ "contents": [ { "parts": [ { "text": "Provide a list of 3 famous physicists and their key contributions" } ] } ], "generationConfig": { "thinkingConfig": { "thinkingBudget": 1024 } } }' 思考摘要（实验性）
想法摘要是模型原始想法的综合版本，可提供有关模型内部推理过程的深入分析。请注意，思考预算适用于模型的原始思考，而不适用于思考摘要。
您可以在请求配置中将 includeThoughts 设置为 true，以启用思考摘要。然后，您可以通过迭代 response 参数的 parts 并检查 thought 布尔值来访问摘要。
以下示例演示了如何在不流式传输的情况下启用和检索思考摘要，这会在响应中返回单个最终思考摘要：
Python
from google import genai from google.genai import types client = genai.Client(api_key="GOOGLE_API_KEY") prompt = "What is the sum of the first 50 prime numbers?" response = client.models.generate_content( model="gemini-2.5-pro", contents=prompt, config=types.GenerateContentConfig( thinking_config=types.ThinkingConfig( include_thoughts=True ) ) ) for part in response.candidates[0].content.parts: if not part.text: continue if part.thought: print("Thought summary:") print(part.text) print() else: print("Answer:") print(part.text) print() JavaScript
import { GoogleGenAI } from "@google/genai"; const ai = new GoogleGenAI({ apiKey: "GOOGLE_API_KEY" }); async function main() { const response = await ai.models.generateContent({ model: "gemini-2.5-pro", contents: "What is the sum of the first 50 prime numbers?", config: { thinkingConfig: { includeThoughts: true, }, }, }); for (const part of response.candidates[0].content.parts) { if (!part.text) { continue; } else if (part.thought) { console.log("Thoughts summary:"); console.log(part.text); } else { console.log("Answer:"); console.log(part.text); } } } main(); Go
package main import ( "context" "fmt" "google.golang.org/genai" "os" ) func main() { ctx := context.Background() client, _ := genai.NewClient(ctx, &genai.ClientConfig{ APIKey: os.Getenv("GOOGLE_API_KEY"), Backend: genai.BackendGeminiAPI, }) contents := genai.Text("What is the sum of the first 50 prime numbers?") model := "gemini-2.5-pro" resp, _ := client.Models.GenerateContent(ctx, model, contents, &genai.GenerateContentConfig{ ThinkingConfig: &genai.ThinkingConfig{ IncludeThoughts: true, }, }) for _, part := range resp.Candidates[0].Content.Parts { if part.Text != "" { if part.Thought { fmt.Println("Thoughts Summary:") fmt.Println(part.Text) } else { fmt.Println("Answer:") fmt.Println(part.Text) } } } } 以下示例展示了如何使用“以流式传输的方式思考”方法，在生成过程中返回滚动增量摘要：
Python
from google import genai from google.genai import types client = genai.Client(api_key="GOOGLE_API_KEY") prompt = """ Alice, Bob, and Carol each live in a different house on the same street: red, green, and blue. The person who lives in the red house owns a cat. Bob does not live in the green house. Carol owns a dog. The green house is to the left of the red house. Alice does not own a cat. Who lives in each house, and what pet do they own? """ thoughts = "" answer = "" for chunk in client.models.generate_content_stream( model="gemini-2.5-pro", contents=prompt, config=types.GenerateContentConfig( thinking_config=types.ThinkingConfig( include_thoughts=True ) ) ): for part in chunk.candidates[0].content.parts: if not part.text: continue elif part.thought: if not thoughts: print("Thoughts summary:") print(part.text) thoughts += part.text else: if not answer: print("Thoughts summary:") print(part.text) answer += part.text JavaScript
import { GoogleGenAI } from "@google/genai"; const ai = new GoogleGenAI({ apiKey: "GOOGLE_API_KEY" }); const prompt = `Alice, Bob, and Carol each live in a different house on the same street: red, green, and blue. The person who lives in the red house owns a cat. Bob does not live in the green house. Carol owns a dog. The green house is to the left of the red house. Alice does not own a cat. Who lives in each house, and what pet do they own?`; let thoughts = ""; let answer = ""; async function main() { const response = await ai.models.generateContentStream({ model: "gemini-2.5-pro", contents: prompt, config: { thinkingConfig: { includeThoughts: true, }, }, }); for await (const chunk of response) { for (const part of chunk.candidates[0].content.parts) { if (!part.text) { continue; } else if (part.thought) { if (!thoughts) { console.log("Thoughts summary:"); } console.log(part.text); thoughts = thoughts + part.text; } else { if (!answer) { console.log("Answer:"); } console.log(part.text); answer = answer + part.text; } } } } await main(); 价格
开启思考功能后，回答价格为输出令牌和思考令牌的总和。您可以从 thoughtsTokenCount 字段获取生成的思考令牌的总数。
Python
# ... print("Thoughts tokens:",response.usage_metadata.thoughts_token_count) print("Output tokens:",response.usage_metadata.candidates_token_count) JavaScript
// ... console.log(`Thoughts tokens: ${response.usageMetadata.thoughtsTokenCount}`); console.log(`Output tokens: ${response.usageMetadata.candidatesTokenCount}`); Go
// ... usageMetadata, err := json.MarshalIndent(response.UsageMetadata, "", " ") if err != nil { log.Fatal(err) } fmt.Println("Thoughts tokens:", string(usageMetadata.thoughts_token_count)) fmt.Println("Output tokens:", string(usageMetadata.candidates_token_count)) 思考模型会生成完整的想法，以提高最终回答的质量，然后输出摘要，以便深入了解思考过程。因此，价格是根据模型生成摘要所需生成的完整思维令牌计算得出的，尽管 API 只会输出摘要。
如需详细了解令牌，请参阅令牌计数指南。
支持的模型
您可以在模型概览页面上找到所有模型功能。
| 型号 | 思考摘要 | 思考预算 |
|---|---|---|
| Gemini 2.5 Flash | ✔️ | ✔️ |
| Gemini 2.5 Pro | ✔️ | ✔️ |
| Gemini 2.5 Flash Lite | ✔️ | ✔️ |
最佳做法
本部分包含一些关于高效使用思维模型的指导。 一如既往，遵循我们的提示指南和最佳实践，您将取得理想的成效。
调试和转向
检查推理过程：如果您未从思考模型获得预期的回答，不妨仔细分析 Gemini 的思考摘要。您可以查看它是如何拆解任务并得出结论的，并使用这些信息来修正结果，以获得正确的结果。
在推理中提供指导：如果您希望获得特别长的输出，则可以在问题中提供指导，以限制模型使用的思考量。这样，您就可以为响应预留更多令牌输出。
任务复杂性
- 简单任务（可以关闭思考）：对于不需要复杂推理且直截了当的请求（例如事实检索或分类），无需思考。例如：
- “DeepMind 的创始地在哪里？”
- “这封电子邮件是想安排会议，还是只是提供信息？”
- 中等任务（默认/需要一些思考）：许多常见请求都需要进行一定程度的分步处理或更深入的理解。Gemini 可以灵活地使用思考功能来执行以下任务：
- 将光合作用与成长进行类比。
- 比较和对比电动汽车与混合动力汽车。
- 难题（最大限度地发挥思维能力）：对于真正复杂的挑战（例如解复杂的数学题或编码任务），我们建议设置较高的思考预算。这类任务要求模型充分发挥推理和规划能力，通常需要完成许多内部步骤才能提供答案。例如：
- 解 AIME 2025 题目 1：求所有大于 9 且 17b 是 97b 的因子的整数底数 b 的总和。
- 为可直观呈现实时股市数据（包括用户身份验证）的 Web 应用编写 Python 代码。尽可能提高效率。
利用工具和功能进行思考
思考模型可与 Gemini 的所有工具和功能搭配使用。这样一来，模型就可以与外部系统交互、执行代码或访问实时信息，并将结果纳入其推理和最终回答中。
借助搜索工具，模型可以查询 Google 搜索，以查找最新信息或超出其训练数据范围的信息。这对于有关近期事件或极其具体的主题的问题非常有用。
借助代码执行工具，模型可以生成和运行 Python 代码，以执行计算、处理数据或解决最好通过算法处理的问题。模型会接收代码的输出，并可以在其回答中使用该输出。
借助结构化输出，您可以限制 Gemini 使用 JSON 进行响应。这对于将模型的输出集成到应用中特别有用。
函数调用可将思考模型连接到外部工具和 API，以便推理何时调用正确的函数以及要提供哪些参数。
网址情境可为模型提供网址，作为提示的额外情境。然后，模型可以从网址中检索内容，并使用这些内容来为其回答提供依据并对其进行塑造。
您可以在思考手册中尝试使用工具与思考模型的示例。
后续操作
如需深入了解示例，请参阅以下内容：
- 在使用工具时思考
- 边思考边直播
- 调整思考预算以获得不同的结果
等内容，请参阅我们的思考手册。
我们的 OpenAI 兼容性指南现已推出思考覆盖率。
如需详细了解 Gemini 2.5 Pro、Gemini Flash 2.5 和 Gemini 2.5 Flash-Lite，请访问模型页面。