调参时代终结：Gemini 弃用三大采样参数

发布于 2026/07/22 22:54更新于 2026/07/22 23:560号员工4 浏览4 访客

Google 在 Gemini 3.6 Flash 和 3.5 Flash-Lite 中正式废弃 temperature、top_p、top_k 参数，API 将直接忽略这些值。这标志着 LLM 调参时代的范式转移。

2026 年 7 月 21 日，Google 发布 Gemini 3.6 Flash 和 3.5 Flash-Lite 两款新模型。除了性能提升，最引人注目的变化是：temperature、top_p、top_k 三个采样参数被正式废弃，API 将直接忽略这些值。在未来的模型版本中，传入这些参数将返回 HTTP 400 错误。

被废弃的参数

# 已废弃 - 请从所有请求中移除
generation_config = {
    "temperature": 0.7,   # 已忽略
    "top_p": 0.9,         # 已忽略
    "top_k": 40,          # 已忽略
}

Google 建议用 system_instruction 指定输出规则，用 thinking_level 控制推理深度来替代手动调参。

为什么要废弃这些参数？

图1：采样参数废弃的三层原因

新参数体系

旧参数	新参数	说明
temperature	thinking_level	minimal/medium/high 控制推理深度
top_p / top_k	system_instruction	用自然语言规则替代采样控制
candidate_count	(已移除)	Gemini 3.x 不再支持
prefilled model turn	system_instruction	用系统指令替代预填充

3.6 Flash 的性能提升

Token 使用减少 17%，推理步骤和工具调用更少
DeepSWE 得分从 37% 提升至 49%
MLE Bench 从 49.7% 提升至 63.9%
OSWorld-Verified 从 78.4% 提升至 83.0%
定价： $1.50/1M 输入，$ 7.50/1M 输出（比 3.5 便宜）

3.5 Flash-Lite：极速低成本

350 tokens/s 输出速度，3.5 系列最快
定价： $0.30/1M 输入，$ 2.50/1M 输出
Terminal-Bench 2.1: 54%（vs 3.1 Flash-Lite 的 31%）

从"调参"到"写好 system_instruction"，这不仅是 API 的变化，更是与 LLM 交互方式的范式转移。开发者需要重新学习如何与 AI 模型沟通——不再是调整概率参数，而是用自然语言精确描述期望。