মিথুন চিন্তা

জেমিনি ৩ এবং ২.৫ সিরিজের মডেলগুলো একটি অভ্যন্তরীণ 'চিন্তন প্রক্রিয়া' ব্যবহার করে, যা তাদের যুক্তিবোধ এবং বহু-ধাপের পরিকল্পনা করার ক্ষমতাকে উল্লেখযোগ্যভাবে উন্নত করে। এর ফলে এগুলো কোডিং, উচ্চতর গণিত এবং ডেটা বিশ্লেষণের মতো জটিল কাজগুলোর জন্য অত্যন্ত কার্যকর হয়ে ওঠে।

এই নির্দেশিকাটি আপনাকে দেখাবে কীভাবে জেমিনি এপিআই (Gemini API) ব্যবহার করে জেমিনির চিন্তাশক্তির সাথে কাজ করতে হয়।

চিন্তাভাবনা করে বিষয়বস্তু তৈরি করা

একটি থিঙ্কিং মডেল ব্যবহার করে অনুরোধ শুরু করা অন্য যেকোনো কন্টেন্ট তৈরির অনুরোধের মতোই। মূল পার্থক্যটি হলো, model ফিল্ডে থিঙ্কিং সাপোর্টসহ মডেলগুলোর মধ্যে একটি নির্দিষ্ট করে দিতে হয়, যেমনটি নিম্নলিখিত টেক্সট তৈরির উদাহরণে দেখানো হয়েছে:

পাইথন

from google import genai

client = genai.Client()
prompt = "Explain the concept of Occam's Razor and provide a simple, everyday example."
response = client.models.generate_content(
    model="gemini-3-flash-preview",
    contents=prompt
)

print(response.text)

জাভাস্ক্রিপ্ট

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({});

async function main() {
  const prompt = "Explain the concept of Occam's Razor and provide a simple, everyday example.";

  const response = await ai.models.generateContent({
    model: "gemini-3-flash-preview",
    contents: prompt,
  });

  console.log(response.text);
}

main();

যান

package main

import (
  "context"
  "fmt"
  "log"
  "os"
  "google.golang.org/genai"
)

func main() {
  ctx := context.Background()
  client, err := genai.NewClient(ctx, nil)
  if err != nil {
      log.Fatal(err)
  }

  prompt := "Explain the concept of Occam's Razor and provide a simple, everyday example."
  model := "gemini-3-flash-preview"

  resp, _ := client.Models.GenerateContent(ctx, model, genai.Text(prompt), nil)

  fmt.Println(resp.Text())
}

বিশ্রাম

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3-flash-preview:generateContent" \
 -H "x-goog-api-key: $GEMINI_API_KEY" \
 -H 'Content-Type: application/json' \
 -X POST \
 -d '{
   "contents": [
     {
       "parts": [
         {
           "text": "Explain the concept of Occam'\''s Razor and provide a simple, everyday example."
         }
       ]
     }
   ]
 }'
 ```

চিন্তার সারাংশ

চিন্তার সারাংশ হলো মডেলের মূল চিন্তাভাবনার সংক্ষিপ্ত সংস্করণ এবং এটি মডেলের অভ্যন্তরীণ যুক্তি প্রক্রিয়া সম্পর্কে ধারণা দেয়। উল্লেখ্য যে, চিন্তার স্তর এবং বাজেট মডেলের মূল চিন্তাভাবনার ক্ষেত্রে প্রযোজ্য, চিন্তার সারাংশের ক্ষেত্রে নয়।

আপনার রিকোয়েস্ট কনফিগারেশনে includeThoughts কে true সেট করে আপনি থট সামারি চালু করতে পারেন। এরপর, response প্যারামিটারের parts মধ্যে দিয়ে ইটারেট করে এবং thought বুলিয়ানটি চেক করার মাধ্যমে আপনি সামারিটি অ্যাক্সেস করতে পারবেন।

স্ট্রিমিং ছাড়াই কীভাবে চিন্তার সারাংশ সক্রিয় ও পুনরুদ্ধার করা যায়, তার একটি উদাহরণ এখানে দেওয়া হলো, যা প্রতিক্রিয়ার সাথে একটি একক, চূড়ান্ত চিন্তার সারাংশ ফেরত দেয়:

পাইথন

from google import genai
from google.genai import types

client = genai.Client()
prompt = "What is the sum of the first 50 prime numbers?"
response = client.models.generate_content(
  model="gemini-3-flash-preview",
  contents=prompt,
  config=types.GenerateContentConfig(
    thinking_config=types.ThinkingConfig(
      include_thoughts=True
    )
  )
)

for part in response.candidates[0].content.parts:
  if not part.text:
    continue
  if part.thought:
    print("Thought summary:")
    print(part.text)
    print()
  else:
    print("Answer:")
    print(part.text)
    print()

জাভাস্ক্রিপ্ট

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({});

async function main() {
  const response = await ai.models.generateContent({
    model: "gemini-3-flash-preview",
    contents: "What is the sum of the first 50 prime numbers?",
    config: {
      thinkingConfig: {
        includeThoughts: true,
      },
    },
  });

  for (const part of response.candidates[0].content.parts) {
    if (!part.text) {
      continue;
    }
    else if (part.thought) {
      console.log("Thoughts summary:");
      console.log(part.text);
    }
    else {
      console.log("Answer:");
      console.log(part.text);
    }
  }
}

main();

যান

package main

import (
  "context"
  "fmt"
  "google.golang.org/genai"
  "os"
)

func main() {
  ctx := context.Background()
  client, err := genai.NewClient(ctx, nil)
  if err != nil {
      log.Fatal(err)
  }

  contents := genai.Text("What is the sum of the first 50 prime numbers?")
  model := "gemini-3-flash-preview"
  resp, _ := client.Models.GenerateContent(ctx, model, contents, &genai.GenerateContentConfig{
    ThinkingConfig: &genai.ThinkingConfig{
      IncludeThoughts: true,
    },
  })

  for _, part := range resp.Candidates[0].Content.Parts {
    if part.Text != "" {
      if part.Thought {
        fmt.Println("Thoughts Summary:")
        fmt.Println(part.Text)
      } else {
        fmt.Println("Answer:")
        fmt.Println(part.Text)
      }
    }
  }
}

এবং এখানে স্ট্রিমিং ব্যবহার করে থিঙ্কিং-এর একটি উদাহরণ দেওয়া হলো, যা জেনারেশনের সময় চলমান, ক্রমবর্ধমান সারাংশ প্রদান করে:

পাইথন

from google import genai
from google.genai import types

client = genai.Client()

prompt = """
Alice, Bob, and Carol each live in a different house on the same street: red, green, and blue.
The person who lives in the red house owns a cat.
Bob does not live in the green house.
Carol owns a dog.
The green house is to the left of the red house.
Alice does not own a cat.
Who lives in each house, and what pet do they own?
"""

thoughts = ""
answer = ""

for chunk in client.models.generate_content_stream(
    model="gemini-3-flash-preview",
    contents=prompt,
    config=types.GenerateContentConfig(
      thinking_config=types.ThinkingConfig(
        include_thoughts=True
      )
    )
):
  for part in chunk.candidates[0].content.parts:
    if not part.text:
      continue
    elif part.thought:
      if not thoughts:
        print("Thoughts summary:")
      print(part.text)
      thoughts += part.text
    else:
      if not answer:
        print("Answer:")
      print(part.text)
      answer += part.text

জাভাস্ক্রিপ্ট

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({});

const prompt = `Alice, Bob, and Carol each live in a different house on the same
street: red, green, and blue. The person who lives in the red house owns a cat.
Bob does not live in the green house. Carol owns a dog. The green house is to
the left of the red house. Alice does not own a cat. Who lives in each house,
and what pet do they own?`;

let thoughts = "";
let answer = "";

async function main() {
  const response = await ai.models.generateContentStream({
    model: "gemini-3-flash-preview",
    contents: prompt,
    config: {
      thinkingConfig: {
        includeThoughts: true,
      },
    },
  });

  for await (const chunk of response) {
    for (const part of chunk.candidates[0].content.parts) {
      if (!part.text) {
        continue;
      } else if (part.thought) {
        if (!thoughts) {
          console.log("Thoughts summary:");
        }
        console.log(part.text);
        thoughts = thoughts + part.text;
      } else {
        if (!answer) {
          console.log("Answer:");
        }
        console.log(part.text);
        answer = answer + part.text;
      }
    }
  }
}

await main();

যান

package main

import (
  "context"
  "fmt"
  "log"
  "os"
  "google.golang.org/genai"
)

const prompt = `
Alice, Bob, and Carol each live in a different house on the same street: red, green, and blue.
The person who lives in the red house owns a cat.
Bob does not live in the green house.
Carol owns a dog.
The green house is to the left of the red house.
Alice does not own a cat.
Who lives in each house, and what pet do they own?
`

func main() {
  ctx := context.Background()
  client, err := genai.NewClient(ctx, nil)
  if err != nil {
      log.Fatal(err)
  }

  contents := genai.Text(prompt)
  model := "gemini-3-flash-preview"

  resp := client.Models.GenerateContentStream(ctx, model, contents, &genai.GenerateContentConfig{
    ThinkingConfig: &genai.ThinkingConfig{
      IncludeThoughts: true,
    },
  })

  for chunk := range resp {
    for _, part := range chunk.Candidates[0].Content.Parts {
      if len(part.Text) == 0 {
        continue
      }

      if part.Thought {
        fmt.Printf("Thought: %s\n", part.Text)
      } else {
        fmt.Printf("Answer: %s\n", part.Text)
      }
    }
  }
}

চিন্তা নিয়ন্ত্রণ করা

জেমিনি মডেলগুলো ডিফল্টরূপে গতিশীল চিন্তাভাবনায় নিযুক্ত থাকে এবং ব্যবহারকারীর অনুরোধের জটিলতার উপর ভিত্তি করে যুক্তির প্রচেষ্টার পরিমাণ স্বয়ংক্রিয়ভাবে সামঞ্জস্য করে। তবে, যদি আপনার নির্দিষ্ট বিলম্বের সীমাবদ্ধতা থাকে বা মডেলটিকে স্বাভাবিকের চেয়ে গভীর যুক্তিতে নিযুক্ত করার প্রয়োজন হয়, তাহলে আপনি ঐচ্ছিকভাবে চিন্তার আচরণ নিয়ন্ত্রণ করতে প্যারামিটার ব্যবহার করতে পারেন।

চিন্তার স্তর (মিথুন ৩)

জেমিনি ৩ মডেল এবং তার পরবর্তী মডেলগুলোর জন্য প্রস্তাবিত thinkingLevel প্যারামিটারটি আপনাকে যুক্তিনির্ভর আচরণ নিয়ন্ত্রণ করতে দেয়।

নিম্নলিখিত সারণিতে প্রতিটি মডেল প্রকারের জন্য thinkingLevel সেটিংস বিস্তারিতভাবে বর্ণনা করা হয়েছে:

চিন্তার স্তর জেমিনি ৩.১ প্রো জেমিনি ৩.১ ফ্ল্যাশ-লাইট জেমিনি ৩ ফ্ল্যাশ বর্ণনা
minimal সমর্থিত নয় সমর্থিত (ডিফল্ট) সমর্থিত বেশিরভাগ কোয়েরির জন্য এটি 'চিন্তাহীন' সেটিংয়ের সাথে মেলে। জটিল কোডিং কাজের জন্য মডেলটি খুব কম চিন্তা করতে পারে। চ্যাট বা উচ্চ থ্রুপুট অ্যাপ্লিকেশনগুলির জন্য এটি ল্যাটেন্সি কমিয়ে আনে। উল্লেখ্য, minimal মানেই যে চিন্তা পুরোপুরি বন্ধ থাকবে, তা নয়।
low সমর্থিত সমর্থিত সমর্থিত লেটেন্সি ও খরচ কমায়। সাধারণ নির্দেশনা অনুসরণ, চ্যাট বা উচ্চ-ক্ষমতাসম্পন্ন অ্যাপ্লিকেশনের জন্য সর্বোত্তম।
medium সমর্থিত সমর্থিত সমর্থিত অধিকাংশ কাজের জন্য ভারসাম্যপূর্ণ চিন্তাভাবনা।
high সমর্থিত (ডিফল্ট, ডাইনামিক) সমর্থিত (গতিশীল) সমর্থিত (ডিফল্ট, ডাইনামিক) যুক্তির গভীরতা সর্বাধিক করে। মডেলটির প্রথম (চিন্তাবিহীন) আউটপুট টোকেনে পৌঁছাতে উল্লেখযোগ্যভাবে বেশি সময় লাগতে পারে, কিন্তু আউটপুটটি আরও সতর্কভাবে যুক্তিযুক্ত হবে।

নিম্নলিখিত উদাহরণটি দেখায় কীভাবে চিন্তার স্তর নির্ধারণ করতে হয়।

পাইথন

from google import genai
from google.genai import types

client = genai.Client()

response = client.models.generate_content(
    model="gemini-3-flash-preview",
    contents="Provide a list of 3 famous physicists and their key contributions",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_level="low")
    ),
)

print(response.text)

জাভাস্ক্রিপ্ট

import { GoogleGenAI, ThinkingLevel } from "@google/genai";

const ai = new GoogleGenAI({});

async function main() {
  const response = await ai.models.generateContent({
    model: "gemini-3-flash-preview",
    contents: "Provide a list of 3 famous physicists and their key contributions",
    config: {
      thinkingConfig: {
        thinkingLevel: ThinkingLevel.LOW,
      },
    },
  });

  console.log(response.text);
}

main();

যান

package main

import (
  "context"
  "fmt"
  "google.golang.org/genai"
  "os"
)

func main() {
  ctx := context.Background()
  client, err := genai.NewClient(ctx, nil)
  if err != nil {
      log.Fatal(err)
  }

  thinkingLevelVal := "low"

  contents := genai.Text("Provide a list of 3 famous physicists and their key contributions")
  model := "gemini-3-flash-preview"
  resp, _ := client.Models.GenerateContent(ctx, model, contents, &genai.GenerateContentConfig{
    ThinkingConfig: &genai.ThinkingConfig{
      ThinkingLevel: &thinkingLevelVal,
    },
  })

fmt.Println(resp.Text())
}

বিশ্রাম

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3-flash-preview:generateContent" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H 'Content-Type: application/json' \
-X POST \
-d '{
  "contents": [
    {
      "parts": [
        {
          "text": "Provide a list of 3 famous physicists and their key contributions"
        }
      ]
    }
  ],
  "generationConfig": {
    "thinkingConfig": {
          "thinkingLevel": "low"
    }
  }
}'

আপনি Gemini 3.1 Pro-এর জন্য চিন্তা করা নিষ্ক্রিয় করতে পারবেন না। Gemini 3 Flash এবং Flash-Lite-ও সম্পূর্ণ চিন্তা-বন্ধ সমর্থন করে না, তবে minimal সেটিং-এর অর্থ হলো মডেলটি সম্ভবত চিন্তা করবে না (যদিও এটি এখনও সম্ভাব্যভাবে চিন্তা করতে পারে)। আপনি যদি চিন্তার স্তর নির্দিষ্ট না করেন, তাহলে Gemini, Gemini 3 মডেলগুলোর ডিফল্ট ডাইনামিক চিন্তার স্তর, "high" ব্যবহার করবে।

জেমিনি ২.৫ সিরিজের মডেলগুলো thinkingLevel সমর্থন করে না; এর পরিবর্তে thinkingBudget ব্যবহার করুন।

বাজেট নিয়ে চিন্তা

জেমিনি ২.৫ সিরিজের সাথে প্রবর্তিত thinkingBudget প্যারামিটারটি, যুক্তির জন্য ঠিক কতগুলো থিঙ্কিং টোকেন ব্যবহার করতে হবে, সে বিষয়ে মডেলকে নির্দেশনা দেয়।

নিচে প্রতিটি মডেল টাইপের জন্য thinkingBudget কনফিগারেশনের বিবরণ দেওয়া হলো। thinkingBudget কে 0 সেট করে আপনি thinking নিষ্ক্রিয় করতে পারেন। thinkingBudget কে -1 সেট করলে ডাইনামিক thinking চালু হয়, যার অর্থ হলো মডেলটি অনুরোধের জটিলতার উপর ভিত্তি করে বাজেট সমন্বয় করবে।

মডেল ডিফল্ট সেটিং
(চিন্তার বাজেট এখনো নির্ধারিত হয়নি)
পরিসর চিন্তাভাবনা অক্ষম করুন গতিশীল চিন্তাভাবনা চালু করুন
২.৫ প্রো গতিশীল চিন্তাভাবনা 128 থেকে 32768 N/A: চিন্তাকে নিষ্ক্রিয় করা যায় না thinkingBudget = -1 (ডিফল্ট)
২.৫ ফ্ল্যাশ গতিশীল চিন্তাভাবনা 0 থেকে 24576 thinkingBudget = 0 thinkingBudget = -1 (ডিফল্ট)
২.৫ ফ্ল্যাশ প্রিভিউ গতিশীল চিন্তাভাবনা 0 থেকে 24576 thinkingBudget = 0 thinkingBudget = -1 (ডিফল্ট)
২.৫ ফ্ল্যাশ লাইট মডেল চিন্তা করে না 512 থেকে 24576 thinkingBudget = 0 thinkingBudget = -1
২.৫ ফ্ল্যাশ লাইট প্রিভিউ মডেল চিন্তা করে না 512 থেকে 24576 thinkingBudget = 0 thinkingBudget = -1
রোবোটিক্স-ইআর ১.৫ প্রিভিউ গতিশীল চিন্তাভাবনা 0 থেকে 24576 thinkingBudget = 0 thinkingBudget = -1 (ডিফল্ট)
২.৫ ফ্ল্যাশ লাইভ নেটিভ অডিও প্রিভিউ (০৯-২০২৫) গতিশীল চিন্তাভাবনা 0 থেকে 24576 thinkingBudget = 0 thinkingBudget = -1 (ডিফল্ট)

পাইথন

from google import genai
from google.genai import types

client = genai.Client()

response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="Provide a list of 3 famous physicists and their key contributions",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_budget=1024)
        # Turn off thinking:
        # thinking_config=types.ThinkingConfig(thinking_budget=0)
        # Turn on dynamic thinking:
        # thinking_config=types.ThinkingConfig(thinking_budget=-1)
    ),
)

print(response.text)

জাভাস্ক্রিপ্ট

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({});

async function main() {
  const response = await ai.models.generateContent({
    model: "gemini-2.5-flash",
    contents: "Provide a list of 3 famous physicists and their key contributions",
    config: {
      thinkingConfig: {
        thinkingBudget: 1024,
        // Turn off thinking:
        // thinkingBudget: 0
        // Turn on dynamic thinking:
        // thinkingBudget: -1
      },
    },
  });

  console.log(response.text);
}

main();

যান

package main

import (
  "context"
  "fmt"
  "google.golang.org/genai"
  "os"
)

func main() {
  ctx := context.Background()
  client, err := genai.NewClient(ctx, nil)
  if err != nil {
      log.Fatal(err)
  }

  thinkingBudgetVal := int32(1024)

  contents := genai.Text("Provide a list of 3 famous physicists and their key contributions")
  model := "gemini-2.5-flash"
  resp, _ := client.Models.GenerateContent(ctx, model, contents, &genai.GenerateContentConfig{
    ThinkingConfig: &genai.ThinkingConfig{
      ThinkingBudget: &thinkingBudgetVal,
      // Turn off thinking:
      // ThinkingBudget: int32(0),
      // Turn on dynamic thinking:
      // ThinkingBudget: int32(-1),
    },
  })

fmt.Println(resp.Text())
}

বিশ্রাম

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-flash:generateContent" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H 'Content-Type: application/json' \
-X POST \
-d '{
  "contents": [
    {
      "parts": [
        {
          "text": "Provide a list of 3 famous physicists and their key contributions"
        }
      ]
    }
  ],
  "generationConfig": {
    "thinkingConfig": {
          "thinkingBudget": 1024
    }
  }
}'

নির্দেশনার ওপর নির্ভর করে, মডেলটি টোকেন বাজেট অতিক্রম করতে বা তার চেয়ে কম ব্যবহার করতে পারে।

চিন্তার স্বাক্ষর

জেমিনি এপিআই স্টেটলেস, তাই মডেলটি প্রতিটি এপিআই অনুরোধকে স্বাধীনভাবে বিবেচনা করে এবং একাধিক টার্নের ইন্টারঅ্যাকশনে পূর্ববর্তী টার্নের চিন্তার প্রেক্ষাপটে এর কোনো অ্যাক্সেস থাকে না।

একাধিক পালা জুড়ে কথোপকথনের সময় চিন্তার ধারাবাহিকতা বজায় রাখা সম্ভব করার জন্য, জেমিনি থট সিগনেচার ফেরত দেয়, যা হলো মডেলটির অভ্যন্তরীণ চিন্তন প্রক্রিয়ার এনক্রিপ্টেড বা সংকেতায়িত উপস্থাপনা।

  • জেমিনি ২.৫ মডেলগুলো থিংকিং সক্রিয় থাকলে এবং অনুরোধটিতে ফাংশন কলিং , বিশেষত ফাংশন ডিক্লারেশন অন্তর্ভুক্ত থাকলে, থট সিগনেচার ফেরত দেয়।
  • জেমিনি ৩ মডেল সব ধরনের পার্টসের জন্য থট সিগনেচার ফেরত দিতে পারে। আমরা আপনাকে সর্বদা প্রাপ্ত সমস্ত সিগনেচার যেমন আছে তেমনই ফেরত পাঠানোর পরামর্শ দিই, তবে ফাংশন কলিং সিগনেচারের জন্য এটি আবশ্যক । আরও জানতে থট সিগনেচার পেজটি পড়ুন।

ফাংশন কলিং ব্যবহারের ক্ষেত্রে আরও যে সীমাবদ্ধতাগুলো বিবেচনা করতে হবে, সেগুলো হলো:

  • রেসপন্সের অন্যান্য অংশের মধ্যে, যেমন ফাংশন কলিং বা টেক্সট অংশের মধ্যে, মডেল থেকে সিগনেচারগুলো ফেরত আসে। পরবর্তী পালাগুলোতে সমস্ত অংশসহ সম্পূর্ণ রেসপন্সটি মডেলে ফেরত পাঠান
  • স্বাক্ষরযুক্ত অংশগুলো একসাথে যুক্ত করবেন না।
  • স্বাক্ষরযুক্ত একটি অংশের সাথে স্বাক্ষরবিহীন অন্য একটি অংশ সংযুক্ত করবেন না।

মূল্য নির্ধারণ

যখন চিন্তাভাবনা চালু থাকে, তখন প্রতিক্রিয়ার মূল্য নির্ধারণ করা হয় আউটপুট টোকেন এবং থিংকিং টোকেনের সমষ্টির মাধ্যমে। আপনি thoughtsTokenCount ফিল্ড থেকে তৈরি হওয়া মোট থিংকিং টোকেনের সংখ্যা জানতে পারবেন।

পাইথন

# ...
print("Thoughts tokens:",response.usage_metadata.thoughts_token_count)
print("Output tokens:",response.usage_metadata.candidates_token_count)

জাভাস্ক্রিপ্ট

// ...
console.log(`Thoughts tokens: ${response.usageMetadata.thoughtsTokenCount}`);
console.log(`Output tokens: ${response.usageMetadata.candidatesTokenCount}`);

যান

// ...
usageMetadata, err := json.MarshalIndent(response.UsageMetadata, "", "  ")
if err != nil {
  log.Fatal(err)
}
fmt.Println("Thoughts tokens:", string(usageMetadata.thoughts_token_count))
fmt.Println("Output tokens:", string(usageMetadata.candidates_token_count))

থিংকিং মডেলগুলো চূড়ান্ত প্রতিক্রিয়ার মান উন্নত করার জন্য পূর্ণাঙ্গ চিন্তা তৈরি করে এবং তারপর চিন্তন প্রক্রিয়া সম্পর্কে ধারণা দেওয়ার জন্য সারসংক্ষেপ আউটপুট করে। তাই, মূল্য নির্ধারণ করা হয় একটি সারসংক্ষেপ তৈরি করার জন্য মডেলটির প্রয়োজনীয় পূর্ণাঙ্গ চিন্তার টোকেনগুলোর ওপর ভিত্তি করে, যদিও এপিআই থেকে শুধুমাত্র সারসংক্ষেপটিই আউটপুট হিসেবে পাওয়া যায়।

আপনি টোকেন গণনা নির্দেশিকা থেকে টোকেন সম্পর্কে আরও জানতে পারবেন।

সর্বোত্তম অনুশীলন

এই বিভাগে চিন্তন মডেলগুলো দক্ষতার সাথে ব্যবহার করার জন্য কিছু নির্দেশনা রয়েছে। বরাবরের মতোই, আমাদের নির্দেশনামূলক নির্দেশিকা এবং সর্বোত্তম অনুশীলনগুলো অনুসরণ করলে আপনি সেরা ফলাফল পাবেন।

ডিবাগিং এবং পরিচালনা

  • যুক্তি পর্যালোচনা করুন : যখন আপনি চিন্তার মডেলগুলো থেকে আপনার প্রত্যাশিত প্রতিক্রিয়া পাচ্ছেন না, তখন জেমিনির চিন্তার সারাংশগুলো সাবধানে বিশ্লেষণ করা সহায়ক হতে পারে। আপনি দেখতে পারেন যে এটি কীভাবে কাজটি ভেঙে ভেঙে তার সিদ্ধান্তে পৌঁছেছে, এবং সেই তথ্য ব্যবহার করে সঠিক ফলাফলের দিকে সংশোধন করতে পারেন।

  • যুক্তিতে নির্দেশনা দিন : আপনি যদি একটি বিশেষভাবে দীর্ঘ আউটপুট আশা করেন, তবে মডেলের চিন্তাভাবনার পরিমাণ সীমিত করতে আপনার প্রম্পটে নির্দেশনা প্রদান করতে পারেন। এটি আপনাকে আপনার প্রতিক্রিয়ার জন্য টোকেন আউটপুটের আরও বেশি অংশ সংরক্ষণ করার সুযোগ দেয়।

কাজের জটিলতা

  • সহজ কাজ (চিন্তাভাবনা বন্ধ রাখা যেতে পারে): সহজ সরল অনুরোধের ক্ষেত্রে, যেখানে জটিল যুক্তির প্রয়োজন হয় না, যেমন তথ্য সংগ্রহ বা শ্রেণিবিন্যাস, সেখানে চিন্তাভাবনার প্রয়োজন নেই। উদাহরণস্বরূপ:
    • ডিপমাইন্ড কোথায় প্রতিষ্ঠিত হয়েছিল?
    • এই ইমেলটি কি মিটিংয়ের জন্য অনুরোধ করছে, নাকি শুধু তথ্য দিচ্ছে?
  • মাঝারি কাজ (স্বাভাবিক/কিছুটা চিন্তাভাবনা): অনেক সাধারণ অনুরোধের ক্ষেত্রেই ধাপে ধাপে প্রক্রিয়াকরণ বা গভীরতর বোঝাপড়ার প্রয়োজন হয়। মিথুন রাশি নিম্নলিখিত কাজগুলির জন্য তাদের চিন্তাভাবনার ক্ষমতাকে নমনীয়ভাবে ব্যবহার করতে পারে:
    • সালোকসংশ্লেষণ এবং বড় হওয়ার মধ্যে সাদৃশ্য খুঁজুন।
    • ইলেকট্রিক গাড়ি এবং হাইব্রিড গাড়ির মধ্যে তুলনা ও বৈসাদৃশ্য তুলে ধরুন।
  • কঠিন কাজ (সর্বোচ্চ চিন্তন ক্ষমতা): সত্যিই জটিল চ্যালেঞ্জের জন্য, যেমন জটিল গাণিতিক সমস্যা সমাধান করা বা কোডিংয়ের কাজ, আমরা একটি উচ্চ চিন্তন বাজেট নির্ধারণ করার পরামর্শ দিই। এই ধরনের কাজগুলোর জন্য মডেলটিকে তার সম্পূর্ণ যুক্তি ও পরিকল্পনা ক্ষমতা কাজে লাগাতে হয়, এবং উত্তর দেওয়ার আগে প্রায়শই এর মধ্যে অনেকগুলো অভ্যন্তরীণ ধাপ জড়িত থাকে। উদাহরণস্বরূপ:
    • AIME 2025-এর সমস্যা ১ সমাধান করুন: 9-এর চেয়ে বড় এমন সকল পূর্ণসংখ্যার ভিত্তি b-এর যোগফল নির্ণয় করুন, যার জন্য 17b, 97b- এর একটি ভাজক।
    • একটি ওয়েব অ্যাপ্লিকেশনের জন্য পাইথন কোড লিখুন যা ব্যবহারকারীর প্রমাণীকরণ সহ রিয়েল-টাইম শেয়ার বাজারের ডেটা প্রদর্শন করে। এটিকে যথাসম্ভব কার্যকর করে তুলুন।

সমর্থিত মডেল, সরঞ্জাম এবং সক্ষমতা

৩ এবং ২.৫ সিরিজের সকল মডেলে থিঙ্কিং ফিচারগুলো সমর্থিত। আপনি মডেল ওভারভিউ পেজে সমস্ত মডেলের সক্ষমতা খুঁজে পেতে পারেন।

চিন্তাশীল মডেলগুলো জেমিনির সমস্ত সরঞ্জাম ও সক্ষমতার সাথে কাজ করে। এর ফলে মডেলগুলো বাহ্যিক সিস্টেমের সাথে যোগাযোগ করতে, কোড কার্যকর করতে বা রিয়েল-টাইম তথ্য অ্যাক্সেস করতে পারে এবং প্রাপ্ত ফলাফলগুলোকে তাদের যুক্তি ও চূড়ান্ত প্রতিক্রিয়ার মধ্যে অন্তর্ভুক্ত করে।

আপনি ‘থিংকিং কুকবুক’ -এ থিংকিং মডেলের সাথে টুল ব্যবহারের উদাহরণগুলো চেষ্টা করে দেখতে পারেন।

এরপর কী?