Gemini 3 思考等级：配置、默认值与评测方法

Gemini 的思考等级控制的是推理投入，并不保证固定的推理步骤、响应时间或答案正确率。选择等级时，应同时确定模型版本、任务范围和验收方法。

本文针对 Gemini 3 系列，不代表它是当前最新系列。Google API 提供的参数，也不一定出现在第三方聊天界面里。

先确认模型，再选择等级

根据 2026 年 9 月 18 日查阅的 Google 思考功能文档，Gemini 3 Pro preview 支持 low 和 high；Gemini 3.1 Pro preview 还支持 medium；Gemini 3 Flash preview 则列出 minimal、low、medium 和 high。这几个模型的默认等级为 high，不能把 medium 当作所有模型的默认值。

接入前重新核对具体模型标识对应的选项，并记录 API 类型、SDK 版本和请求日期。界面显示的“Pro”名称不足以复现实验。模型下线、别名更新或服务商切换后，应重新验证配置。

按任务选择候选配置

Low 可以作为分类、提取明确字段等有限任务的候选。例如，仅使用给定类别判断工单类型，同时检查缺失信息和不属于任何类别的输入。低等级不等于完全关闭推理。

模型支持 medium 时，可以用它测试需要兼顾多条约束的任务，例如在固定字段中总结文档，并保留日期和例外条件。应与默认配置使用相同来源比较；答案更短、更自信，都不能证明提取更准确。

High 适合纳入多重核对任务的比较，例如检查补丁是否符合需求，或分析两段相互矛盾的材料。判断重点是它能否减少足够多的错误，抵消额外等待、用量和审核成本。缺少的事实不会因为等级提高而自动补齐。

在 MidassAI Chat 中体验 Gemini 3

不要混用 API 示例

Interactions 与 generateContent 的会话状态管理不同，SDK 参数名也可能与 REST 字段名不同。请从所用接口的官方示例开始，确认服务端实际接受该选项，再替换业务输入。

不要编造 /v1/models/gemini-3:generate 之类的请求地址。评测记录可以包含任务编号、模型、接口、候选等级和验收规则，但这份记录不是可直接发送的 API 请求。密钥应保留在本地环境中，不写入提示词或评测报告。

每次只改变一个变量

Gemini 3 开发指南建议保留 temperature 1.0，并指出降低它可能引发不理想的行为。因此，“高推理加 temperature 0.2”不能作为通用可靠性配方。

先使用文档默认值，固定提示词、工具、来源文本和输出上限，只比较思考等级。同一次请求不要同时设置 thinking_level 与 thinking_budget；如果客户端自动附加预算，先检查其配置。

建立能发现错误的评测集

字段提取可以准备四类输入：数值明确、数值缺失、出现冲突数值、材料夹带与任务无关的指令。查看模型输出前先写好预期结果。涉及一致性的决定，应重复关键案例，不能只保留最好的一次。

记录任务编号、配置、是否完成、首个响应时间、完整耗时、可获取的 token 用量以及人工修复时间。正确性优先于表达风格：JSON 格式合法但客户编号错误，仍然不合格；数值正确却偷偷换了单位，也应单独记录。

将事实错误和格式错误分开，才能判断改善来自参数、提示词还是验证程序。对于无法判定的案例，标记待补证据，不要用主观印象补成“通过”。

用完整流程计算时间与成本

网络、工具调用、重试、输出长度和服务负载都会影响耗时。单次聊天无法证明某等级始终更快。API 测试使用返回的用量与适用费率；第三方服务则使用其实际计费记录，不按等级名称猜测账单。

一次较慢但无需返工的回答，可能比多次快速错误回答更早完成任务。超时也要作为有原因的失败记录，并限制重试。重发文本生成请求与重复执行有外部影响的操作，需要不同的控制。

在聊天界面中应用结论

若界面提供有文档说明的推理控制，记录名称，并使用相同提示词比较。若没有该控制，可以评估提示词效果，但不能宣称测过 API 思考等级，也不要假设 MidassAI 自带 Deep Think 开关、用量仪表或批处理调度器。

保留满足验收条件的较低投入配置，为已知失败情形设置人工复核或其他流程，并在模型、接口或任务改变时重新评测。