Gemini 3.8 Flash: Níveis de Raciocínio Baixo, Médio e Alto e o Fim do Nível Mínimo

Gemini 3.8 Flash: como escolher e configurar o nível de raciocínio

O Gemini 3.8 Flash oferece três níveis de raciocínio: low, medium e high. Essa configuração controla o raciocínio interno antes da resposta e altera simultaneamente a latência, os tokens de saída e o custo. Como o modelo foi projetado para “trabalhar mais” em tarefas complexas, escolher o nível correto é mais importante do que no Gemini 3.7 Flash. Para conhecer o lançamento, consulte a visão geral do Gemini 3.8 Flash.

Experimente o Apidog hoje

Dois detalhes costumam causar problemas:

• O nível padrão é medium, não high. O Gemini 3 Pro usa high por padrão.
• minimal, aceito no Gemini 3.7 Flash, não é suportado no 3.8 Flash. A requisição falha na validação antes da geração de qualquer token.

O Google documenta essas mudanças na página Novidades no Gemini 3.8 Flash. Este guia mostra como escolher o nível, estimar custos, configurá-lo nas duas APIs e testá-lo antes da implantação.

Níveis de raciocínio em um relance

Nível	Orientação do Google	Custo por tarefa (AA)	Tempo por tarefa (AA)	Use-o quando
low	Minimiza latência e custo; adequado para instruções simples, chat e alto throughput	US$ 0,24	0,8 min	A latência importa; classificação e pesquisa de transcrições
medium (padrão)	Equilíbrio para código complexo e tarefas de agente	US$ 0,41	Não publicado no texto	A maioria das rotas; Q&A geral de vídeo
high	Máxima profundidade para problemas difíceis e multi-etapas	US$ 0,58	2,5 min	Q&A visual denso, vídeos com mais de 60 minutos e planejamento crítico
minimal	Não suportado no 3.8 Flash	n/a	n/a	Nunca; converta para low

Os custos e tempos são médias da Artificial Analysis, obtidas com o Índice de Inteligência em cada nível e os preços introdutórios por token do Google. São números independentes, baseados em benchmark, e não representam necessariamente os seus prompts. Use-os como referência e meça suas próprias rotas.

O que cada nível faz

Uma resposta pode incluir tokens de raciocínio, gerados antes da resposta visível. Eles são cobrados como tokens de saída:

• US$ 3,75 por milhão até 31/12/2026;
• US$ 7,50 por milhão a partir de 01/01/2027.

A API expõe essa contagem separadamente em usageMetadata.thoughtsTokenCount.

• low mantém o raciocínio breve, reduzindo o tempo até o primeiro token e o custo de saída. É indicado para chat, instruções simples e endpoints de alto throughput.
• medium é o equilíbrio padrão e a recomendação para código complexo e tarefas de agente.
• high solicita o raciocínio mais profundo para problemas multi-etapas difíceis.

No 3.8 Flash, o modelo também pode executar etapas adicionais, chamar ferramentas iterativamente e verificar o próprio trabalho. O Google afirma que ele pode usar mais tokens em tarefas longas e complexas, especialmente nos níveis mais altos. Reduzir thinking_level é a primeira recomendação para controlar o uso de tokens; a alternativa é continuar no 3.7 Flash, que permanece totalmente suportado.

thinking_level é um enum, não um orçamento. O parâmetro inteiro thinking_budget, disponível em modelos anteriores, não existe no Gemini 3. Portanto, não é possível solicitar “no máximo 2.000 tokens de raciocínio”. Escolha um nível e monitore o uso real nos seus prompts.

O padrão é medium, não high

Se você omitir o campo, o Gemini 3.8 Flash usará medium. Isso pode afetar:

• equipes que migraram do Gemini 3 Pro e esperavam high;
• rotas de chat que deveriam usar low, mas ficaram em medium após a remoção de thinking_budget durante uma atualização do 3.7 Flash.

Defina thinking_level explicitamente em todas as requisições e por rota. Não dependa dos padrões do provedor: eles podem mudar e alterar seu perfil de custo sem uma mudança no código da aplicação.

Por que minimal foi removido

No Gemini 3.8 Flash, apenas low, medium e high são aceitos. Uma requisição REST com minimal retorna 400 INVALID_ARGUMENT com a mensagem:

Thinking level MINIMAL is not supported for this model. Please retry with other thinking level.

SDKs podem encapsular esse erro em classes diferentes. Trate-o pelo status HTTP 400 ou pelo código INVALID_ARGUMENT, e não pela string da mensagem.

Antes

{
  "model": "gemini-3.8-flash",
  "input": "Classify this ticket as billing, bug, or feature.",
  "generation_config": { "thinking_level": "minimal" }
}

Depois

{
  "model": "gemini-3.8-flash",
  "input": "Classify this ticket as billing, bug, or feature.",
  "generation_config": { "thinking_level": "low" }
}

A recomendação de migração do Google é direta: substitua minimal por low. Consulte o guia de migração do Gemini 3.7 para 3.8 Flash para conferir também assinaturas de pensamento e o requisito de call_id nas respostas de função.

Evite duas alternativas:

1. Não use thinking_budget; ele não é suportado nos modelos Gemini 3.
2. Não reduza temperature para “acalmar” o modelo. O Google recomenda manter o padrão 1.0, pois valores menores podem causar loops ou saída degradada.

Como o erro ocorre na validação, uma requisição de teste agendada com minimal detecta rapidamente configurações antigas sem consumir tokens de geração.

Quanto cada nível custa

O preço por token é o mesmo em todos os níveis. A página de preços do Google lista:

• entrada: US$ 0,75 por milhão de tokens na taxa introdutória;
• saída: US$ 3,75 por milhão de tokens na taxa introdutória;
• a partir de 01/01/2027: US$ 1,50 por milhão na entrada e US$ 7,50 por milhão na saída.

A diferença entre os níveis está na quantidade de tokens gerados.

Modelo e nível	Custo por tarefa	Tempo por tarefa
Gemini 3.8 Flash low	US$ 0,24	0,8 min
Gemini 3.8 Flash medium	US$ 0,41	Não publicado no texto
Gemini 3.8 Flash high	US$ 0,58	2,5 min
Gemini 3.7 Flash high	US$ 0,40	2,2 min

Fonte: Artificial Analysis, execuções do Índice de Inteligência com preços introdutórios.

Três proporções são úteis:

• low custa cerca de 41% do custo de high e leva aproximadamente um terço do tempo;
• medium no 3.8 Flash custa praticamente o mesmo que high no 3.7 Flash: US$ 0,41 contra US$ 0,40;
• high no 3.8 Flash custa 45% mais por tarefa que high no 3.7 Flash, embora os preços por token sejam iguais. A razão é que o 3.8 Flash gera cerca de 30% mais tokens de saída, aproximadamente 48 mil por tarefa de índice.

A pontuação 59 do Índice de Inteligência da Artificial Analysis foi obtida em high. A organização publicou custos e tempos para low e medium, mas não as pontuações do índice nesses níveis. Não presuma que a qualidade diminui linearmente com o custo: execute suas próprias avaliações antes de rebaixar uma rota.

Para exemplos com 1.000 tarefas diárias e a mudança de preços de 31 de dezembro, consulte preços do Gemini 3.8 Flash.

Configurando thinking_level na API de Interações

A API de Interações é a principal interface do Google para o Gemini 3.x. O campo fica em generation_config e usa snake case.

cURL

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-[REDACTED CREDENTIAL] -H 'Content-Type: application/json' \
  -d '{"model":"gemini-3.8-flash","input":"Explain HTTP caching in 3 sentences.","generation_config":{"thinking_level":"low"}}'

Python

interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input="Explain HTTP caching in 3 sentences.",
    generation_config={"thinking_level": "low"},
)
print(interaction.output_text)

O campo é definido por requisição. Configure-o também em turnos de acompanhamento que usem previous_interaction_id.

A resposta retorna uma lista de etapas de execução — pensamentos, chamadas de ferramentas e, por fim, model_output. O SDK expõe o texto final em output_text. Para estado multi-turno e streaming, consulte como usar a API Gemini 3.8 Flash.

Configurando no generateContent legado

Grande parte do código existente ainda usa generateContent. O Google considera essa interface legada, mas afirma que ela continua totalmente suportada e não tem data de descontinuação.

Aqui, o campo usa camel case e fica aninhado em generationConfig.thinkingConfig.

cURL

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.8-flash:generateContent" \
  -H "x-goog-[REDACTED CREDENTIAL] -H 'Content-Type: application/json' -X POST \
  -d '{"contents":[{"parts":[{"text":"Explain HTTP caching in 3 sentences."}]}],
       "generationConfig":{"thinkingConfig":{"thinkingLevel":"low","includeThoughts":true}}}'

Python

from google.genai import types

response = client.models.generate_content(
    model="gemini-3.8-flash",
    contents="Explain HTTP caching in 3 sentences.",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_level="low")
    ),
)
print(response.usage_metadata.thoughts_token_count)

includeThoughts: true adiciona resumos de pensamentos à resposta como partes marcadas com thought: true. Isso é útil durante a calibração, mas costuma ser ruído em produção.

Para medir custos, use usageMetadata.thoughtsTokenCount, que representa a quantidade exata de tokens de raciocínio faturados como saída.

Uma estratégia por rota

Trate o nível como uma decisão de roteamento, não como uma configuração global:

• Chat, preenchimento automático e respostas interativas: low, para reduzir a latência percebida.
• Classificação, extração e pesquisa de transcrições: low, validando a precisão com uma avaliação própria. O exemplo de vídeo do Google também usa low para pesquisa de transcrições.
• Agentes de código e loops de ferramentas: medium. Use high apenas em uma etapa de planejamento que bloqueie as demais e depois volte para medium.
• Fluxos com muitos documentos e tarefas de longa duração: high; quando não forem interativos, considere a API em lote com desconto de 50%.
• Vídeo: high para Q&A visual denso ou vídeos com mais de 60 minutos; medium para Q&A geral; low para pesquisa de transcrições.

Se low ainda for excessivo para uma rota, considere um modelo Flash-Lite. O guia do Gemini 3.1 Flash-Lite aborda esse trade-off, e o Gemini 3.5 Flash-Lite aparece com US$ 0,30 por milhão de tokens de entrada e US$ 2,50 por milhão de tokens de saída.

Mantenha o nível em uma configuração por rota e deixe o gemini-3.7-flash atrás de uma flag. Assim, se o uso de tokens aumentar após a atualização, você poderá trocar o nível ou o modelo sem um novo deploy.

Teste os três níveis lado a lado no Apidog

Os dados da Artificial Analysis mostram proporções. Seus prompts fornecem os números reais. Use o Apidog para enviar um prompt “golden” em cada nível e verificar a resposta.

1. Armazene a chave com segurança. Crie GEMINI_API_KEY em um ambiente do Apidog e use {{GEMINI_API_KEY}} no cabeçalho x-goog-api-key. Crie também THINKING_LEVEL.
2. Salve uma requisição. Faça um POST para /v1beta/models/gemini-3.8-flash:generateContent com seu prompt e:

   "thinkingConfig": {
     "thinkingLevel": "{{THINKING_LEVEL}}"
   }

1. Crie um cenário com três etapas. Importe a mesma requisição três vezes e defina THINKING_LEVEL como low, medium e high.
2. Valide os campos relevantes. Em cada etapa, confirme status 200 e a presença de usageMetadata.thoughtsTokenCount. Em low, verifique se os tokens e o tempo de resposta ficam dentro do limite aceitável para a rota.
3. Compare os níveis. Armazene a contagem de cada etapa em uma variável e confirme que high raciocina pelo menos tanto quanto low. Se essa relação mudar, o modelo ou o comportamento padrão pode ter sido alterado.
4. Adicione uma etapa de guarda. Envie thinkingLevel: "minimal" e confirme que a resposta não é 200. Ao trocar o ID do modelo, essa etapa indicará se o novo modelo ainda rejeita o valor.
5. Agende o cenário. Execute-o diariamente para detectar regressões de configuração ou mudanças silenciosas antes que apareçam na fatura. Veja como agendar testes de API no Apidog.

O mesmo cenário funciona com respostas transmitidas e renderização SSE. Para esse caso, consulte como testar APIs LLM que transmitem via SSE. O download do Apidog inclui um plano gratuito suficiente para esse cenário.

Perguntas frequentes

O nível altera o preço por token?

Não. A entrada custa US$ 0,75 e a saída US$ 3,75 por milhão de tokens no 3.8 Flash durante o período introdutório, independentemente do nível. O nível altera a quantidade de tokens de raciocínio gerados, e esses tokens são cobrados como saída. Consulte a discriminação de preços para cache, lote e o aumento de 1º de janeiro.

Posso definir um orçamento exato de tokens de raciocínio?

Não nos modelos Gemini 3. thinking_budget foi substituído pelo enum thinking_level, e o 3.8 Flash aceita somente low, medium e high. Se precisar de um limite, implemente testes e alertas para monitorar o uso.

Qual nível foi usado na pontuação 59 da Artificial Analysis?

high. A Artificial Analysis executou o Índice de Inteligência em high para a pontuação principal. Os custos e tempos de low e medium foram publicados, mas não suas pontuações de índice.

Devo reduzir a temperatura para diminuir o raciocínio?

Não. O Google recomenda manter temperature em 1.0 nos modelos Gemini 3. Valores menores podem causar loops ou saída degradada. Use thinking_level para controlar a profundidade.

E se até low for lento ou caro demais?

Mantenha a rota no Gemini 3.7 Flash, que o Google afirma continuar totalmente suportado, ou migre-a para um modelo Flash-Lite. A comparação entre Gemini 3.8 Flash e 3.7 Flash mostra onde os tokens adicionais produzem ganhos mensuráveis.

Escolha por rota e meça

O Gemini 3.8 Flash tem três níveis, usa um enum em vez de um orçamento explícito e pode gerar mais tokens que seu predecessor. Defina thinking_level em cada rota, converta qualquer minimal restante para low e monitore usageMetadata.thoughtsTokenCount.

Os valores da Artificial Analysis — US$ 0,24, US$ 0,41 e US$ 0,58 por tarefa — indicam o formato da curva. Um cenário de três etapas no Apidog fornece os números da sua aplicação antes que a mudança de preços de 31 de dezembro torne essas diferenças ainda mais relevantes.