- জেমিনি ৩ গভীর যুক্তি, দীর্ঘ প্রসঙ্গ এবং নতুন মডেল (প্রো, ফ্ল্যাশ এবং প্রো ইমেজ) উপস্থাপন করে যার মধ্যে রয়েছে সার্চ গ্রাউন্ডিং, ফাইল সার্চ এবং ইউআরএল প্রসঙ্গ।
- নতুন API নিয়ন্ত্রণ যেমন thinking_level, media_resolution এবং thoughtSignatures আপনাকে যুক্তির গভীরতা, মাল্টিমোডাল বিশ্বস্ততা এবং এজেন্ট কর্মপ্রবাহ সুর করতে দেয়।
- জেমিনি ২.৫ থেকে মাইগ্রেশনের জন্য তাপমাত্রা সেটিংস, মিডিয়া ডিফল্ট, চিত্র বিভাজনের প্রয়োজনীয়তা এবং সরঞ্জামের সামঞ্জস্যতা (যেমন, মানচিত্র এবং কম্পিউটার ব্যবহার) পুনর্বিবেচনা করতে হবে।
- স্পষ্ট নির্দেশনা, চিন্তার স্বাক্ষর সংরক্ষণ, সমস্ত পদ্ধতিকে প্রথম শ্রেণীর ইনপুট হিসাবে বিবেচনা এবং দীর্ঘ প্রেক্ষাপটের শেষে প্রশ্ন স্থাপনের মাধ্যমে সর্বোত্তম ফলাফল পাওয়া যায়।
Gemini 3 llega como la generación más potente de modelos Gemini y viene acompañada de un aluvión de cambios en la API diseñados para desarrolladores que quieren más control, más rendimiento y flujos de trabajo realmente unadogra agentic, in IDE কেন্দ্রে এজেন্ট বাসডো এবং VS কোড. Desde nuevas formas de gestionar el razonamiento y la multimodalidad, hasta herramientas avanzadas para trabajar con archivos, búsqueda y গ্রাউন্ডিং, la plataforma se ha ido puliendo versión tras versión para soportar casos de cajos de caso.
Este artículo recopila y reordena de forma práctica todas las novedades clave de la API de Gemini relacionadas con Gemini 3 y su evolución desde Gemini 1.5 y 2.x, incluyendo modelos, parámetros, herramientas, deirciosados, deirciodas, predários ব্যবহারিক La idea es que tengas en un único lugar una visión amplia: qué hay disponible hoy, qué ha quedado obsoleto, cómo sacar partido a las nuevas capacidades y qué debes tener presente si vienes de generaciones anteriores.
La evolución de la API de Gemini hasta Gemini 3
La historia de la API de Gemini arranca públicamente en diciembre de 2023 con la llegada de gemini-pro, gemini-pro-vision y el primer modelo de embeddings embedding-001, Junto con los canales v1 y v1beta de la API. Desde entonces, la plataforma ha ido creciendo en modalidades, contexto, herramientas y modelos especializados, preparando el terreno para las capacidades de razonamiento y agentes que hoy vemos en Gemini 3.
En 2024, Gemini 1.5 Pro y 1.5 Flash se consolidan como modelos de propósito General con contexto largo (incluyendo versiones de hasta 2M টোকেন) y variantes compactas como gemini-1.5-flash-8b-001, mientrans como regrosmosguual modelos জেমিনি 1.0 প্রো ভিশন। Esta etapa প্রবর্তন además la API ডি ফাইল, las instrucciones del sistema, el modo de llamada a función, el formato JSON de salida y nuevas opciones de seguridad y control.
2024 y comienzos de 2025 aparecen los modelos experimentales Gemini 2.0 Flash y Gemini 2.0 Flash Thinking, que traen streaming bidireccional vía la API de Live, multimodalidad más rica (texto, imagen y endoopeny endovisable”) En paralelo se lanza gemini-exp-1114 y gemini-exp-1121 como modelos experimentales más potentes, y se actualizan los alias gemini-1.5-pro-latest y gemini-1.5-flash-latest para a las versiones más recientes.
Durante 2025, la serie Gemini 2.0 y 2.5 amplía el catálogo con modelos optimizados para coste (Flash-Lite), imagen, vídeo, robotica y audio nativo, así como capacidades de grounding con Google Search, herramientas de contextynuo de contexty URLs, FILE অনুসন্ধান লাইভ En est contexto se van introduciendo también politicas de retirada de modelos, ajustes de precios y cambios en la configuración por defecto, preparando el salto a Gemini 3.
Qué es Gemini 3 y qué modelos incluye
Gemini 3 es la nueva familia de modelos de Google centrada en razonamiento de última generación, agentes autónomos y comprensión multimodal profunda, diseñada para dar vida a flujos complejos de programación, investigación y contenidoción. Su objetivo es ir más allá de “responder prompts” y convertirse en el motor de sistemas que piensan, planifican, llaman herramientas y se adaptan al contexto de forma continua.
Dentro de la serie Gemini 3 encontramos tres modelos principales en versión preview: gemini-3-pro-preview, gemini-3-flash-preview y gemini-3-pro-image-preview। Cada uno está especializado en un tipo de tarea, pero todos comparten una base de razonamiento avanzado, contexto largo y soporte para nuevas capacidades de la API como thought_level, media_resolution y firmas de pensamiento.
Gemini 3 Pro es el modelo más capaz de la familia, pensado para tareas complejas que requieren amplio conocimiento del mundo, razonamiento profundo en múltiples modalidades y una fuerte orientación agentes y código. Soporta una ventana de contexto de entrada de hasta 1 millón de tokens y hasta 64.000 tokens de salida, con un cutoff de conocimiento en enero de 2025 y un precio escalonado según el volumen de tokens.
Gemini 3 Flash es la variante optimizada para velocidad y coste, ofreciendo inteligencia de nivel Pro pero adaptada a aplicaciones de alta demanda, baja latencia y gran volumen, como chat de usuario final, extracción estructurada o tareas reis. তুলনা করুন el mismo contexto máximo que Pro (1M / 64K), mantiene el mismo cutoff de conocimiento y se ofrece con precios significativamente más bajos por millón de tokens de entrada y salida.
জেমিনি 3 প্রো ইমেজ (টাম্বিয়ান ডিনোমিনাডো ইন্টারনামেন্টে কোমো ন্যানো ব্যানানা প্রো) es el modelo de imagen de mayor calidad de la familia, con capacidades avanzadas de generación y edición, incluyendo renderizado de texto nítido, resoluciones de flujoversación de confluencias que se apoyan fuertemente en las firmas de pensamiento. 65.000 টোকেন এবং 32.000 টোকেন ডি স্যালিডা, কন উনা এস্ট্রাকচুরা ডি প্রেসিওস ডিফারেন্সিয়াডা এনট্রে টোকেন ডি টেক্সট ডি এন্ট্রাডা এবং ইমেজেনস টোকেন ডিসপোন।
Nuevos parametros de la API en la serie Gemini 3
Una de las grandes novedades de Gemini 3 es la introducción de parámetros pensados específicamente para controlar el razonamiento interno del modelo, el coste y la fidelidad multimodal: thought_level, media_resolution y las thoughtsignatures. Estos cambios buscan que puedas equilibrar latencia, precio y calidad visual o de razonamiento sin recurrir a trucos de prompt Engineering excesivamente complejos.
চিন্তার স্তর নিয়ন্ত্রণ করুন
Los modelos de Gemini 3 ইউটিলিজান ডি ফর্মা নেটিভা আন মেকানিসমো ডি রেজোনামিয়েন্টো ডিনামিকো, y el nuevo parámetro thought_level te permite establecer el límite máximo de profundidad del “pensamiento interno” antes de que elunaspeerestaogen. কোন se trata de un número exacto de tokens, sino de niveles relativos que el modelo interpreta como guías de hasta dónde debe pensar.
Si no se especifica thinking_level, Gemini 3 Pro y Flash usan por defecto el nivel high, que prioriza la calidad del razonamiento sobre la latencia. Cuando tu caso de uso exige respuestas más rápidas y no necesita reflexión profunda (por ejemplo, extracción estructurada, pequeñas transformaciones o resúmenes muy directos), puedes limitar el nivel a low para reducir coste de respuesta.
Gemini 3 Pro y Flash comparten dos niveles básicos de pensamiento: low y high. El modo লো minimiza el coste y el tiempo de inicio de la respuesta, আদর্শ para instrucciones sencillas y aplicaciones de alto throughput; উচ্চ ম্যাক্সিমিজা লা profundidad ডেল razonamiento, lo que puede retrasar la aparición del primer টোকেন, pero respuestas más elaboradas en tareas como análisis estratégico, debugging complejo o problemas matemáticos avanzados.
Gemini 3 Flash amplía aún más el control of reciendo niveles adicionales minimal y medium, que no están disponibles en Gemini 3 Pro. El modo minimal se aproxima a un comportamiento “sin pensar” para la mayoría de usos, aunque el modelo puede seguir razonando ligeramente en tareas de programación difíciles, mientras que medium ofrece un equilibrio intermedio entre la entre la entre la equilibrio entre la entre la cosme.
Es importante tener en cuenta que no puedes emplear thinking_level y el parámetro heredado thinking_budget en la misma llamada a la API, ya que se producirá un error 400. চিন্তা_বাজেট সে ম্যানটিয়েন ইউনিকমেন্টে পুর কম্প্যাটিবিলিডাড কন ইন্টিগ্রেশনস অ্যান্টিগুয়াস, pero la recomendación es migrar progresivamente a thought_level para lograr un control más claro y predecible.
কন্ট্রোল ডি ফিডেলিডাড ভিজ্যুয়াল কন মিডিয়া_রেজোলিউশন
এল প্যারামেট্রো মিডিয়া_রেজোলিউশন আন কন্ট্রোল গ্র্যানুলার সোব্রে cuántos টোকেন ডি কনটেক্সটো সে অ্যাসিগন্যান একটি ক্যাডা ইমেজ, PDF o ফটোগ্রাফার ভিডিও, lo que te permite ajustar la calidad de la visión multimodal frente al coste y la latencia পরিচয় করিয়ে দেয়। Las resoluciones más altas permiten leer texto pequeño y detectar detalles finos, pero aumentan el consumo de tokens.
মিডিয়া_রেজোলিউশন কনফিগার করুন একটি nivel গ্লোবাল (a través de generation_config) o por cada parte de contenido, con valores como media_resolution_low, media_resolution_medium, media_resolution_high y, para algunos casos, media_resolution_ultra_high। Si no se establece explícitamente, el modelo aplica valores predeterminados diferentes según el tipo de medio, buscando un equilibrio razonable.
Para imágenes, la configuración recomendada suele ser media_resolution_high, que asigna hasta 1120 tokens por imagen y ofrece una calidad suficiente para la mayoría de tareas de análisis visual. Los niveles más bajos (low o medium) reparten menos tokens y pueden ser útiles para conjuntos de imágenes grandes donde la prioridad es el volumen y no el detalle fino.
Con PDFs, media_resolution_medium (560 টোকেন) suele ser el punto óptimo: en la práctica, subir a high rara vez mejora los resultados de OCR en documentos estándar, por lo que acostumbra a ser un mal intercambio en terminos de coste. Para documentos especialmente densos o con maquetados complejos, puedes experimentar con high, pero no suele ser necesario.
En vídeo, la logica cambia: tanto media_resolution_low como media_resolution_medium se comprimen de forma agresiva y asignan unos 70 tokens por fotograma, suficientes para la mayoría de tareas de reconocimiento de acciones o descripciónes. সোলো cuando necesites leer mucho texto en pantalla (subtítulos densos, paneles, dashboards) tiene sentido pasar a media_resolution_high, que puede llegar a unos 280 tokens por fotograma para mejorar la lectura.
তাপমাত্রা সুপারিশ করে মিথুন 3
Una diferencia relevante respecto a modelos anteriores es que en Gemini 3 se recomienda mantener la temperatura en su valor por defecto de 1.0, incluso en tareas que antes se trabajaban con temperaturas bajas para ganar determinismo. El modelo ha sido optimizado para razonar correctamente con esta configuración, y tocarla puede tener efectos contraintuitivos.
Reducir la temperatura en Gemini 3 (por ejemplo, por debajo de 1.0) puede provocar comportamientos no deseados como bucles, respuestas extrañamente rígidas o degradación del rendimiento en tareas de razonamiento complicados comportamentos. Si tu código heredado ajusta de forma agresiva la temperatura, conviene revisar y, en muchos casos, eliminar ese ajuste al migrar a Gemini 3.
Firmas de pensamiento (ThoughtSignatures) y validación estricta
Las firmas de pensamiento son representaciones cifradas del proceso de razonamiento interno de Gemini 3 que el modelo emite en determinadas respuestas y que debes reenviar en llamadas posteriores para preservar la cadena de razonamiento. Son un componente clave para agentes de varios pasos, edición de imágenes conversacional y flujos complejos de llamadas a funciones.
En llamadas a funciones, la API aplica validación estricta sobre el “turno actual”: si falta una thoughtsignature requerida, la petición fallará con un error 400. Esto afecta tanto a llamadas simples a una sola herramienta como a secuencias de varios pasos (p. ej., consultar un vuelo, recibir resultados, reservar un taxi) ya escenarios de llamadas en paralelo, Donde la primera functionCall la sueleinclu.
En generación de texto o chat estándar, la validación no es estricta, es decir, la API no devolverá un error si omites las firmas, pero la calidad del razonamiento y de las respuestas puede disminuir de manera conversial conceptible, নির্ভরতা প্রসঙ্গ Por ello, aunque no sea obligatorio, se recomienda devolver cualquier thoughtSignature que recibas para mantener el rendimiento del modelo.
En generación y edición de imágenes con gemini-3-pro-image-preview, la validación vuelve a ser estricta: las firmas están garantizadas en la primera parte tras el razonamiento (texto o inlineData) y en todas las lasDatabenseir, descataline partes ইনটিগ্র্যামেন্ট আল সোলিসিটার এডিসিওনেস o nuevos pasos del flujo visual. De lo contrario, la API devolverá errores 400 y el modelo perderá el hilo sobre la composición original.
Si utilizas los SDK officiales (Python, Node, Java) y el historial de chat estándar, la buena noticia es que la gestión de thoughtsignatures se realiza de forma automática, por lo que no tendrás que manipularlas manualmente. El trabajo manual solo es necesario cuando construyes wrappers personalizados de bajo nivel o diseñas interacciones fuera de los flujos estándar de los SDK.
En situaciones donde importas un historial de conversación desde otro modelo (por ejemplo, Gemini 2.5) o creas bloques de functionCall a mano sin firmas válidas, puedes desactivar la validación estricta para ese contexto usando un validación concretho ":" "প্রসঙ্গ_ইঞ্জিনিয়ারিং_ইজ_দ্যা_ওয়ে_টু_গো"। এস্টা ক্যাডেনা সে রিকোনোস কোমো আন বাইপাস কন্ট্রোল প্যারা মাইগ্রেসিওনস এবং প্রেক্ষাপট কৃত্রিম।
Modelos y herramientas clave en la transición a Gemini 3
Gemini 3 no llega en el vacío: se apoya en una larga serie de lanzamientos y retiradas de modelos Gemini 1.5, 2.0 y 2.5, así como en un ecosistema de herramientas para grounding, búsqueda en archivos, decuoción de URL. Entender est contexto te ayuda a decidir qué mantener, qué migrar y qué evitar.
En la etapa Gemini 2.5, se lanzan modelos como gemini-2.5-pro, gemini-2.5-flash, gemini-2.5-flash-lite, ভার্সন ডি অডিও nativo para la API de Live, variantes específicas para TTS (Flash y Pro) এবং মডেলের ছবি 4 সহ বিভিন্ন মডেলের জন্য en varias modalidades. Paralelamente se প্রবর্তন করা হয়েছে Gemini Robotics-ER 1.5, মডেলস de embeddings como gemini-embedding-001 y se deprecan generaciones anteriores como embedding-001 o text-embedding-004 con fechas límite claras.
En cuanto a herramientas, Gemini 3 soporta Búsqueda de Google para গ্রাউন্ডিং, ফাইল অনুসন্ধান, ejecución de código y contexto de URL, además de la llamada a función estándar para tus propias herramientas personalizadas. sin impargo, funcionalidades como গ্রাউন্ডিং এর সাথে Google Maps o Computer Use no están todavía habilitadas para Gemini 3, por lo que seguirán ligadas a modelos anteriores o flujos alternativos.
El pricing de Grounding con Google Search también cambia para favorecer flujos agentic dinámicos: se abandona un modelo de tarifa plana de US$35 por 1.000 prompts y se pasa a un esquema de tarifa por uso más fino de caúdas de 14$ de caúdaas. Esto encaja mejor con agentes que mezclan llamadas de búsqueda con otros tipos de acciones.
A nivel de retirada de modelos, se han ido desactivando paulatinamente variantes Gemini 1.5 y 2.x, incluyendo gemini-1.5-pro, gemini-1.5-flash, gemini-1.5-flash-8b, distintos previews de. y modelos de imagen como gemini-2.5-flash-image-preview, con fechas concretas de cierre a finales de 2025 e inicios de 2026. জেমিনি 2.5 এস্টেবল বা ক্রমিক জেমিনি 3-এর জন্য পরিকল্পনা অনুযায়ী মাইগ্রেশন করার জন্য বাধ্যতামূলক।
Migración desde Gemini 2.5 a Gemini 3
Al migrar desde Gemini 2.5 a Gemini 3, es importante asumir que estás pasando de modelos poderosos a una familia centrada explícitamente en razonamiento, lo que cambia ciertas rácticas habituales de prompt Engineering. Muchas técnicas utilizadas para forzar cadenas de pensamiento, como prompts extremadamente detallados, pueden ser contraproducentes o redundantes.
Si antes necesitabas usar prompts muy elaborados para que que Gemini 2.5 razonara paso a paso, prueba Gemini 3 con thought_level: “উচ্চ” y prompts más concisos y directos. El modelo ya está diseñado para razonar en profundidad cuando se le indica, por lo que no necesita tanta "coreografía" পাঠ্য।
Revisa también cualquier configuración explícita de temperatura en tu código existente: si fijabas valores muy bajos para obtener respuestas deterministas, es probable que prefieras eliminar ese ajuste y confiar enfect valores decloovior 1.0. টেরিয়াস কমপ্লেজাস এ রেন্ডিমিয়েন্টো বা পের্ডিডা ডি রেনডিমিন্টো। Si de todos modos necesitas controlar parcialmente la variabilidad, hazlo con pequeñas variaciones y pruebas exhaustivas.
En lo relativo a documentos y PDFs, ten en cuenta que la resolución de OCR por defecto ha cambiado, lo que puede alterar el consumo de tokens. La migración a los valores por defecto de Gemini 3 puede incrementar el coste para PDFs (por una mayor resolución) y, a la vez, reducirlo para vídeos gracias a la compresión más agresiva en media_resolution.
Si tus flujos de trabajo dependen de segmentación de imágenes con máscaras a nivel de píxel, debes saber que Gemini 3 Pro y Gemini 3 Flash no ofrecen esta funcionalidad. En estos casos, la recomendación oficial es seguir usando Gemini 2.5 Flash con el modo de pensamiento desactivado o Gemini Robotics-ER 1.5, que están mejor alineados con esas cargas de trabajo.
Por último, ten presente que las herramientas de grounding con Google Maps y Computer Use aún no son compatibles con los modelos de Gemini 3, y tampoco está soportada la combinación de herramientas integradas (como Search) con llamadas a funciones personalizãos integradas (como Search)। Esto condiciona cómo diseñas tus agentes híbridos y puede requerir orquestación de varios modelos.
ওপেনএআই এবং কাঠামোগত ফলাফলের জন্য API-এর সাথে সামঞ্জস্যপূর্ণ
প্যারা quienes usan una capa de compatibilidad tipo OpenAI, la transición a Gemini 3 ফলাফলের más suave porque parametros familiares se mapean automáticamente a sus equivalentes en Gemini. El caso más visible es reasoning_effort, que se traduce a thought_level en la API de Gemini.
Conviene saber que el nivel medium de reasoning_effort se interpreta como una prioridad alta de thought_level en Gemini, por lo que los cambios de comportamiento pueden ser más marcados si dabas por hecho que medium era un punutronedio”. Ajustar explicitamente thought_level puede darte un control más fino que delegar todo en la capa de compatibilidad.
Los modelos de Gemini 3 también permiten combinar herramientas integradas como grounding con Google Search, contexto de URL y ejecución de código con salidas estructuradas (por ejemplo, JSON) definidas en el schema de respuesta. Esto es especialmente útil para agentes que tienen que rascar información en tiempo real y volcarla en estructuras limpias para pipelines posteriores.
En paralelo, Gemini 3 Pro Image aprovecha estas capacidades de grounding para generar imágenes basadas en datos actuales del mundo real (clima, mercados financieros, información noticiosa) antes de producir la imagen de alta fidelidad. De esta forma se reducen las alucinaciones visuales en contextos donde la precisión factual es crítica.
মিথুন 3 প্রো এবং ফ্ল্যাশ ব্যবহার করার জন্য ব্যবহার করা হয়েছে
La forma de conseguir buen rendimiento con Gemini 3 cambia ligeramente respecto a generaciones anteriores: el modelo prefiere instrucciones claras, razonamiento controlado vía parámetros y un manejo cuidadoso del contexto largo. Forzarle con prompts excesivamente rebuscados puede hacer que “sobreanalice” partes irrelevantes.
A nivel de temperatura, la recomendación firme es dejarla en 1.0 salvo que tengas un motivo muy específico y controlado para modificarla. Gemini 3 ya equilibra creatividad y precisión a este valor, y los ajustes arbitrarios pueden producir efectos raros que antes se arreglaban ajustando la temperatura pero que ahora se abordan mejor con thought_level.
En cuanto a estilo de salida, Gemini 3 tiende a ser menos verboso por defecto y prioriza respuestas directas y eficientes. Si tu caso de uso requiere un tono más conversacional o “charla de café”, debes pedirlo de forma explícita en las instrucciones, indicando el rol, el tono y el nivel de detalle deseado.
প্যারা টারিয়াস মাল্টিমোডেল, ট্রাটা টেক্সট, ইমেজেন, অডিও এবং ভিডিও কোমো এন্ট্রাডাস ডি প্রাইমার ক্লাস এবং হ্যাজ রেফারেন্স ক্লারাস এবং ক্যাডা মডেলিডাড এবং tus ইনস্ট্রাকশন। Esto ayuda a que el modelo fusione la información de todos los medios en lugar de procesarlos como piezas aisladas, lo que se traduce en respuestas más coherentes cuando combinas, por ejemplo, código fuente, de diagram.
Cuando trabajes con contextos muy largos (libros completos, bases de código extensas, vídeos de larga duración), coloca tus preguntas o instrucciones específicas al final del prompt, después del bloque de datos. Es útil anclar el razonamiento con frases como “Basándote en la información anterior…” para que el modelo conecte explícitamente la pregunta con el contexto previo.
Gemini 3 marca un salto importante en la API de Gemini al combinar razonamiento de vanguardia, control fino de cómo piensa y cómo procesa medios, nuevas herramientas para grounding y contexto, y un marco claro de migración desde Gemini 2.5, a mopuirados, de construção multimodales y flujos complejos con más estabilidad, menos prompt Engineering forzado y un control mucho mayor sobre coste, latencia y calidad de las respuestas.
