本文へスキップ
チャットモデル

Gemini 3.5 Thinking

チャットモデル

Ofrai で利用可能 — チャット・画像・動画を同じスタジオで、共有クレジット。

チャットと動画はクレジットを消費します。

Input/Output 0.411408/2.46845

短い質問あたり約 0.411408、短い返信あたり約 2.46845 クレジット。

商用利用は選択したモデルとモデル規約に従います。

Gemini 3.5 Thinking の Ofrai 作例

Ofrai の Gemini 3.5 Thinking

Gemini 3.5 Thinking は Ofrai における Gemini ラインアップの推論レベルのチャットモデルです。1回の応答で返すのではなく、答える前に問題を内部で組み立てて解きます。3.5 世代に属し、このカタログで明示的な推論に入る入口です。誤答のコストが高く、段階を踏む必要のある問い向きのバリアントです。Ofrai では他のモデルと同じく共有クレジット残高から課金されます。Flash 階層より応答が遅く負荷も大きくなりますが、推敲された答えが得られます。

短い質問あたり約 0.411408、短い返信あたり約 2.46845 クレジット。

Gemini 3.5 Thinking モデル情報

モデルID
gemini-3.5-thinking
モダリティ
チャットモデル
公開日
未公開
Ofrai料金
短い質問あたり約 0.411408、短い返信あたり約 2.46845 クレジット。
ウェブ検索
利用不可

向いている用途

  • 中間過程が意味を持つ多段問題:数学、論理学、計画、制約の推論
  • 修正を書く前に原因を特定する必要があるコード/設定のデバッグ
  • 明示した基準で選択肢を比較し、推奨の根拠を示してもらう作業
  • 最初から最後まで論理的に一貫している必要がある計画書・仕様書・分析の作成

向いていない場合

  • 大量かつ価格重視の処理。推論のオーバーヘッドがあるため Flash 階層のほうが安価です
  • 最初トークンを即座に返す必要があるレイテンシ重視の対話フロー
  • 単純な検索、書き換え、整形など、Flash モデルで十分に扱える作業

他モデルとの違い

Gemini 3.6 Flash と比べると、レイテンシとクレジットを推論の深さと引き換えます。3.6 Flash は日常作業を速く、かつ安価に処理し、3.5 Thinking は問題を言い換えるのではなく解きたい場合に使います。

プロンプト例

  • 次の問題を段階的に解いてください。中間ステップと、前提として立てた条件をすべて示し、最後に最終回答を単独の1行で出してください。
    
    [問題]
  • 次のコードは次のエラーで失敗します:[エラー]。先に根本原因を診断してから修正案を提示し、誤っていた箇所を明確に述べてください。
    
    [コードを貼り付け]
  • 次の重み付けで選択肢 [A]、[B]、[C] を評価してください:[評価基準]。基準ごとにトレードオフを示し、その後で1つを推奨し、別の選択肢に切り替える条件も述べてください。
  • 目標:[目標]。制約:[制約]。段階的な計画を作成し、その中で最大のリスクと着手前にそれを減らす方法を挙げてください。
  • 回答する前に、次の質問に曖昧さや隠れた前提がないか確認してください。そのまま答えられない場合は、不足している情報を正確に述べてください。質問:[質問]

よくある質問

Gemini 3.5 Thinking とは何ですか?
Google 3.5 世代の Ofrai における推論バリアントです。内部で問題を組み立ててから答えるため、多段分析、数学、デバッグでは通常の Flash モデルより強くなります。代償は応答が遅く、共有クレジットを多く消費する点で、既定モデルではなく目的を絞った道具として使うのが適切です。
Flash モデルの使い分けはいつ?
誤答のコストが、追加の1回の呼び出しコストを上回るときに使います。多段推論、数学、デバッグ、明示した基準での選択肢比較が該当します。書き換え、要約、分類など指示が明確で答えが短い作業は Flash に任せます。Flash を既定にし、このモデルを難問の格上げ先にする形が一般的です。
ラインアップ内で最新の推論モデルですか?
この Gemini グループにおける推論階層の入口であり、全体で最も新しいモデルではありません。3.6、3.7、3.8 の Flash 世代のほうが新しく、明示的な段階導出を速度とコストとで引き換えにしています。推論そのものを必要とするなら 3.5 Thinking、レイテンシと1回あたりのコストを優先するなら新しい Flash を選んでください。
Ofrai では Flash より費用が高くなりますか?
相対的には高いです。推論処理は1リクエストあたりのトークン消費が単一パスの Flash 回答より多く、共有残高からより多く引かれます。不要な負荷が簡単なプロンプトでは無駄になるため、本当に必要なリクエストだけを送り、定常的な大半は Flash に任せてください。プラットフォームがモデルごとの率を公表しています。
画像やドキュメントも読めますか?
本項目は Ofrai ではテキストチャットモデルとして登録されているため、プロンプトはテキストです。Google の Gemini 系譜は上流では広くマルチモーダルですが、各プラットフォームが何を公開するかはそこでの統合次第であり、推論階層は同世代の Flash より対応入力が限られる場合もあります。マルチモーダル対応は導入ごとに確認してください。
安定した出力を得るには?
制約条件と合格基準をプロンプト内に書き、推論と結論を分けて出力させてください。質問が長くなるほど曖昧になる結果になります。想定をすべて列挙させる指示が有効です。厳密な形式が必要な場合はスキーマを明示し、返ってきた構造が正しいかを必ず検証してください。

関連モデル

同じモダリティの他の Ofrai モデル。

関連ガイド

ユースケース

ツール