对话模型
Gemini 3.5 Thinking
对话模型
可在 Ofrai 使用 — 对话、图片与视频同一处,共用积分。
对话与视频按积分计费。
Input/Output 0.411408/2.46845
大约每段短提问 0.411408 积分、每段短回复 2.46845 积分(按约千字计)。
商用权限取决于所选模型及其使用条款。

在 Ofrai 使用 Gemini 3.5 Thinking
Gemini 3.5 Thinking 在 Ofrai 上是 Gemini 产品线中的推理级对话模型:它在给出答案前先在内部推演,而不是一次直接作答。它属于 3.5 世代,是这份目录里显式推理的入门选择——当答错代价高、且问题需要分步骤时,就应该用它。在 Ofrai 上,它与其他模型一样从共享额度结算。相比 Flash 级,它单次调用更慢、消耗更高,换来的是更经得起推敲的回答。
大约每段短提问 0.411408 积分、每段短回复 2.46845 积分(按约千字计)。
Gemini 3.5 Thinking 模型信息
- 模型标识
- gemini-3.5-thinking
- 类型
- 对话模型
- 发布日期
- 暂未公布
- Ofrai 价格
- 大约每段短提问 0.411408 积分、每段短回复 2.46845 积分(按约千字计)。
- 联网搜索
- 不支持
适合
- 需要中间过程的多步问题:数学、逻辑、规划与约束推理
- 调试代码或配置,必须先定位根因才能写出修复方案
- 按明确标准比较选项,并说明推荐结论是如何得出的
- 起草需要从头到尾保持自洽的计划、规格与分析
不太适合
- 批量处理、价格敏感的业务,推理开销会让 Flash 级更划算
- 对延迟敏感的交互流程,需要几乎即时的首字响应
- 简单的查找、改写与排版,Flash 模型已经足够应付
和其他模型的区别
与 Gemini 3.6 Flash 相比,它用延迟和额度换取推理深度:3.6 Flash 处理常规工作更快也更便宜,3.5 Thinking 则适合真正需要解题、而不只是复述的场景。
示例提示词
请分步解出下面这道题,写出每一步中间过程和你做过的全部假设,最后单独一行给出最终答案。 [题目]
下面代码报错:[报错信息]。先诊断根本原因,再给出修改后的版本,并明确说明错在哪里。 [粘贴代码]
按以下权重顺序,用这些标准评估选项 [A]、[B]、[C]:[标准]。逐条标准说明取舍,然后推荐一个选项,并写出在什么条件下你会改选其他方案。
目标:[目标]。限制条件:[限制]。给出分步计划,然后列出其中最大的一个风险,以及开工前你会如何降低该风险。
回答前,先检查下面的问题是否存在歧义与隐藏假设。如果按字面无法回答,请准确指出缺少什么信息。问题:[问题]
常见问题
- Gemini 3.5 Thinking 是什么?
- 它是 Google 3.5 世代在 Ofrai 上的推理变体。它会先在内部推演问题再给出答案,因此在多步分析、数学与调试上比普通 Flash 模型更强。代价是调用更慢、对共享额度的消耗更大,因此更适合作为定向使用的工具,而不是全局默认。
- 什么时候该选它而不是 Flash 模型?
- 当答错的代价高于多花一次调用的代价时,就选它:多步推理、数学、调试,或有明确标准的选项分析。改写、摘要、分类等指令清楚、答案又短的工作,交给 Flash 模型更合适。常见做法是以 Flash 为默认,把这个模型作为难题的升级通道。
- 它是这套产品线中最新的推理模型吗?
- 它是这组 Gemini 模型中的推理级入口,并不是整体最新的模型。3.6、3.7 和 3.8 Flash 在更新程度上都更靠前,用显式的逐步推导换取了速度与成本。需要推理行为本身时选 3.5 Thinking;当延迟与单次成本主导决策时,选更新的 Flash 世代。
- 在 Ofrai 上它比 Flash 模型贵吗?
- 相对而言是的:一次推理调用在单个请求上消耗的 token 多于单遍作答的 Flash,因此从共享额度中扣得更多。由于这些开销用在简单提示词上就是浪费,只把它发给确实需要的请求,让 Flash 级承接大部分常规量。平台会公布用于计费的具体模型费率。
- 它能处理图片和文档吗?
- 本条目在 Ofrai 中注册为文本对话模型,提示词为文本。Google Gemini 系列本身整体是多模态的,但具体平台开放哪些输入取决于该平台的接入方式,推理级模型有时开放的输入种类比同代 Flash 更窄。多模态支持应按具体部署核实,而不是默认成立。
- 如何让它输出更可靠?
- 把约束条件和验收标准写进提示词里,并要求把推理过程与结论分开呈现。问题越长、越含糊,结果越飘,所以要明确要求它列出自己不得不做的假设。若需要严格格式,给出确切的结构定义,并校验返回结果的实际形状,而不是默认它正确。
相关模型
同模态下更多 Ofrai 模型。
