Gemini 3: Denkstufen gezielt einstellen

Die Einstellung für das Denken legt einen Rahmen für den Reasoning-Aufwand fest. Sie garantiert weder eine bestimmte Anzahl von Schritten noch eine feste Antwortzeit oder eine richtige Antwort. Entscheidend sind das genaue Modell, die Aufgabe und eine überprüfbare Erfolgsbedingung.

Dieser Leitfaden behandelt Gemini-3-Modelle. Er beschreibt nicht automatisch das neueste Gemini-Modell oder alle Funktionen einer Chatoberfläche eines Drittanbieters.

Zuerst die Modellversion prüfen

Die Google-Dokumentation zum Denken unterscheidet zwischen Gemini 3 Pro Preview und Gemini 3.1 Pro Preview. Am 18. September 2026 nennt sie für die ältere Pro-Version low und high, für 3.1 Pro zusätzlich medium. Gemini 3 Flash Preview unterstützt minimal, low, medium und high. Bei diesen Modellen ist high die Vorgabe; medium ist kein allgemeiner Standard.

Prüfen Sie vor einer Änderung die aktuelle Dokumentation zur tatsächlich verwendeten Modellkennung. Halten Sie außerdem API-Familie, SDK-Version und Datum fest. Die Anzeige „Pro“ allein reicht nicht aus, um einen Vergleich später zu reproduzieren.

Kandidaten anhand der Aufgabe auswählen

Low eignet sich als Ausgangspunkt für begrenzte Extraktions- oder Klassifikationsaufgaben. Geben Sie erlaubte Kategorien und den Umgang mit fehlenden Werten vor. Prüfen Sie, ob das Modell Ausnahmen beachtet, statt lediglich die Ausgabeform zu kontrollieren. Low bedeutet nicht zwingend, dass kein Reasoning stattfindet.

Medium kann, sofern unterstützt, für Aufgaben mit mehreren zusammenwirkenden Anforderungen getestet werden. Vergleichen Sie beispielsweise eine strukturierte Dokumentzusammenfassung mit der Standardeinstellung. Eine kürzere Antwort ist weder automatisch günstiger noch korrekter.

High ist einen Versuch wert, wenn mehrere Bedingungen geprüft oder widersprüchliche Quellen verglichen werden müssen. Entscheidend ist, ob dadurch weniger Fehler und weniger Nacharbeit entstehen. Mehr Aufwand ersetzt keine fehlende Quelle und löst keine unausgesprochene Anforderung.

Testen Sie Gemini 3 auf MidassAI Chat

API-Familien nicht vermischen

Übernehmen Sie ein aktuelles Beispiel für die verwendete API und das verwendete SDK. Interactions und generateContent behandeln den Gesprächszustand unterschiedlich. Auch die Feldnamen eines SDK müssen nicht mit denen der REST-Schnittstelle übereinstimmen.

Ein Testprotokoll kann Aufgabenkennung, Modellkennung, API-Familie, gewählte Denkstufe und Erfolgskriterium enthalten. Dieses Protokoll ist kein API-Payload. Erfinden Sie keinen Endpunkt wie /v1/models/gemini-3:generate, und senden Sie ein Planungsdokument nicht als ausführbaren Request. Zugangsdaten gehören weder in Prompts noch in Testberichte.

Jeweils nur eine Einstellung ändern

Der Gemini-3-Leitfaden von Google empfiehlt die Standardtemperatur 1.0. Ein niedrigerer Wert kann unerwünschtes Verhalten verursachen. „High plus Temperatur 0.2“ ist deshalb keine allgemeine Zuverlässigkeitsregel.

Beginnen Sie mit den dokumentierten Vorgaben. Ändern Sie zunächst nur die Denkstufe; Prompt, Quellen, Werkzeuge und Ausgabelimit bleiben gleich. Kombinieren Sie thinking_level nicht mit thinking_budget in derselben Anfrage. Kontrollieren Sie auch Einstellungen, die Ihre bestehende Clientbibliothek automatisch ergänzt.

Ein kleines Prüfset anlegen

Wählen Sie typische Aufgaben und schwierige Fälle. Eine Extraktionsprüfung sollte einen eindeutigen Wert, einen fehlenden Wert und widersprüchliche Angaben enthalten. Legen Sie die erwarteten Ergebnisse vor dem Vergleich fest.

Protokollieren Sie Konfiguration, Erfolg oder Fehler, Zeit bis zur ersten Antwort, gesamte Bearbeitungszeit, verfügbare Nutzungsdaten und Korrekturaufwand. Wiederholen Sie wichtige Fälle, statt den besten Einzelversuch als Ergebnis zu behandeln. Gültiges JSON mit einer falschen Kundennummer ist weiterhin ein Fehler.

Messen Sie den gesamten Ablauf. Netzwerk, Werkzeugaufrufe, Antwortlänge und Wiederholungen beeinflussen die Wartezeit. Verwenden Sie tatsächliche Abrechnungsdaten statt angenommener Kosten einer Denkstufe. Wiederholen Sie fehlgeschlagene Aktionen nicht unbegrenzt, besonders wenn externe Nebenwirkungen möglich sind.

Ergebnisse auf Chatoberflächen übertragen

Ist ein dokumentierter Reasoning-Regler vorhanden, vergleichen Sie denselben Prompt mit den verfügbaren Einstellungen. Fehlt er, können Sie die Antwortqualität bewerten, aber keinen kontrollierten API-Denkstufentest behaupten. Ein Deep-Think-Schalter, Tokenzähler oder Batchplaner wird für MidassAI hier nicht vorausgesetzt.

Behalten Sie die einfachste Konfiguration, die Ihre Kriterien erfüllt. Speichern Sie bekannte Fehlerfälle und prüfen Sie erneut, wenn Modell oder Integration wechseln. So entsteht eine belastbare Entscheidung für Ihren Arbeitsablauf statt einer pauschalen Empfehlung für jede Aufgabe.