Starting November 2, 2026, Firebase App Check enforcement will be required to use Firebase AI Logic. Learn more.

Model updates:

Gemini 4 Argon is now available to use with Firebase AI Logic! Learn more.
Gemini 2.5 models are limited to projects that actively used them in the past. For the Agent Platform Gemini API, these models will shut down for all projects in October 2026. To avoid service disruptions, update to a newer model (like gemini-4-argon, gemini-3.8-flash, or gemini-nano-banana-2.1). Any stable Gemini Live API 2.5 models are not impacted. Learn more.

‫Google برای ترجمه محتوا به زبان ترجیحی شما از فناوری هوشواره استفاده می‌کند. ترجمه‌های هوشواره‌ای ممکن است اشتباه داشته باشند.

درحال فکر کردن

همه مدل‌های Gemini از یک «فرایند تفکر» داخلی استفاده می‌کنند که توانایی‌های استدلال و برنامه‌ریزی چندمرحله‌ای آن‌ها را به‌طور قابل‌توجهی بهبود می‌بخشد و آن‌ها را برای کارهای پیچیده مانند کدنویسی، ریاضیات پیشرفته، و تحلیل داده‌ها بسیار مؤثر می‌کند.

مدل‌های اندیشگر پیکربندی‌ها و گزینه‌های زیر را ارائه می‌دهند:

کنترل کردن میزان تفکر
می‌توانید سطوح تفکر را پیکربندی کنید تا میزان «تفکر» مدل را کنترل کنید. این پیکربندی به‌ویژه زمانی مهم است که کاهش تأخیر یا هزینه در اولویت باشد. همچنین، مقایسه دشواری تکلیف را مرور کنید تا تصمیم بگیرید که مدل چقدر ممکن است به قابلیت تفکر خود نیاز داشته باشد.
دریافت خلاصه افکار
می‌توانید خلاصه افکار را فعال کنید تا در پاسخ تولیدشده گنجانده شود. این خلاصه‌ها نسخه‌های ترکیبی از افکار خام مدل هستند و بینش‌هایی درباره فرایند استدلال داخلی مدل ارائه می‌دهند.
مدیریت امضاهای فکری
Firebase AI Logic کیت‌های توسعه نرم‌افزار به‌طور خودکار امضاهای فکری را برای شما مدیریت می‌کنند، که تضمین می‌کند مدل به بافتار فکری از نوبت‌های قبلی دسترسی دارد، به‌ویژه هنگام استفاده از فراخوانی تابع.

حتماً روال‌های مطلوب و راهنمای پیام‌واره را برای استفاده از مدل‌های فکری مرور کنید.

این موارد را درنظر داشته باشید:

مدل‌های Gemini 2.5 به‌جای سطح اندیشگر از بودجه اندیشگر استفاده می‌کنند. مدل‌های Gemini 3.x با کاربرد عمومی و جدیدترین مدل‌های Gemini Nano Banana از بودجه تفکر برای سازگاری با نسخه‌های قدیمی پشتیبانی می‌کنند. بااین‌حال، مدل‌های Gemini 4.x از بودجه تفکر پشتیبانی نمی‌کنند (و اگر تنظیم شود، خطای ۴۰۰ برمی‌گردانند).
مدل‌های تبدیل نوشتار به گفتار Gemini از قابلیت تفکر پشتیبانی نمی‌کنند.
مدل‌های Gemini Live API از قابلیت تفکر پشتیبانی می‌کنند. بااین‌حال، Firebase AI Logic هنوز از افزودن پیکربندی تفکر برای مدل‌های Live API پشتیبانی نمی‌کند، اما این ویژگی به‌زودی ارائه می‌شود!

روال‌های مطلوب و راهنمای پیام‌واره برای استفاده از مدل‌های استدلالی

توصیه می‌کنیم پیام‌واره‌تان را در Google AI Studio یا Agent Studio آزمایش کنید تا بتوانید فرایند کامل تفکر را مشاهده کنید. می‌توانید هر ناحیه‌ای را که ممکن است مدل در آن به بیراهه رفته باشد شناسایی کنید تا بتوانید پیام‌واره‌هایتان را برای دریافت پاسخ‌های دقیق‌تر و سازگارتر پالایش کنید.

با پیام‌واره‌ای کلی شروع کنید که نتیجه مطلوب را توصیف می‌کند و افکار اولیه مدل را درباره نحوه تعیین پاسخ مشاهده کنید. اگر پاسخ مطابق انتظار نیست، بااستفاده از هرکدام از فن‌های پیام‌واره زیر به مدل کمک کنید پاسخ بهتری تولید کند:

ارائه دستورالعمل‌های گام‌به‌گام
ارائه چند مثال از جفت‌های ورودی-خروجی
راهنمایی‌هایی درباره نحوه بیان و قالب‌بندی برونداد و پاسخ‌ها ارائه دهید
ارائه مراحل درستی‌سنجی خاص

علاوه‌بر پیام‌واره، استفاده از این توصیه‌ها را نیز درنظر بگیرید:

دستورالعمل‌های سیستم را تنظیم کنید که مانند یک «مقدمه» است که قبل‌از اینکه مدل درمعرض دستورالعمل‌های بیشتر ازسوی پیام‌واره یا کاربر نهایی قرار گیرد، اضافه می‌کنید. این دستورالعمل‌ها به شما امکان می‌دهند رفتار مدل را براساس نیازها و موارد استفاده خاص خود هدایت کنید.
سطح اندیشیدن را تنظیم کنید تا میزان اندیشیدن مدل را کنترل کنید. اگر آن را روی سطح بالا تنظیم کنید، مدل می‌تواند درصورت نیاز بیشتر فکر کند. اگر آن را کمتر تنظیم کنید، مدل درباره پاسخش «بیش‌ازحد فکر نمی‌کند» و همچنین بخش بیشتری از حد برونداد کل را برای پاسخ واقعی نگه می‌دارد و می‌تواند به کاهش تأخیر و هزینه کمک کند.
پایش هوش مصنوعی را در کنسول Firebase فعال کنید تا تعداد داده‌واحدهای اندیشیدن و تأخیر درخواست‌هایتان را که اندیشیدن در آن‌ها فعال است پایش کنید. و اگر خلاصه‌های فکری را فعال کرده باشید، آن‌ها در کنسول نمایش داده می‌شوند و می‌توانید استدلال دقیق مدل را بررسی کنید تا به شما در اشکال‌زدایی و پالایش پیام‌واره‌هایتان کمک کند.

کنترل کردن میزان تفکر

می‌توانید سطوح تفکر را پیکربندی کنید تا میزان «تفکر» و استدلالی را که مدل می‌تواند قبل‌از برگرداندن پاسخ انجام دهد کنترل کنید. این پیکربندی به‌ویژه زمانی مهم است که کاهش تأخیر یا هزینه اولویت داشته باشد.

حتماً مقایسه دشواری تکالیف را مرور کنید تا تصمیم بگیرید که مدل چقدر ممکن است به قابلیت تفکر خود نیاز داشته باشد. در اینجا چند راهنمایی سطح بالا ارائه شده است:

برای تکالیف کمتر پیچیده یا اگر کاهش تأخیر یا هزینه برایتان اولویت دارد، مقدار تفکر کمتری تنظیم کنید.
برای تکالیف پیچیده‌تر، مقدار تفکر بالاتری تنظیم کنید.

سطوح «اندیشگر»

برای کنترل میزان اندیشیدن مدل برای تولید پاسخ، می‌توانید سطح اندیشیدن را برای تعداد داده‌واحدهای اندیشیدن که مدل مجاز به استفاده از آن‌ها است مشخص کنید.

این موارد را درنظر داشته باشید:

مدل‌های Gemini 3.x و جدیدتر با کاربرد عمومی و جدیدترین مدل‌های Gemini Nano Banana همیشه از اندیشیدن استفاده می‌کنند. نمی‌توانید فرایند فکر کردن را برای این مدل‌ها غیرفعال یا خاموش کنید.
مدل‌های Gemini 3.x و جدیدتر با کاربرد عمومی و جدیدترین مدل‌های Gemini Nano Banana همیشه از اندیشیدن پویا استفاده می‌کنند. یعنی مدل تصمیم می‌گیرد که چه زمانی و تا چه میزان (تا سقف مقدار پیکربندی‌شده) فکر کند.
مدل‌های Gemini 2.5 به‌جای سطح اندیشگر از بودجه اندیشگر استفاده می‌کنند. مدل‌های Gemini 3.x با کاربرد عمومی و جدیدترین مدل‌های Gemini Nano Banana از بودجه تفکر برای سازگاری با نسخه‌های قدیمی پشتیبانی می‌کنند. بااین‌حال، مدل‌های Gemini 4.x از بودجه تفکر پشتیبانی نمی‌کنند (و اگر تنظیم شود، خطای ۴۰۰ برمی‌گردانند).

تنظیم سطح «اندیشگر»

روی ارائه‌دهنده Gemini API کلیک کنید تا محتوا و کد مختص ارائه‌دهنده را در این صفحه ببینید.

سطح «اندیشگر» را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel تنظیم کنید. پیکربندی برای طول عمر نمونه حفظ می‌شود. اگر می‌خواهید از سطوح تفکر مختلف برای درخواست‌های مختلف استفاده کنید، نمونه‌های GenerativeModel را که با هر سطح پیکربندی شده‌اند ایجاد کنید.

در ادامه این بخش، با مقادیر پشتیبانی‌شده برای سطح اندیشیدن آشنا شوید.

Swift

سطح «اندیشگر» را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel تنظیم کنید.


// ...

// 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

مقادیر پارامترها را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel تنظیم کنید.


// ...

// 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

مقادیر پارامترها را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel تنظیم کنید.


// ...

// 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

مقادیر پارامترها را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel تنظیم کنید.


// ...

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

مقادیر پارامترها را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel تنظیم کنید.


// ...

// 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',
  generationConfig: generationConfig,
);

// ...

Unity

مقادیر پارامترها را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel تنظیم کنید.


// ...

// 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
);

// ...

مقادیر سطح «اندیشگر» پشتیبانی‌شده

جدول زیر مقادیر سطح اندیشیدن را که می‌توانید برای هر مدل با پیکربندی thinkingLevel مدل تنظیم کنید فهرست می‌کند.

	`MINIMAL`	`LOW`	`MEDIUM`	`HIGH`
	مدل از کمترین تعداد ممکن از نشان‌ها استفاده می‌کند؛ تقریباً بدون فکر کردن تکالیف با پیچیدگی کم	مدل از نشانه‌های کمتری استفاده می‌کند؛ تأخیر و هزینه را به‌حداقل می‌رساند تکالیف ساده و تکالیف با توان گذرداد بالا	مدل از رویکردی متعادل استفاده می‌کند تکالیف با پیچیدگی متوسط	مدل تا حداکثر سطح خود از توکن‌ها استفاده می‌کند پیام‌واره‌های پیچیده‌ای که به استدلال عمیق نیاز دارند
Gemini 4 Argon `gemini-4-argon`	^۱		(پیش‌فرض)
Gemini 3.x Pro `gemini-3.1-pro-preview`				(پیش‌فرض)
Gemini 3.x Flash `gemini-3.8-flash` `gemini-3.7-flash` `gemini-3.6-flash` `gemini-3.5-flash`	`gemini-3.8-flash` یا `gemini-3.7-flash` از آن پشتیبانی نمی‌کند ^۱		(پیش‌فرض)
Gemini 3.x Flash‑Lite `gemini-3.5-flash-lite` `gemini-3.1-flash-lite`	(پیش‌فرض)
Gemini Nano Banana 2.1 `gemini-nano-banana-2.1`			(پیش‌فرض)
Gemini Nano Banana 2 `gemini-3.1-flash-image`				(پیش‌فرض)
Gemini Nano Banana 2 Lite `gemini-3.1-flash-lite-image`	(پیش‌فرض)
Gemini Nano Banana Pro `gemini-3-pro-image`				(پیش‌فرض)

^{۱ gemini-4-argon،‏ gemini-3.8-flash،
و gemini-3.7-flash از سطح اندیشگر
MINIMAL پشتیبانی نمی‌کنند. اگر سطح «اندیشگر» را روی
MINIMAL تنظیم کنید، درخواست با خطای ۴۰۰ ناموفق خواهد بود.}

بودجه‌های تفکر (مدل‌های Gemini 2.5)

برای کنترل میزان اندیشیدن مدل Gemini 2.5 برای تولید پاسخ، می‌توانید بودجه اندیشیدن را برای تعداد داده‌واحدهای اندیشیدن که مجاز به استفاده از آن‌ها است مشخص کنید.

تنظیم بودجه تفکر (مدل‌های Gemini 2.5)

روی ارائه‌دهنده Gemini API کلیک کنید تا محتوا و کد مختص ارائه‌دهنده را در این صفحه ببینید.

بودجه اندیشیدن را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel برای مدل Gemini 2.5 تنظیم کنید. پیکربندی برای طول عمر نمونه حفظ می‌شود. اگر می‌خواهید از بودجه‌های فکری مختلفی برای درخواست‌های مختلف استفاده کنید، نمونه‌های GenerativeModel را با هر بودجه پیکربندی کنید.

درباره مقادیر پشتیبانی‌شده برای بودجه اندیشیدن در ادامه این بخش بیشتر بدانید.

Swift

بودجه تفکر را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel تنظیم کنید.


// ...

// Set the thinking configuration.
// Use a thinking budget value appropriate for your model (example value shown here).
let generationConfig = GenerationConfig(
  thinkingConfig: ThinkingConfig(thinkingBudget: 1024)
)

// Specify the config as part of creating the `GenerativeModel` instance.
let model = FirebaseAI.firebaseAI(backend: .googleAI()).generativeModel(
  modelName: "GEMINI_2.5_MODEL_NAME",
  generationConfig: generationConfig
)

// ...

Kotlin

مقادیر پارامترها را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel تنظیم کنید.


// ...

// Set the thinking configuration.
// Use a thinking budget value appropriate for your model (example value shown here).
val generationConfig = generationConfig {
  thinkingConfig = thinkingConfig {
      thinkingBudget = 1024
  }
}

// Specify the config as part of creating the `GenerativeModel` instance.
val model = Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
  modelName = "GEMINI_2.5_MODEL_NAME",
  generationConfig,
)

// ...

Java

مقادیر پارامترها را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel تنظیم کنید.


// ...

// Set the thinking configuration.
// Use a thinking budget value appropriate for your model (example value shown here).
ThinkingConfig thinkingConfig = new ThinkingConfig.Builder()
    .setThinkingBudget(1024)
    .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_2.5_MODEL_NAME",
                  /* generationConfig */ generationConfig
                );
);

// ...

Web

مقادیر پارامترها را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel تنظیم کنید.


// ...

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

// Set the thinking configuration.
// Use a thinking budget value appropriate for your model (example value shown here).
const generationConfig = {
  thinkingConfig: {
    thinkingBudget: 1024
  }
};

// Specify the config as part of creating the `GenerativeModel` instance.
const model = getGenerativeModel(ai, { model: "GEMINI_2.5_MODEL_NAME", generationConfig });

// ...

Dart

مقادیر پارامترها را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel تنظیم کنید.


// ...

// Set the thinking configuration.
// Use a thinking budget value appropriate for your model (example value shown here).
final thinkingConfig = ThinkingConfig.withThinkingBudget(1024);

final generationConfig = GenerationConfig(
  thinkingConfig: thinkingConfig
);

// Specify the config as part of creating the `GenerativeModel` instance.
final model = FirebaseAI.googleAI().generativeModel(
  model: 'GEMINI_2.5_MODEL_NAME',
  generationConfig: generationConfig,
);

// ...

Unity

مقادیر پارامترها را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel تنظیم کنید.


// ...

// Set the thinking configuration.
// Use a thinking budget value appropriate for your model (example value shown here).
var thinkingConfig = new ThinkingConfig(thinkingBudget: 1024);

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_2.5_MODEL_NAME",
  generationConfig: generationConfig
);

// ...

مقادیر بودجه تفکر پشتیبانی‌شده (مدل‌های Gemini 2.5)

جدول زیر مقادیر بودجه تفکر را که می‌توانید برای هر مدل با پیکربندی thinkingBudget مدل تنظیم کنید، فهرست می‌کند.

مدل	مقدار پیش‌فرض	محدوده دردسترس برای بودجه تفکر		ارزش غیرفعال کردن استدلال	ارزش فعال کردن اندیشیدن پویا
مدل	مقدار پیش‌فرض			ارزش غیرفعال کردن استدلال	ارزش فعال کردن اندیشیدن پویا	کمترین مقدار	بیشترین مقدار
Gemini 2.5 Pro	`8,192`	`128`	`32,768`	غیرفعال نمی‌شود	`-1`
Gemini 2.5 Flash	`8,192`	`1`	`24,576`	`0`	`-1`
Gemini 2.5 Flash‑Lite	`0` (فکر کردن به‌طور پیش‌فرض غیرفعال است)	`512`	`24,576`	`0` (یا اصلاً بودجه تفکر را پیکربندی نکنید)	`-1`

غیرفعال کردن استدلال (مدل‌های Gemini 2.5)

برای برخی تکالیف آسان‌تر، قابلیت تفکر چندان ضروری نیست و استنتاج سنتی کافی است. همچنین، اگر کاهش تأخیر یا هزینه اولویت دارد، ممکن است نخواهید مدل زمان بیشتری صرف کند یا هزینه بیشتری نسبت‌به آنچه برای تولید پاسخ لازم است داشته باشد.

در این شرایط، می‌توانید فکر کردن را برای برخی مدل‌ها غیرفعال (یا خاموش) کنید:

Gemini 2.5 Pro: فکر کردن نمی‌تواند غیرفعال شود
Gemini 2.5 Flash: غیرفعال کردن اندیشیدن با تنظیم thinkingBudget روی 0 داده‌واحد
Gemini 2.5 Flash‑Lite: thinking is disabled by default (so don't set thinkingBudget explicitly or just set it to 0)

توجه داشته باشید که برای همه مدل‌های Gemini 3.x و جدیدتر، استدلال نمی‌تواند غیرفعال شود.

فعال کردن تفکر پویا (مدل‌های Gemini 2.5)

با تفکر پویا، مدل تصمیم می‌گیرد که چه زمانی و چقدر فکر کند (تا حداکثر بودجه تفکر، همان‌طور که در زیر توضیح داده شده است).

با تنظیم thinkingBudget روی -1، اندیشیدن پویا را فعال کنید.
وقتی اندیشیدن پویا فعال باشد، حداکثر داده‌واحدهای اندیشیدن همیشه ۸٬۱۹۲ داده‌واحد خواهد بود.

توجه داشته باشید که همه مدل‌های Gemini 3.x و جدیدتر همیشه از تفکر پویا استفاده می‌کنند.

پیچیدگی تکلیف برای همه مدل‌های اندیشگر

تکالیف آسان — تفکر چندان ضروری نیست
درخواست‌های ساده که به استدلال پیچیده نیاز ندارند، مانند بازیابی واقعیت یا طبقه‌بندی. مثال‌ها:
- «DeepMind کجا تأسیس شد؟»
- «آیا این ایمیل درخواست جلسه می‌کند یا فقط اطلاعات ارائه می‌دهد؟»
تکالیف متوسط — احتمالاً به کمی فکر کردن نیاز است
درخواست‌های رایجی که از پردازش گام‌به‌گام یا درک عمیق‌تر بهره می‌برند. مثال‌ها:
- «بین فتوسنتز و بزرگ شدن قیاس ایجاد کن.»
- «خودروهای برقی و خودروهای هیبریدی را مقایسه و هم‌سنجی کن.»
تکالیف دشوار — ممکن است به حداکثر تفکر نیاز باشد
چالش‌های واقعاً پیچیده، مانند حل مسائل پیچیده ریاضی یا تکالیف کدنویسی. این نوع تکالیف مستلزم آن است که مدل از تمام قابلیت‌های استدلال و برنامه‌ریزی خود استفاده کند، که اغلب شامل مراحل داخلی زیادی قبل از ارائه پاسخ می‌شود. مثال‌ها:
- «مسئله ۱ در AIME 2025 را حل کن: مجموع همه پایه‌های عدد صحیح b > 9 را که برای آن‌ها 17b مقسوم‌علیه 97b است پیدا کن.»
- «کد پایتون برای برنامه وبی بنویس که داده‌های هم‌زمان بازار سهام را تجسم کند، ازجمله اصالت‌سنجی کاربر. تا حد امکان کارآمد باشد.»

خلاصه افکار

خلاصه‌های فکری نسخه‌های ترکیبی از افکار خام مدل هستند و اطلاعات آماری درباره فرایند استدلال داخلی مدل ارائه می‌دهند.

در اینجا چند دلیل برای گنجاندن خلاصه افکار در پاسخ‌ها آورده شده است:

می‌توانید خلاصه فرایند تفکر را در میانای کاربری برنامه‌تان نمایش دهید یا آن را برای کاربران دردسترس قرار دهید. خلاصه فرایند تفکر به‌عنوان بخشی جداگانه در پاسخ برگردانده می‌شود تا کنترل بیشتری بر نحوه استفاده از آن در برنامه‌تان داشته باشید.
اگر پایش هوشواره‌ای را در کنسول Firebase نیز فعال کنید، خلاصه افکار در کنسول نمایش داده می‌شود و در آنجا می‌توانید استدلال دقیق مدل را بررسی کنید تا به شما در اشکال‌زدایی و پالایش پیام‌واره‌هایتان کمک کند.

در اینجا چند نکته کلیدی درباره خلاصه افکار آورده شده است:

خلاصه‌های فکری توسط بودجه‌های تفکر کنترل نمی‌شوند (بودجه‌ها فقط برای افکار خام مدل اعمال می‌شوند). اما اگر استدلال غیرفعال باشد، مدل خلاصه استدلال را برنمی‌گرداند.
خلاصه‌های فکری بخشی از پاسخ نوشتار تولیدشده معمولی مدل درنظر گرفته می‌شوند و به‌عنوان نشان‌های خروجی به‌حساب می‌آیند.

فعال کردن خلاصه‌های اندیشیدن

روی ارائه‌دهنده Gemini API کلیک کنید تا محتوا و کد مختص ارائه‌دهنده را در این صفحه ببینید.

می‌توانید با تنظیم includeThoughts روی true در پیکربندی مدل، خلاصه‌های فکری را فعال کنید. سپس می‌توانید با بررسی فیلد thoughtSummary از پاسخ، به خلاصه دسترسی پیدا کنید.

در اینجا مثالی آورده شده است که نحوه فعال کردن و بازیابی خلاصه‌های فکری با پاسخ را نشان می‌دهد:

Swift

خلاصه افکار را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel فعال کنید.


// ...

// 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

خلاصه افکار را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel فعال کنید.


// ...

// 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

خلاصه افکار را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel فعال کنید.


// ...

// 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

خلاصه افکار را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel فعال کنید.


// ...

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

خلاصه افکار را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel فعال کنید.


// ...

// 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([Content.text('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

خلاصه افکار را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel فعال کنید.


// ...

// 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}");
}

مشاهده پاسخ و خلاصه فکر

# Example Response:
#     Okay, let's solve the quadratic equation x² + 4x + 4 = 0.
#     ...
#     **Answer:**
#     The solution to the equation x² + 4x + 4 = 0 is x = -2. This is a repeated root (or a root with multiplicity 2).

# Example Thought Summary:
#     **My Thought Process for Solving the Quadratic Equation**
#
#     Alright, let's break down this quadratic, x² + 4x + 4 = 0. First things first:
#     it's a quadratic; the x² term gives it away, and we know the general form is
#     ax² + bx + c = 0.
#
#     So, let's identify the coefficients: a = 1, b = 4, and c = 4. Now, what's the
#     most efficient path to the solution? My gut tells me to try factoring; it's
#     often the fastest route if it works. If that fails, I'll default to the quadratic
#     formula, which is foolproof. Completing the square? It's good for deriving the
#     formula or when factoring is difficult, but not usually my first choice for
#     direct solving, but it can't hurt to keep it as an option.
#
#     Factoring, then. I need to find two numbers that multiply to 'c' (4) and add
#     up to 'b' (4). Let's see... 1 and 4 don't work (add up to 5). 2 and 2? Bingo!
#     They multiply to 4 and add up to 4. This means I can rewrite the equation as
#     (x + 2)(x + 2) = 0, or more concisely, (x + 2)² = 0. Solving for x is now
#     trivial: x + 2 = 0, thus x = -2.
#
#     Okay, just to be absolutely certain, I'll run the quadratic formula just to
#     double-check. x = [-b ± √(b² - 4ac)] / 2a. Plugging in the values, x = [-4 ±
#     √(4² - 4 * 1 * 4)] / (2 * 1). That simplifies to x = [-4 ± √0] / 2. So, x =
#     -2 again - a repeated root. Nice.
#
#     Now, let's check via completing the square. Starting from the same equation,
#     (x² + 4x) = -4. Take half of the b-value (4/2 = 2), square it (2² = 4), and
#     add it to both sides, so x² + 4x + 4 = -4 + 4. Which simplifies into (x + 2)²
#     = 0. The square root on both sides gives us x + 2 = 0, therefore x = -2, as
#      expected.
#
#     Always, *always* confirm! Let's substitute x = -2 back into the original
#     equation: (-2)² + 4(-2) + 4 = 0. That's 4 - 8 + 4 = 0. It checks out.
#
#     Conclusion: the solution is x = -2. Confirmed.

جاری‌سازی خلاصه افکار

اگر انتخاب کنید که پاسخ را بااستفاده از generateContentStream جاری‌سازی کنید، می‌توانید خلاصه افکار را نیز مشاهده کنید. این کار خلاصه‌های فزاینده و متوالی را درطول تولید پاسخ برمی‌گرداند.

Swift

خلاصه افکار را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel فعال کنید.


// ...

// 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

خلاصه افکار را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel فعال کنید.


// ...

// 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

خلاصه افکار را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel فعال کنید.


// ...

// 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

خلاصه افکار را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel فعال کنید.


// ...

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

خلاصه افکار را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel فعال کنید.


// ...

// 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([Content.text('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

خلاصه افکار را در GenerationConfig به‌عنوان بخشی از ایجاد نمونه GenerativeModel فعال کنید.


// ...

// 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;
    }
}

امضاهای فکری

هنگام استفاده از تفکر در تعاملات چندنوبتی، مدل به بافت فکری نوبت‌های قبلی دسترسی ندارد. بااین‌حال، اگر از فراخوانی تابع استفاده می‌کنید، می‌توانید از امضاهای فکری برای حفظ بافت فکری درطول نوبت‌ها بهره ببرید. امضاهای فکری نمایش‌های رمزگذاری‌شده از فرایند فکری داخلی مدل هستند و هنگام استفاده از فراخوانی تابع و اندیشگر دردسترس هستند. به‌طور خاص، امضاهای فکری زمانی تولید می‌شوند که:

اندیشیدن فعال است و افکار تولید می‌شوند.
درخواست شامل اعلان‌های تابع است.

برای بهره‌مندی از امضاهای فکری، از فراخوانی تابع به‌صورت عادی استفاده کنید. Firebase AI Logic کیت‌های توسعه نرم‌افزار با مدیریت کردن وضعیت و رسیدگی خودکار به امضاهای فکری، فرایند را برای شما ساده می‌کنند. کیت‌های توسعه نرم‌افزار به‌طور خودکار هرگونه امضای فکری تولیدشده را بین تماس‌های بعدی sendMessage یا sendMessageStream در جلسه Chat منتقل می‌کنند.

قیمت‌گذاری و شمارش داده‌واحدهای اندیشیدن

داده‌واحدهای اندیشیدن از همان قیمت‌گذاری داده‌واحدهای برونداد نوشتاری استفاده می‌کنند. اگر خلاصه‌های فکری را فعال کنید، این خلاصه‌ها به‌عنوان داده‌واحد اندیشیدن درنظر گرفته می‌شوند و قیمت‌گذاری آن‌ها براساس آن انجام می‌شود.

می‌توانید پایش هوشواره‌ای را در کنسول Firebase فعال کنید تا تعداد داده‌واحدهای اندیشیدن را برای درخواست‌هایی که اندیشیدن در آن‌ها فعال است پایش کنید.

می‌توانید تعداد کل داده‌واحدهای اندیشیدن را از فیلد thoughtsTokenCount در مشخصه usageMetadata پاسخ دریافت کنید:

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}");
}

در راهنمای شمارش توکن‌ها درباره توکن‌ها بیشتر بدانید.

درحال فکر کردن با مجموعه‌ها، منظم بمانید ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.

روال‌های مطلوب و راهنمای پیام‌واره برای استفاده از مدل‌های استدلالی

کنترل کردن میزان تفکر

سطوح «اندیشگر»

تنظیم سطح «اندیشگر»

Swift

Kotlin

Java

Web

Dart

Unity

مقادیر سطح «اندیشگر» پشتیبانی‌شده

بودجه‌های تفکر (مدل‌های Gemini 2.5)

تنظیم بودجه تفکر (مدل‌های Gemini 2.5)

Swift

Kotlin

Java

Web

Dart

Unity

مقادیر بودجه تفکر پشتیبانی‌شده (مدل‌های Gemini 2.5)

غیرفعال کردن استدلال (مدل‌های Gemini 2.5)

فعال کردن تفکر پویا (مدل‌های Gemini 2.5)

پیچیدگی تکلیف برای همه مدل‌های اندیشگر

خلاصه افکار

فعال کردن خلاصه‌های اندیشیدن

Swift

Kotlin

Java

Web

Dart

Unity

جاری‌سازی خلاصه افکار

Swift

Kotlin

Java

Web

Dart

Unity

امضاهای فکری

قیمت‌گذاری و شمارش داده‌واحدهای اندیشیدن

Swift

Kotlin

Java

Web

Dart

Unity

درحال فکر کردن