Gemini 3.6 Flash 迁移指南：5 处 API 变化与 1 个静默失效

一句话结论 切到 gemini-3.6-flash 或 gemini-3.5-flash-lite，请求格式有五处变化。其中四处会返回 HTTP 400，你立刻就知道。剩下一处不会：temperature、top_p、top_k 现在传了会被收下，然后被忽略。如果你靠 temperature=0 来保证输出稳定，切过去之后接口照样返回 200，而你原本指望的那个保证已经没了。先修这一处，再修那四处。

Last verified: 2026-07-21

如果你打算只改配置文件里的一个模型名、指望别的都照旧，请先读完第一节再上线。

五处变化，按"你多久会发现"排序

五处里有四处会自己喊出来：集成测试能拦住，报错监控会叫你，一个下午就能修完。真正会带着问题进生产环境的，是第一处。

危险的那一处：temperature、top_p、top_k 现在会被静默忽略

哪些流水线会不报错地坏掉

静默的空操作只有在你原本依赖它的时候才危险。常见的依赖有四类：

• 靠确定性吃饭的流水线。 凡是设了 temperature=0 好让重复调用结果一致的：用模型输出做缓存键的、做去重的、把分类结果喂给下游状态机的。这个设置现在是惰性的，它原本给你买来的那点输出稳定性，现在买不到了。
• golden file / 快照测试。 那些钉死 temperature=0、把模型输出和存好的期望字符串做 diff 的测试套件。换模型之后它们开始飘，而且飘起来的样子像模型能力退步，不像配置问题，于是你会往错误的方向查。
• 靠低温度维持的结构化输出。 有些团队一直没上结构化输出，而是把 temperature 压到接近 0、top_p 收紧，让模型稳定吐出能解析的 JSON。现在这两个旋钮同时失效。
• 按路由分别调过的配置。 产品里有"创意程度"滑块的，或者"摘要"用一个温度、"头脑风暴"用另一个温度的。滑块在你的界面上还能拖，但它拖不动模型了。

这四类都不会产生任何堆栈报错。它们产生的是"和你验证过的略有不同"的输出，而系统自报健康。

网关也不会提醒你

这一点连谨慎的团队都会踩。模型网关会发布一份机器可读的元数据，说明每个模型支持哪些参数，上层工具链靠读这份元数据决定该往下传什么。

拿什么替代 temperature

官方给的替代不是另一个参数，而是 system instruction（系统指令，也就是写在对话最前面、约束模型全局行为的那段话）：把你想要的行为写成模型能读到的规则，而不是写成一个采样常数。

这是表达方式的真正改变，所以要做的是"翻译"，不是"删除"：

上线前怎么把所有调用点找出来

直接搜参数名，别只信配置层，因为这些值通常散在好几个地方、由不同的人在不同时候设下：

# Gemini 原生写法与 OpenAI 兼容写法，以及承载它们的配置对象
grep -rn "temperature\|top_p\|topP\|top_k\|topK\|candidate_count\|candidateCount" \
  --include="*.py" --include="*.ts" --include="*.js" --include="*.go" --include="*.java" .

# 把它们包起来的那层
grep -rn "generation_config\|generationConfig\|GenerateContentConfig\|thinking_budget\|thinkingBudget" .

会直接报错的那四处

这四处简单，因为接口会告诉你。按测试套件暴露出来的顺序修就行。

thinking_budget 和 thinking_level 不能同时出现

选值之前有两个默认档要知道，因为两个模型不一样：

• gemini-3.6-flash 默认 medium。
• gemini-3.5-flash-lite 默认 minimal，这是为吞吐量优化的。

不能再预填模型回合

每个 FunctionResponse 都要带 call_id 和 name

candidate_count 没有了

改之前 / 改之后：一个能干净迁移的请求

下面是一个把所有废弃字段都带齐的 Gemini 原生调用，以及能活下来的那一版。

# 改之前：在 2.5 时代的模型上正常，在 3.6 Flash 上要么报错、要么静默走样
config = {
    "temperature": 0,          # 现在被忽略，不报错
    "top_p": 0.95,             # 现在被忽略，不报错
    "top_k": 40,               # 现在被忽略，不报错
    "candidate_count": 1,      # Gemini 3.x 不支持
    "thinking_budget": 8192,   # 与 thinking_level 同传则 400
}

# 改之后：意图从采样常数搬进了指令
config = {
    "system_instruction": (
        "回答不超过三句话。用陈述句。"
        "不要写开场白，不要复述问题，不要追问。"
        "如果答案不确定，用一句话说明不确定。"
    ),
    "thinking_level": "medium",
}

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["EVOLINK_API_KEY"],
    base_url="https://api.evolink.ai/v1"
)

response = client.chat.completions.create(
    model="gemini-3.6-flash",
    messages=[
        {"role": "system", "content": "回答不超过三句话，不要开场白。"},
        {"role": "user", "content": "总结这份事故报告。"}
    ]
    # 不传 temperature、top_p：传了会被收下，然后在下游被忽略
)

print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env["EVOLINK_API_KEY"],
  baseURL: "https://api.evolink.ai/v1",
});

const response = await client.chat.completions.create({
  model: "gemini-3.6-flash",
  messages: [
    { role: "system", content: "回答不超过三句话，不要开场白。" },
    { role: "user", content: "总结这份事故报告。" },
  ],
  // 不传 temperature、top_p
});

console.log(response.choices[0].message.content);

一个能抓住静默失效的迁移顺序

顺序是有讲究的，因为会报错的那几处很容易，不报错的那一处不容易。按这个顺序走：

1. 先盘点。 跑上面那两条 grep，把每一个设了采样参数的地方列出来，包括配置中心和后台面板。同时写下每一个当初是在保护什么行为。
2. 翻译意图，不要只是删。 每找到一个 temperature，先想清楚它是干什么用的，再写出等价的 system instruction。只删不译，就是在发一次质量退步上线。
3. 修那些 400。 把 thinking_budget 换成 thinking_level，删掉 candidate_count，去掉预填的模型回合，给每个 FunctionResponse 补上 call_id 和 name。
4. 主动选一个思考档位，Flash-Lite 上尤其重要，它的 minimal 默认档不适合自主多步任务。这也是整个迁移里最大的一个省钱开关：在我们那套任务上，3.6 Flash 跑 minimal 档比同一个模型跑默认的 medium 档单次便宜 73.6%，而 medium 档下思考 token 占了计费输出的 85%。要测的是你的负载能不能扛住降档，不是这笔省钱是不是真的。
5. 先用新模型重新生成快照基线，再谈对比。 老的 golden file 是在一个如今已经不起作用的参数下产生的，它不是一个有效的参照物。
6. 在同一套任务集上跑新旧两个模型的评测，对比的是输出分布，不只是通过率。静默的行为变化，先体现在格式、长度、啰嗦程度的漂移上，之后才体现为答错。
7. 灰度真实流量时盯着下游的解析器，而不是只盯接口错误率。如果有东西要悄悄坏掉，它会坏在消费模型输出的那段代码里，不会坏在调用本身。

让官方的迁移 skill 先跑一遍

npx skills add google-gemini/gemini-skills --skill gemini-interactions-api --global

装好之后，在编码 agent 里指向你的项目：

值得跑。它处理的是机械活：找出废弃字段、改写请求构造、更新调用点，上面第 3 步的大部分它都能包。

关停时间表：什么时候由不得你

Computer Use：四份官方材料，两个答案

有一个能力问题，现在无法从文档里得出结论。这两个模型到底支不支持 Computer Use，Google 自己的材料说法不一致：

• Gemini API 的模型文档标注 3.6 Flash 支持 Computer Use（预览），而同一个模型的企业平台页列的是不支持。
• 3.5 Flash-Lite 这边，模型页说不支持，而发布公告和 Gemini 3 开发者指南说支持。

如果你这周正好在重新选供应商

有两件事值得顺手检查：

• 切换期间你能不能把新旧两个模型并排跑？ 上面第 6 步要求你能。如果你现在的接法让 gemini-3.5-flash 和 gemini-3.6-flash 跑同一套任务集这件事很别扭，那这份别扭下次迁移还在，而下次一定会有：官方已经说了，这套规则适用于此后发布的所有模型。
• 一个新模型从发布到你能调用，要多久？ gemini-3.6-flash 是第一天就以正式版身份上线的，没有 preview 后缀。模型上线和你的代码能调到它之间的那段时间差，是你每次打新都要付的成本。

常见问题

参考资料

• Using the latest Gemini models（Google AI for Developers）：废弃的采样参数、thinking_level、candidate_count、预填限制、FunctionResponse 要求、迁移 skill 命令
• Gemini deprecations（Google AI for Developers）：关停日期与推荐替代品
• Gemini API models（Google AI for Developers）：模型 ID 与能力支持矩阵
• Gemini 3 开发者指南（Google AI for Developers）：Gemini 3 的请求行为与能力
• Gemini 3.6 Flash（Gemini Enterprise Agent Platform）（Google Cloud）：企业侧能力列表与页面上展示的参数默认值
• Introducing Gemini 3.6 Flash, 3.5 Flash-Lite, and 3.5 Flash Cyber（Google）：发布公告与发布日期
• google-gemini/gemini-skills（GitHub）：官方迁移 skill
• OpenRouter models 接口（OpenRouter）：网关元数据仍将 temperature、top_p、seed 列为两个模型的支持参数，2026-07-21 观测
• EvoLink 模型目录、Gemini 3.6 Flash 发布追踪、3.6 Flash 与 3.5 Flash 对比、Gemini 3.5 Flash 与 Gemini 3 Flash Preview 迁移指南、Gemini 3 Pro 废弃迁移指南、EvoLink 接口地址