Guide du développeur pour Gemini 3.6 Flash

Gemini 3.6 Flash est un modèle puissant, rapide et économique de la famille Gemini 3. Conçu pour offrir des capacités agentiques proches de celles de Pro sans compromettre les performances ni la valeur, le modèle est désormais en disponibilité générale pour les développeurs utilisant l'API Gemini et pour les entreprises utilisant Gemini Enterprise Agent Platform.

Ce document présente les nouveautés de 3.6 Flash, sa place dans la famille de modèles Gemini, la migration vers 3.6 Flash et un guide de démarrage rapide pour utiliser 3.6 Flash.

Comment s'intègre-t-il dans la famille Gemini ?

Gemini 3.6 Flash est le principal modèle agentique de la famille Gemini 3. Il fait le lien entre les modèles Gemini Pro à raisonnement approfondi et les modèles Gemini Flash-Lite à haut débit. Par rapport à Gemini 3.5 Flash, Gemini 3.6 Flash offre une qualité nettement supérieure pour l'orchestration d'outils en plusieurs étapes, la refactorisation de code full stack et le raisonnement visuel, tout en utilisant moins de jetons et de tours de raisonnement. Il offre des capacités proches de celles de Pro, à la vitesse et au prix de Flash.

Spécifications et comparaisons des modèles

Le tableau suivant compare certaines des spécifications de 3.6 Flash, 3.5 Flash et 3.1 Pro :

Gemini 3.6 Flash Gemini 3.5 Flash Gemini 3.1 Pro
ID du modèle gemini-3.6-flash gemini-3.5-flash gemini-3.1-pro-preview
Étape de lancement GA DG Aperçu
Types d'entrée Texte, image, audio, vidéo Texte, image, audio, vidéo Texte, image, audio, vidéo
Type(s) de sortie Texte Texte Texte
Fenêtre de contexte 1 048 576 1 048 576 1 048 576
Longueur maximale des jetons de sortie 65 536 65 536 65 536
Régions où le service est disponible Mondial, multirégional Monde, multirégional, Amériques, Europe, Asie-Pacifique Monde
Niveaux de raisonnement compatibles MINIMAL, LOW, MEDIUM, HIGH
(par défaut : MEDIUM)
MINIMAL, LOW, MEDIUM, HIGH
(par défaut : MEDIUM)
LOW, MEDIUM, HIGH
(par défaut : HIGH)
Utilisation principale Workflows agentifs hautement efficaces, orchestration en plusieurs étapes et codage full stack Tâches équilibrées, appel d'outils et raisonnement intermédiaire Raisonnement approfondi, tâches très complexes

Consultez la page du modèle 3.6 Flash pour obtenir la liste complète des fonctionnalités, des outils et des options de consommation compatibles.

Quelles sont les nouveautés de Gemini 3.6 Flash ?

3.6 Flash est optimisé pour l'orchestration en plusieurs étapes, la refactorisation de code full stack et le raisonnement général, avec une efficacité des jetons nettement supérieure à celle de ses prédécesseurs.

Fonctionnalités et informations sur les performances

Voici la liste des modifications apportées aux fonctionnalités et aux performances de 3.6 Flash par rapport aux modèles précédents :

  • Réduction du nombre de jetons et de tours : consomme moins de jetons et effectue des workflows en plusieurs étapes avec moins d'étapes de raisonnement et de tours de conversation que 3.5 Flash.
  • Génération de code améliorée : produit un code plus propre avec des taux d'échec de compilation et de révision plus faibles dans les environnements de création d'applications, de prototypage et d'agent IDE.
  • Biais d'action réduit : résout les tâches de diagnostic en lecture seule sans apporter de modifications non sollicitées à l'espace de travail ni modifier l'état prématurément.
  • Raisonnement multimodal et spatial : offre de meilleures performances pour l'interprétation des graphiques, la conversion de plans visuels et la génération de mises en page Web multi-éléments.
  • Compatibilité avec l'utilisation de l'ordinateur : compatible en tant qu'outil intégré pour l'automatisation de l'UI agentique.
  • Préférence de style d'interface utilisateur : plus efficace pour créer du code fonctionnel, même si les évaluateurs humains ont indiqué préférer les modèles précédents pour la présentation de l'interface et la mise en page visuelle. Vous pouvez y remédier en fournissant des consignes de conception explicites.

Modifications du comportement et des paramètres d'API

Voici la liste des modifications apportées aux paramètres de comportement et d'API pour 3.6 Flash par rapport aux modèles précédents :

  • Concision des étapes : utilise moins d'étapes de raisonnement que 3.5 Flash. Bien que cela réduise la latence et le coût de la refactorisation du code et des workflows d'outils, cela peut entraîner des sorties anticipées lors des suivis de conversations multitours étendus où des chaînes d'itération plus longues sont nécessaires.
  • Inspection programmatique initiale : préfère exécuter des scripts de code de diagnostic (execute_code) pour inspecter les problèmes avant de modifier l'état plus fréquemment que 3.5 Flash. Bien que cela améliore la précision du diagnostic lors de la refactorisation complexe du backend, cela peut parfois entraîner l'exécution d'étapes d'inspection exploratoires supplémentaires sur des tâches Web et de script simples du frontend, pour lesquelles la version précédente générait directement du code.
  • Effort par défaut : conserve le niveau d'effort moyen par défaut introduit dans 3.5 Flash.
  • Aucun remplacement d'échantillonnage : les valeurs personnalisées pour les paramètres temperature, top-k ou top-p ne sont plus acceptées. La définition de valeurs personnalisées sera ignorée dans la surface de l'API. Utilisez plutôt thinking_level ou des schémas JSON structurés pour contrôler le déterminisme de la sortie.
  • Restrictions concernant les pénalités de fréquence et de présence : les valeurs personnalisées pour ces paramètres ne sont plus acceptées. Leur définition génère désormais une erreur d'API active.
  • Les requêtes API dont le dernier tour d'entrée a le rôle "Modèle" ne sont pas acceptées.
  • Les tours de parole vides dans l'historique des conversations sont supprimés.
  • Les signatures de pensée non valides génèrent désormais des erreurs.
  • Appel de fonction strict : FunctionResponse doit correspondre strictement à id, name et au nombre d'exécutions du FunctionCall précédent. Ajoutez des instructions intégrées directement dans le texte de la réponse de la fonction, séparées par deux sauts de ligne (\n\n).

Guide de démarrage rapide

Avant de commencer, vous devez vous authentifier auprès d'Agent Platform à l'aide des Identifiants par défaut de l'application (ADC) ou d'une clé API. Pour en savoir plus, consultez Premiers pas avec Gemini Enterprise Agent Platform.

Dans les blocs de code suivants, remplacez PROJECT_ID par l'ID de votre projet.

Installation

Assurez-vous d'utiliser la dernière version du SDK google-genai :

pip install --upgrade google-genai

Requête de base

Python

from google import genai

client = genai.Client(enterprise=True, project="PROJECT_ID", location="global")

response = client.models.generate_content(
  model="gemini-3.6-flash",
  contents="How does AI work?",
)
print(response.text)

REST

curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/gemini-3.6-flash:generateContent \
-d '{
  "contents": {
    "role": "USER",
    "parts": { "text": "Why is the sky blue?" },
  },
}'

Migrer vers 3.6 Flash depuis 3.5 Flash ou 3.1 Pro

Pour migrer vers 3.6 Flash depuis 3.5 Flash ou 3.1 Pro, procédez comme suit :

  1. Mettre à jour l'ID du modèle : remplacez la chaîne du modèle par gemini-3.6-flash dans vos appels d'API.
  2. Adaptez votre code aux nouvelles règles de l'API de la famille Gemini 3 : Gemini 3.6 Flash applique strictement les règles de paramètres et les conventions d'API établies pour la famille Gemini 3 :
    • Supprimer les paramètres temperature, top-K et top-P : supprimez ces paramètres personnalisés de votre charge utile. Bien qu'ils ne génèrent pas d'erreur, le modèle les ignorera complètement. Utilisez plutôt le paramètre thinking_level ou les sorties structurées json_schema pour contrôler le déterminisme des sorties.
    • Supprimez les pénalités de fréquence et de présence : supprimez toutes les configurations personnalisées pour les pénalités de fréquence ou de présence afin d'éviter que vos appels d'API ne génèrent des erreurs d'exécution.
    • Assurez-vous que votre intégration de chat ne tente pas de préremplir le modèle : examinez vos tableaux d'historique des messages pour vous assurer que votre charge utile d'API ne se termine pas par un tour d'utilisateur ou de modèle vide. Si le dernier objet de votre tableau d'historique est un rôle "model" (API GenerateContent) ou un type "model_output" (API Interactions), restructurez la séquence pour éviter de déclencher une erreur de validation stricte.
    • Utilisez thinking_level : supprimez les instances du paramètre thinking_budget obsolète et utilisez thinking_level à la place.
    • Appliquer des conventions d'appel de fonction strictes : FunctionResponse doit correspondre strictement à id, name et au nombre d'exécutions de FunctionCall précédent. Si vous devez ajouter des instructions intégrées, placez-les directement dans le texte de la réponse de la fonction, séparées par deux sauts de ligne (\n\n).
  3. Tenez compte des changements de workflow :
    • Si votre application repose sur des boucles de conversation multitours, testez vos workflows pour vous assurer que la concision de la nouvelle étape du modèle ne déclenche pas de sorties prématurées.
    • Si vous créez des agents d'interface ou de script de base, surveillez les appels execute_code exploratoires inutiles dus au nouveau biais du modèle en faveur de l'inspection programmatique initiale.

Solutions de contournement pour les exigences de texte avant l'outil

Si votre prompt nécessite que le modèle génère du texte structuré (XLM, YAML, JSON, etc.) (par exemple, <UPDATE>...</UPDATE>) immédiatement avant d'effectuer un appel d'outil, l'appel d'outil peut parfois échouer avec une erreur Malformed_Function_Call. Pour résoudre ce problème, vous pouvez utiliser l'une des solutions suivantes :

  • (Recommandé) Demandez au modèle de placer ses notes préalables à l'outil dans un appel de fonction update() dédié plutôt que dans du texte brut. Pour obtenir des instructions d'implémentation détaillées, consultez la section suivante.
  • Demandez au modèle d'écrire des notes sous forme d'en-têtes Markdown (par exemple, # UPDATE, ## PLAN) au lieu de texte structuré.
  • N'exigez pas que le modèle génère du texte avant les appels d'outils.

Solution recommandée : encapsuler les notes de travail dans un appel de fonction dédié

Au lieu de l'instruction d'origine :

Before calling a tool, in every response you MUST first output a single
`<UPDATE>` part as specified, don't skip this part or any of required sub-tags
within `<UPDATE>`.

Utilisez cette instruction mise à jour :

Before calling any other tool, in every response you MUST first call `update`
with all required parameters (previous_step, plan, next_step, external).

Mettez à jour toutes les références à l'ancien format XML <UPDATE> dans la demande du client. Ajoutez ensuite la déclaration de fonction correspondante pour la fonction de mise à jour :

{
  "name": "update",
  "description": "Update working notes (previous step analysis, plan, next step, external note).",
  "parameters": {
    "type": "OBJECT",
    "properties": {
      "previous_step": {
        "type": "STRING",
        "description": "Key findings and outcomes since the previous step."
      },
      "plan": {
        "type": "STRING",
        "description": "The current status of the plan."
      },
      "next_step": {
        "type": "STRING",
        "description": "Brief explanation of the immediate next action according to the plan."
      },
      "external": {
        "type": "STRING",
        "description": "A short, plain-language note shown to the User about what you are ABOUT TO DO next."
      }
    },
    "required": [
      "previous_step",
      "plan",
      "next_step",
      "external"
    ]
  }
}

Le modèle effectuera deux appels au cours de la même étape : l'appel update() qui remplace le code XML structuré et l'appel de fonction réel qu'il souhaite effectuer.

Autres ressources