Migrar para os modelos mais recentes do Gemini

Este guia explica como atualizar seu aplicativo para a versão mais recente do Gemini. Este guia pressupõe que seu aplicativo já usa uma versão mais antiga do Gemini. Para saber como começar a usar o Gemini na Gemini Enterprise Agent Platform, consulte Começar a usar a Gemini Enterprise Agent Platform.

Este guia não aborda como mudar seu aplicativo do SDK da Vertex AI para o SDK de IA Generativa do Google atual. Para mais informações, consulte nosso guia de migração do SDK da Vertex AI.

Quais mudanças devo esperar?

A atualização da maioria dos aplicativos de IA generativa para a versão mais recente do Gemini exige poucas mudanças no código ou no comando. No entanto, alguns aplicativos podem exigir ajustes de comando. É difícil prever essas mudanças sem antes testar os comandos com a nova versão. Recomendamos fazer testes completos antes de migrar totalmente. Para dicas sobre como criar comandos eficazes, consulte nossas orientações sobre estratégia de comandos. Use nossa lista de verificação de integridade de comandos para encontrar e corrigir problemas de comandos.

Atualização do relatório de contagem de tokens

É possível que você observe um aumento esperado nas contagens de tokens informadas, já que nossa infraestrutura atualizada agora captura com precisão todos os componentes de solicitação, incluindo metadados complexos, como esquemas de resposta e chamadas de função, que antes eram subcontados pelo sistema legado.

Você só precisa fazer grandes mudanças no código para determinadas alterações interruptivas ou para usar novos recursos do Gemini.

Para qual modelo do Gemini devo migrar?

O modelo do Gemini que você usa depende das necessidades do seu aplicativo:

Recurso 3.1 Pro 3.5 Flash Lite 3.5 Flash 3.6 Flash 3.7 Flash 3.8 Flash 4 Neon 4 Hidrogênio 4 Argon 4 Carbono
Etapa do lançamento Visualizar GA Disponibilidade geral Disponibilidade geral Disponibilidade geral Disponibilidade geral Disponibilidade geral Disponibilidade geral Disponibilidade geral GA
Modalidades de entrada
Texto, Imagem, Áudio, Vídeo
Texto, Imagem, Áudio, Vídeo
Texto, Imagem, Áudio, Vídeo
Texto, Imagem, Áudio, Vídeo
Texto, Imagem, Áudio, Vídeo
Texto, Imagem, Áudio, Vídeo
Texto, Imagem, Áudio, Vídeo
Texto, Imagem, Áudio, Vídeo
Texto, Imagem, Áudio, Vídeo
Texto, Imagem, Áudio, Vídeo
Modalidades de saída
Texto
Texto
Texto
Texto
Texto
Texto
Texto
Texto
Texto
Texto
Janela de contexto, limite total de tokens 1.048.576 1.048.576 1.048.576 1.048.576 1.048.576 1.048.576 1.048.576 1.048.576 1.048.576 1.048.576
Tamanho do contexto de saída 65.536 65.536 65.536 65.536 65.536 65.536 1.048.576 1.048.576 1.048.576 1.048.576
Embasamento com a Pesquisa Google
Chamadas de função
Execução de código
Armazenamento em cache de contexto implícito
Armazenamento em cache de contexto explícito
Inferência em lote
API Gemini Live
Ajustes detalhados
Latência
Data de desativação 21 de julho de 2027 ou depois 19 de maio de 2027 ou depois 19 de novembro de 2026 28 de janeiro de 2027 2 de setembro de 2027 ou depois 13 de outubro de 2027 ou depois

Antes de começar a migração

Antes de iniciar o processo de migração, considere o seguinte:

Segurança da informação, governança e aprovações regulatórias

Consiga aprovações das equipes de segurança da informação (InfoSec), risco e compliance com antecedência. Aborde as regras específicas de risco e compliance, especialmente em setores regulamentados, como saúde e finanças.

Disponibilidade do local

Os modelos do Google e de parceiros e os recursos de IA generativa na Gemini Enterprise Agent Platform estão disponíveis em endpoints regionais específicos e em um endpoint global. Os endpoints globais cobrem o mundo todo e oferecem maior disponibilidade e confiabilidade em comparação com regiões únicas.

A disponibilidade do endpoint regional varia de acordo com o modelo. Para saber mais sobre cada modelo, consulte nosso guia de locais.

Diferenças de preços com base na modalidade e na tokenização

Os preços variam de acordo com o modelo do Gemini. Nossa página de preços lista os custos de todas as modalidades (texto, código, imagens, fala etc.) por modelo.

Comprar ou alterar pedidos de capacidade de processamento provisionada

Se necessário, compre mais Capacidade de Processamento Provisionada ou mude os pedidos atuais.

Ajuste supervisionado

Os modelos mais recentes do Gemini oferecem uma qualidade de saída melhor. Isso pode significar que seu aplicativo não precisa mais de um modelo ajustado. Se o aplicativo usa o ajuste supervisionado com um modelo mais antigo do Gemini, primeiro teste o aplicativo com o modelo mais recente sem ajuste e avalie os resultados.

Se você optar por usar o ajuste supervisionado, não será possível mover o modelo ajustado atual de versões mais antigas do Gemini. Você precisa executar um novo job de ajuste para a nova versão do Gemini.

Ao ajustar um novo modelo do Gemini, comece com as configurações de ajuste padrão. Não reutilize valores de hiperparâmetros de versões anteriores do Gemini, porque o serviço de ajuste é otimizado para as versões mais recentes. Reutilizar configurações antigas provavelmente não vai gerar os melhores resultados.

Teste de regressão

Ao fazer upgrade para a versão mais recente do Gemini, você vai precisar de três tipos principais de testes de regressão:

  1. Testes de regressão de código: testes de regressão de uma perspectiva de engenharia de software e operações de desenvolvedor (DevOps). Esse tipo de teste de regressão é sempre obrigatório.
  2. Testes de regressão de desempenho do modelo: testes de regressão de uma perspectiva de ciência de dados ou machine learning. Isso significa garantir que a nova versão do modelo do Gemini forneça saídas que, no mínimo, mantenham o mesmo nível de qualidade da versão anterior.

    Os testes de regressão de desempenho do modelo são avaliações feitas quando um sistema ou o modelo subjacente dele muda. Veja alguns exemplos:

    • Teste de desempenho off-line: testes que confirmam a qualidade das saídas do modelo em um ambiente de experimentação dedicado com base em várias métricas de qualidade de saída do modelo.
    • Teste de desempenho do modelo on-line: testes que confirmam a qualidade das saídas do modelo em uma implantação on-line em tempo real com base em feedback implícito ou explícito do usuário.
  3. Teste de carga: verifica se o aplicativo lida bem com muitas solicitações ao mesmo tempo. O teste de carga é obrigatório para aplicativos que usam a Capacidade de Processamento Provisionada.

Como migrar para a versão mais recente

As seções a seguir descrevem as etapas para migrar para a versão mais recente do Gemini. Para garantir os melhores resultados, siga estas etapas na ordem.

1. Requisitos de teste e avaliação do modelo de documento

  1. Prepare-se para repetir as avaliações relevantes que você realizou quando criou o aplicativo, além de todas as avaliações realizadas desde então.
  2. Se as avaliações atuais não cobrirem ou medirem totalmente todas as tarefas que o aplicativo realiza, projete e prepare mais avaliações. Use nosso manual de avaliação e nossas receitas de avaliação para começar.
  3. Se o aplicativo envolve RAG, uso de ferramentas, Agentic Workflows complexos ou encadeamento de comandos, verifique se os dados de avaliação atuais permitem avaliar cada componente de forma independente. Se não, reúna exemplos de entrada e saída para cada componente.
  4. Se o aplicativo for crítico ou parte de um sistema maior em tempo real voltado ao usuário, inclua a avaliação on-line.

2. Fazer upgrades de código e executar testes

Para fazer upgrade do código, é preciso fazer três mudanças principais:

As seções a seguir detalham essas mudanças.

Fazer upgrade para o SDK de IA generativa do Google

Se o aplicativo do Gemini 1.x usa o SDK da Vertex AI, mude para o SDK de IA generativa do Google. Consulte nosso guia de migração do SDK da Vertex AI para mais detalhes, incluindo exemplos de código para fazer chamadas semelhantes com o SDK de IA Generativa do Google. As versões do SDK da Vertex AI lançadas após junho de 2026 não serão compatíveis com o Gemini, e os novos recursos do Gemini estarão disponíveis apenas no SDK de IA generativa do Google.

Recomendamos atualizar para a versão 2.0.0 ou mais recente do SDK do google-genai para aproveitar todos os novos recursos do Gemini 3.5 Flash e de modelos mais recentes.

Se você não conhece o SDK de IA generativa do Google, consulte o notebook Introdução à IA generativa do Google usando o SDK de IA generativa do Google.

Mudar as chamadas do Gemini

Atualize seu código de previsão para usar um dos modelos mais recentes do Gemini. No mínimo, isso significa mudar o nome do endpoint do modelo.

As mudanças exatas no código variam de acordo com a forma como você criou o aplicativo, especialmente se você usou o SDK de IA generativa do Google ou o SDK da Vertex AI.

Depois de fazer mudanças no código, execute testes de regressão de código e outros testes de software para garantir que o código funcione como esperado. Essa etapa verifica se o código funciona, mas não a qualidade das respostas do modelo.

Corrigir mudanças de código que causam falhas

  • Recuperação dinâmica: mude para o embasamento com a Pesquisa Google. Esse recurso requer o SDK de IA generativa do Google e não é compatível com o SDK da Vertex AI.
  • Filtros de conteúdo: observe as configurações padrão do filtro de conteúdo. Mude seu código se ele depender de um padrão que foi alterado.
  • Parâmetro de amostragem de token Top-K: os modelos após gemini-1.0-pro-vision não permitem mudar o parâmetro Top-K.
  • Raciocínio: o Gemini 3 Pro e os modelos mais recentes usam o parâmetro thinking_level em vez de thinking_budget. Para mais informações, consulte Controlar o pensamento do modelo.
  • Assinaturas de pensamento: para os modelos Gemini 3 Pro e mais recentes, se uma assinatura de pensamento for esperada em uma rodada, mas não for fornecida, o modelo vai retornar um erro em vez de um aviso. Consulte Assinaturas de raciocínio.
  • Resolução e tokenização de mídia: o Gemini 3 Pro e os modelos mais recentes usam um comprimento de sequência variável para a tokenização de mídia em vez de Pan and Scan, além de terem novas resoluções padrão e custos de token para imagens, PDFs e vídeos. Consulte Compreensão de imagens e Compreensão de vídeos.
  • Metadados de uso: para o Gemini 3 Pro e modelos mais recentes, as contagens de tokens de PDF em usage_metadata são informadas na modalidade IMAGE em vez de DOCUMENT.
  • Segmentação de imagens: não é compatível com o Gemini 3 Pro e modelos mais recentes.
  • Respostas de funções multimodais: para o Gemini 3 Pro e modelos mais recentes, é possível incluir dados de imagem e PDF nas respostas de funções. Consulte Respostas de funções multimodais.
  • Processamento de PDF: para o Gemini 3 Pro e modelos mais recentes, o OCR não é usado por padrão ao processar PDFs digitalizados.

Nesta etapa, concentre-se apenas nas mudanças de código. Talvez seja necessário fazer outras mudanças mais tarde, mas aguarde até iniciar a avaliação. Depois das avaliações, considere estes ajustes com base nos resultados:

  • Se você estiver migrando da recuperação dinâmica, talvez seja necessário ajustar as instruções do sistema para controlar quando a Pesquisa Google é usada (por exemplo, "Only generate queries for the Google Search tool if the user asks about sports. Don't generate queries for any other topic."). No entanto, aguarde até avaliar antes de mudar os comandos.
  • Se você usou o parâmetro Top-K, ajuste outros parâmetros de amostragem de token, como Top-P, para receber resultados semelhantes.

3. Executar avaliações off-line

Repita as avaliações que você realizou quando desenvolveu e lançou o aplicativo pela primeira vez, todas as avaliações off-line feitas desde então e todas as avaliações adicionais identificadas na etapa 1. Se você ainda achar que a avaliação não abrange totalmente o escopo do aplicativo, faça outras avaliações.

Se você não tiver uma maneira automatizada de executar avaliações off-line, use o serviço de avaliação de IA generativa.

Se o aplicativo usa ajuste, faça uma avaliação off-line antes de ajustar o modelo novamente com a versão mais recente do Gemini. Os modelos mais recentes oferecem uma qualidade de saída melhor, o que pode significar que seu aplicativo não precisa mais de um modelo ajustado.

4. Analisar os resultados da avaliação e ajustar os comandos e hiperparâmetros

Se a avaliação off-line mostrar que o aplicativo está com um desempenho menos eficaz, melhore-o até que o desempenho corresponda ao modelo mais antigo. Para isso:

5. Executar testes de carga

Se o aplicativo precisar de uma determinada capacidade mínima, faça testes de carga para garantir que a versão mais recente do aplicativo atenda aos requisitos de capacidade.

O teste de carga precisa ocorrer antes da avaliação on-line, porque ela envolve a exposição do modelo ao tráfego em tempo real. Use as ferramentas e a instrumentação de teste de carga que você já tem para esta etapa.

Se o aplicativo já atende às necessidades de capacidade de processamento, use a Capacidade de Processamento Provisionada. Você vai precisar de uma Capacidade de Processamento Provisionada extra de curto prazo para cobrir os testes de carga enquanto seu pedido atual de Capacidade de Processamento Provisionada lida com o tráfego de produção.

6. (Opcional) Executar avaliações on-line

Passe para a avaliação on-line somente se a avaliação off-line mostrar uma alta qualidade de saída do Gemini e se o aplicativo exigir uma avaliação on-line.

A avaliação on-line é um tipo específico de teste on-line. Tente usar as ferramentas e os métodos atuais da sua organização para avaliação on-line. Exemplo:

  • Se a sua organização realiza testes A/B regularmente, faça um para comparar a versão atual do aplicativo com a versão mais recente do Gemini.
  • Se a organização usa regularmente implantações canário, use-as com os modelos mais recentes e meça as mudanças no comportamento do usuário.

Também é possível fazer uma avaliação on-line adicionando novos recursos de feedback e medição ao aplicativo. Aplicativos diferentes precisam de métodos de feedback diferentes. Exemplo:

  • Adicionar botões de gostei e não gostei ao lado das saídas do modelo e comparar as taxas entre um modelo mais antigo e os modelos mais recentes do Gemini.
  • Mostrar aos usuários as saídas do modelo mais antigo e dos modelos mais recentes lado a lado e pedir que escolham o favorito.
  • Monitorar com que frequência os usuários substituem ou ajustam manualmente as saídas do modelo antigo em comparação com os modelos mais recentes.

Esses métodos de feedback geralmente exigem a execução da versão mais recente do Gemini com a versão atual. Essa implantação paralela às vezes é chamada de "modo de sombra" ou "implantação azul-verde".

Se os resultados da avaliação on-line forem muito diferentes dos resultados da avaliação off-line, sua avaliação off-line não está capturando aspectos importantes do ambiente em tempo real ou da experiência do usuário. Aplique as descobertas da avaliação on-line para criar uma nova avaliação off-line que cubra a lacuna e volte para a etapa 3.

Se você usa a Capacidade de Processamento Provisionada, talvez seja necessário comprar mais Capacidade de Processamento Provisionada de curto prazo para continuar atendendo aos requisitos de capacidade de processamento dos usuários na avaliação on-line.

7. Implantar para a produção

Quando a avaliação mostrar que o modelo do Gemini mais recente tem um desempenho tão bom ou melhor que o de um modelo mais antigo, substitua a versão atual do aplicativo pela nova. Siga os procedimentos padrão da sua organização para o lançamento de produção.

Se você estiver usando a Capacidade de Processamento Provisionada, mude seu pedido para o modelo do Gemini escolhido. Se você estiver lançando seu aplicativo de forma incremental, use a Capacidade de Processamento Provisionada de curto prazo para atender às necessidades de capacidade de processamento de dois modelos diferentes do Gemini.

Atualizações de parâmetros e práticas recomendadas no Gemini 3.x

As informações a seguir se aplicam a todos os modelos do Gemini 3.x, incluindo o 3.5 Flash. Eles foram introduzidos com o Gemini 3 e estão listados aqui como um lembrete.

Parâmetros de amostragem (descontinuados)

temperature, top_p e top_k não são mais recomendados para todos os modelos do Gemini 3.x. O modelo gerencia a própria amostragem para alcançar os melhores resultados. Remova esses parâmetros de todas as solicitações.

Para maximizar o determinismo, recomendamos definir uma instrução do sistema com regras explícitas para seu caso de uso específico.

thinking_budget (obsoleto)

O parâmetro numérico bruto thinking_budget não é mais recomendado em todos os modelos do Gemini 3.x e retorna um erro de validação HTTP 400 nos modelos do Gemini 4. Use o tipo enumerado de string thinking_level.

Chamada de função: correspondência de resposta estrita

A API ainda não gera erros, mas respostas incompatíveis fazem com que o modelo retorne respostas vazias com finish_reason: STOP na maioria dos casos. Sempre siga estas convenções:

  • Incluir id: cada FunctionResponse precisa incluir o id do FunctionCall correspondente.
  • Correspondência de name: o name na resposta precisa corresponder ao name na chamada.
  • Contagens de correspondência: retorna exatamente um FunctionResponse para cada FunctionCall recebido.

Respostas de funções multimodais

Ao fornecer conteúdo multimodal (como imagens) em resposta a uma chamada de função, inclua o conteúdo dentro das partes da resposta da função, não fora delas. Isso evita comportamentos inesperados do modelo, como vazamento de pensamentos.

Instruções inline com resposta de função

Se você precisar fornecer instruções de plataforma com as respostas da função, adicione-as ao final do texto da resposta da função, separadas por duas quebras de linha, em vez de partes separadas.

Redução de chamadas de ferramentas desnecessárias

Se você notar um uso excessivo de chamadas de ferramentas: 1. Reduza o nível de pensamento (medium, low ou minimal). 2. Adicione uma instrução do sistema para restringir o uso da ferramenta (por exemplo, "You have a limited action budget of <n> tool calls. Use them efficiently.").

Lista de verificação de migração

Use as listas de verificação a seguir como referência rápida ao migrar de versões anteriores do modelo:

Do Gemini 3.8 Flash e modelos anteriores do Gemini 3 Flash para o Gemini 4 Neon ou Gemini 4 Hydrogen

Para migrar do Gemini 3.8 Flash ou de modelos anteriores do Gemini 3 Flash, siga estas etapas:

  • Atualize o nome do modelo: gemini-3.8-flash para gemini-4-neon ou gemini-4-hydrogen, e faça upgrade do SDK de IA generativa do Google (google-genai >= 2.34.0 para Python, @google/genai >= 2.32.0 para JavaScript/TypeScript).

  • Considere o limite unificado de entrada e saída de 1.048.576 tokens (incluindo raciocínio, chamadas de função e a resposta final) e o limite de 65.536 tokens por segmento único. Para saídas de turno único de até 1.048.576 tokens na API Interactions ou GenerateContent (v1beta1), defina max_output_tokens acima de 65.536 para continuação automática do SDK. Você também pode executar background=true na API Interactions ou transmitir continuation_token em loops personalizados. Consulte o guia para desenvolvedores do Gemini 4 Neon ou o guia para desenvolvedores do Gemini 4 Hydrogen.

  • Substitua thinking_budget e thinking_level="MINIMAL" (ambos retornam um erro HTTP 400) por thinking_level definido como LOW, MEDIUM, HIGH (padrão em gemini-4-neon e gemini-4-hydrogen) ou XHIGH.

  • Remova as chamadas explícitas de cached_content. Coloque prefixos de comando estáticos (4.096 tokens ou mais) no início dos comandos para armazenamento em cache implícito automático.

  • Preserve thought_signature em todas as interações anteriores (as partes functionCall e text finais), em vez de remover as assinaturas entre as interações, e mantenha-as apenas na primeira parte functionCall em chamadas de ferramentas paralelas.

  • Remova temperature, top_p, top_k, frequency_penalty, presence_penalty, candidate_count (valores maiores que 1) e as rodadas de model preenchidas.

  • Consulte Migrar dos modelos do Gemini 3, o guia para desenvolvedores do Gemini 4 Neon e o guia para desenvolvedores do Gemini 4 Hydrogen para mais detalhes.

Do Gemini 3.1 Pro Preview para o Gemini 4 Neon, Gemini 4 Carbon ou Gemini 4 Argon

Para migrar do pré-lançamento do Gemini 3.1 Pro, siga estas etapas:

  • Atualize o nome do modelo: gemini-3.1-pro-preview para gemini-4-neon, gemini-4-carbon ou gemini-4-argon (ou gemini-4-carbon-cyber-permissive / gemini-4-argon-cyber-permissive para cargas de trabalho de cibersegurança aprovadas pelo Programa Fairwind) e faça upgrade para o SDK de IA generativa do Google mais recente (google-genai >= 2.34.0 para Python, @google/genai >= 2.32.0 para JavaScript/TypeScript).

  • Considere o limite unificado de 1.048.576 tokens de entrada e saída (incluindo raciocínio, chamadas de função e a resposta final) e o limite de 65.536 tokens de saída por solicitação (32.768 tokens sem streaming no Carbon e 4 Argon). Para saídas de turno único de até 1.048.576 tokens na API Interactions ou GenerateContent (v1beta1), defina max_output_tokens acima de 65.536 para a continuação automática do SDK. Também é possível executar background=true na API Interactions ou transmitir continuation_token em loops personalizados. Consulte o guia para desenvolvedores do Gemini 4 Neon ou o guia para desenvolvedores do Gemini 4 Carbon.

  • Substitua thinking_budget e thinking_level="MINIMAL" (ambos retornam um erro HTTP 400) por thinking_level definido como LOW, MEDIUM (padrão em gemini-4-carbon e gemini-4-argon), HIGH (padrão em gemini-4-neon, gemini-4-carbon-cyber-permissive e gemini-4-argon-cyber-permissive) ou XHIGH (compatível com gemini-4-neon).

  • Remova as chamadas explícitas de cached_content. Coloque prefixos de comando estáticos (4.096 tokens ou mais) no início dos comandos para armazenamento em cache implícito automático.

  • Preserve thought_signature em todas as interações anteriores (as partes functionCall e text finais), em vez de remover as assinaturas entre as interações, e mantenha-as apenas na primeira parte functionCall em chamadas de ferramentas paralelas.

  • Remova temperature, top_p, top_k, frequency_penalty, presence_penalty, candidate_count (valores maiores que 1) e as rodadas de model preenchidas.

  • Consulte Migrar dos modelos do Gemini 3, o guia para desenvolvedores do Gemini 4 Neon, o guia para desenvolvedores do Gemini 4 Carbon e o guia para desenvolvedores do Gemini 4 Argon para mais detalhes.

Do pré-lançamento do Gemini 3 Flash

  • Atualização do nome do modelo: gemini-3-flash-preview → gemini-3.5-flash.
  • Conferir preços. O 3.5 Flash é mais caro do que o Gemini 3 Flash Preview.
  • Remova temperature, top_p e top_k da sua configuração.
  • Substitua thinking_budget por thinking_level.
  • Teste seus comandos. O esforço padrão mudou de high → medium.
  • A preservação de raciocínio agora está ativada por padrão. O contexto de raciocínio é mantido entre os turnos.
  • Reduza as chamadas de ferramentas desnecessárias ajustando o nível de pensamento ou adicionando instruções do sistema.
  • Mitigar a bajulação: se o gemini-3.5-flash começar a apresentar sinais de bajulação, você pode tentar mitigar esse comportamento usando as instruções do sistema e adicionando o seguinte: - Keep your responses concise. - Provide a summary of your work when you end your turn. Ground your response in the work you did. Keep your tone professional and avoid overconfident language, bragging, or overclaiming success. - AVOID using superlatives such as "perfectly", "flawlessly", "100% correct", "Summary of Accomplishments" etc. to summarize your work for the user. Be humble. - AVOID over-the-top politeness or complimenting the user excessively. - Format your responses in github-style markdown.

Do Gemini 2.5

  • Testar cargas de trabalho de PDF e documentos. O consumo de tokens para PDFs pode aumentar.
  • Simplifique os comandos. Teste o thinking_level: "medium" ou o "high" com comandos mais simples em vez de comandos complexos com linha de raciocínio.
  • Aproveite o uso combinado de ferramentas (pesquisa, contexto de URL, execução de código, funções).
  • Mova o conteúdo multimodal para dentro das partes de resposta da função.
  • Anexe instruções inline ao texto de resposta da função.

Como melhorar o desempenho do modelo

Ao migrar, aplique estas dicas para alcançar o desempenho ideal do modelo do Gemini escolhido:

  • Para todos os modelos do Gemini 3, os parâmetros de amostragem (temperature, top_p e top_k) foram descontinuados. O modelo gerencia a própria amostragem para alcançar os melhores resultados. O Google recomenda remover esses parâmetros de todas as solicitações.
  • Verifique se há inconsistências, contradições ou instruções e exemplos irrelevantes nas instruções do sistema, nos comandos e nos exemplos de aprendizado few-shot.
  • Teste um modelo mais avançado. Por exemplo, se você avaliou um modelo Gemini Flash-Lite, teste um modelo Flash ou Pro.
  • Revise os resultados da avaliação automatizada para garantir que eles correspondam ao julgamento humano, especialmente os resultados que usam um modelo de juiz. Verifique se as instruções do modelo de juiz são claras, consistentes e inequívocas.
  • Para melhorar as instruções do modelo de juiz, teste-as com vários humanos trabalhando de forma isolada. Se os humanos interpretarem as instruções de maneira diferente e fornecerem julgamentos diferentes, as instruções do modelo de juiz não estarão claras.
  • Ajustar o modelo.
  • Examine as saídas de avaliação em busca de padrões que mostrem tipos específicos de falhas. Agrupar as falhas por modelo, tipo ou categoria fornece dados de avaliação mais direcionados, facilitando o ajuste dos comandos para corrigir esses erros.
  • Avalie os diferentes componentes de IA generativa de forma independente.
  • Tente ajustar os parâmetros de amostragem de tokens.

Como receber ajuda

Se você precisar de ajuda, o Google Cloud oferece pacotes de suporte para atender às suas necessidades, como cobertura 24 horas, suporte por telefone e acesso a um gerente de suporte técnico. Para mais informações, consulte Suporte doGoogle Cloud .

A seguir

Guia

Aprenda os conceitos básicos do uso do SDK de IA Generativa do Google para enviar consultas aos modelos do Gemini com a Agent Platform.

Visão geral

Lista de modelos do Google disponíveis na plataforma de agentes, como Gemini, Gemma e Veo.

Visão geral

Lista de modelos desenvolvidos por parceiros do Google disponíveis na Plataforma de Agentes, como Claude e Mistral.

Visão geral

Visão geral de como usar modelos abertos, como Gemma, Llama, DeepSeek e outros, na Agent Platform.

Recurso

Perguntas frequentes sobre o uso do Gemini com a plataforma de agentes.