Gemini 2.5 Flash और 2.5 Pro का बंद होना (1 दिसंबर): 3.5 Flash-Lite और 3.8 Flash पर ऑटो-रीडायरेक्ट से क्या टूटता है और कैसे माइग्रेट करें

Gemini API में gemini-2.5-flash और gemini-2.5-pro 1 दिसंबर 2026 से अपने-आप दूसरे मॉडलों पर रीडायरेक्ट हो जाएँगे। मॉडल का नाम बदले बिना भी आपके अनुरोध जाते रहेंगे, लेकिन जवाब नया मॉडल देगा और बिल भी नए मॉडल की दरों पर बनेगा। Google ने यह योजना 2 नवंबर 2026 को Gemini API के changelog में घोषित की।

Google ने AI Studio के उपयोगकर्ताओं को जो ईमेल भेजा, उसके अनुसार अगर आप एक बार टेक्स्ट या इमेज भेजकर एक जवाब लेते हैं, तो आपका कोड जैसा है वैसा ही चलता रहेगा। दिक्कत उस कोड में है जो function calling, अपने-आप बनाई गई बातचीत की हिस्ट्री, या thinking_budget और temperature जैसी बारीक सेटिंग इस्तेमाल करता है। नए मॉडल यह तय करने में ज़्यादा सख्त हैं कि वे क्या स्वीकार करेंगे, इसलिए अनुरोध HTTP 400 त्रुटि के साथ विफल हो सकते हैं या सेटिंग चुपचाप अनदेखी की जा सकती हैं। इस लेख में बताया गया है कि कैसे जाँचें कि आपका कोड प्रभावित है या नहीं, और 1 दिसंबर से पहले कैसे माइग्रेट करें (7 नवंबर 2026 को जाँचा गया)।

1. क्या बदल रहा है

Google के “Gemini deprecations” पेज और changelog के अनुसार दोनों मॉडलों के साथ नीचे दिए तरीके से बर्ताव होगा। Google AI Studio में अब इन्हें चुना नहीं जा सकता, और केवल वे उपयोगकर्ता जो पहले से इन्हें इस्तेमाल कर रहे थे, API से अब भी इन्हें कॉल कर सकते हैं।

स्रोत: Google, “Gemini API changelog” (2 नवंबर 2026 की प्रविष्टि) और “Gemini deprecations” (7 नवंबर 2026 को जाँचा गया)। ध्यान दें कि 2.5 Pro किसी Pro मॉडल पर नहीं, बल्कि Flash श्रेणी पर रीडायरेक्ट होता है।

नाम मिलते-जुलते होने के बावजूद नीचे दिए मॉडल 1 दिसंबर के रीडायरेक्ट में शामिल नहीं हैं।

तालिका में बंद होने की तारीखों का मतलब है “सबसे जल्दी इस तारीख को”, और Google का कहना है कि सटीक तारीख पहले से घोषित की जाएगी। gemini-2.5-flash और gemini-2.5-pro के ऑटो-रीडायरेक्ट की तारीख तय है: “1 दिसंबर 2026”।

1. 2 नवंबर 2026Google ने बदलाव की घोषणा कीchangelog में प्रकाशित। AI Studio में अब ये मॉडल चुने नहीं जा सकते।
2. अभी (7 नवंबर 2026)माइग्रेशन का समयआप अपनी सुविधा से नए मॉडल नामों पर जाकर टेस्ट कर सकते हैं।
3. 1 दिसंबर 2026ऑटो-रीडायरेक्टपुराने नाम वाले अनुरोधों का जवाब नए मॉडल देंगे और बिल नए मॉडलों की दरों पर बनेगा।
4. 31 दिसंबर 2026 तक → 1 जनवरी 2027 से3.8 Flash की शुरुआती कीमत खत्म2.5 Pro के रीडायरेक्ट वाले मॉडल की दरें बढ़ जाएँगी (भाग 4)।

2. क्या आपका कोड प्रभावित है? (जाँच की तालिका)

दोनों नए मॉडल Gemini 3.6 Flash और 3.5 Flash-Lite के साथ आए अनुरोध के नियमों और उसके बाद के मॉडलों के नियमों का पालन करते हैं। नीचे Google की माइग्रेशन गाइड में बताए गए अंतर, आपके कोड के लिखने के तरीके के हिसाब से दिए गए हैं।

स्रोत: Google, “What's new in Gemini 3.6 Flash and 3.5 Flash-Lite” और “What's new in Gemini 3.8 Flash”, और Google का AI Studio के उपयोगकर्ताओं को भेजा गया ईमेल (3 नवंबर 2026)। candidate_count 2 या उससे ज़्यादा होने पर HTTP 400 त्रुटि की बात Google के ईमेल में है; Gemini 3 और उसके बाद यह समर्थित नहीं, यह माइग्रेशन गाइड में है। function calling में id और name मिलाने की बात माइग्रेशन गाइड और ईमेल दोनों में है। 3.8 Flash की माइग्रेशन गाइड में call_id लिखा है, लेकिन generateContent में FunctionResponse के फ़ील्ड का नाम id है (API reference में यह वैकल्पिक फ़ील्ड है)।

अपने कोड में प्रभावित जगहें ढूँढने का सबसे तेज़ तरीका स्ट्रिंग खोज है। Python और JavaScript SDK और REST JSON में नाम अलग तरह से लिखे जाते हैं (जैसे thinking_budget और thinkingBudget), इसलिए ऐसे पैटर्न इस्तेमाल करें जो दोनों को पकड़ें।

# प्रभावित मॉडल नाम (2.5-flash-lite को छोड़कर)
grep -rnE "gemini-2\.5-(flash|pro)([^-]|$)" .

# टूटने वाली या अनदेखी की जाने वाली सेटिंग
grep -rnE "thinking_?[bB]udget|temperature|top_?[pPkK]|candidate_?[cC]ount" .

# जहाँ function call के नतीजे लौटाए जाते हैं
grep -rnE "function_?[rR]esponse|FunctionResponse" .

अगर आप मॉडल के नाम config फ़ाइलों या environment variables में रखते हैं, तो उन्हें भी खोजें। हर मिली हुई जगह को तालिका की किसी पंक्ति से मिलाने के बाद आपको पता चल जाएगा कि कितना ठीक करना है।

3. माइग्रेशन के चरण

हमारी सलाह है कि 1 दिसंबर का इंतज़ार करने के बजाय खुद नए मॉडल नामों पर जाएँ, टेस्ट पास करें, और फिर प्रोडक्शन में भेजें। अगर आप इसे ऑटो-रीडायरेक्ट पर छोड़ देते हैं, तो जो कुछ भी टूटेगा वह एक साथ प्रोडक्शन में दिखेगा। कोड के उदाहरण Google के Python SDK (google-genai) के generateContent का इस्तेमाल करते हैं।

1. मॉडल के नाम बदलें: gemini-2.5-flash → gemini-3.5-flash-lite, gemini-2.5-pro → gemini-3.8-flash
2. सोचने की मात्रा thinking_level से तय करें: thinking_budget हटाएँ और काम के हिसाब से स्तर चुनें
3. sampling की सेटिंग हटाएँ: temperature, top_p और top_k
4. function calling की हिस्ट्री ठीक करें: thought_signature बनाए रखें, और FunctionResponse में id और name शामिल करें
5. पहले से भरना (prefill) बंद करें और candidate_count हटाएँ
6. लागू करने से पहले भारी इनपुट से टेस्ट करें: कई बार टूल कॉल करने वाले वर्कफ़्लो और लंबी बातचीत चलाएँ, और त्रुटियाँ, जवाब की गुणवत्ता और टोकन का इस्तेमाल जाँचें

3-1. मॉडल के नाम बदलें

नाम बदलना एक पंक्ति का बदलाव है, लेकिन एक ही नाम अक्सर कई जगह होता है, इसलिए बदलने से पहले भाग 2 की खोज से हर जगह ढूँढ लें। जैसे ही आप बदलते हैं, बिल नए मॉडल की दरों पर बनने लगता है।

3-2. thinking_budget की जगह thinking_level

Gemini 2.5 में सोचने के लिए इस्तेमाल होने वाले टोकन की संख्या thinking_budget नाम की संख्या से तय होती थी। नए मॉडल में इसकी जगह thinking_level है, जिसमें स्तर का नाम दिया जाता है। उपलब्ध स्तर और डिफ़ॉल्ट मॉडल के हिसाब से अलग हैं।

स्रोत: Google के “Thinking” पेज की तालिका और हर माइग्रेशन गाइड (7 नवंबर 2026 को जाँचा गया)।

ध्यान रखें कि 2.5 Flash के रीडायरेक्ट वाले मॉडल का डिफ़ॉल्ट minimal है। 2.5 Flash डिफ़ॉल्ट रूप से सोचता था, लेकिन 3.5 Flash-Lite जब तक कहा न जाए, लगभग नहीं सोचता। Google की माइग्रेशन गाइड कहती है कि बड़ी मात्रा में जानकारी निकालने, routing और वर्गीकरण के लिए minimal ठीक है, लेकिन टूल कॉल, कोड चलाने और कई चरणों वाली तर्क-प्रक्रिया के लिए medium या high की सलाह देती है, क्योंकि कम स्तर पर टूल इस्तेमाल करने वाले वर्कफ़्लो बीच में रुक सकते हैं।

from google import genai
from google.genai import types

client = genai.Client()

# पहले: gemini-2.5-flash
# config=types.GenerateContentConfig(
#     temperature=0.2,
#     thinking_config=types.ThinkingConfig(thinking_budget=1024),
# )

# बाद में: gemini-3.5-flash-lite
response = client.models.generate_content(
    model="gemini-3.5-flash-lite",
    contents=prompt,
    config=types.GenerateContentConfig(
        system_instruction="केवल JSON आउटपुट दें। शुरुआत में कोई परिचय न जोड़ें।",
        thinking_config=types.ThinkingConfig(thinking_level="medium"),
    ),
)
print(response.text)

अगर आप REST से सीधे JSON भेजते हैं, तो generationConfig.thinkingConfig के अंदर "thinkingBudget": 1024 को "thinkingLevel": "medium" में बदलें। API reference में thinkingLevel को Gemini 3 और उसके बाद के मॉडलों का फ़ील्ड बताया गया है, और लिखा है कि पुराने मॉडलों को भेजने पर त्रुटि आती है। मॉडल का नाम और thinking_level एक ही बदलाव में बदलें।

2.5 में इस्तेमाल किए गए संख्या वाले बजट को स्तरों से जोड़ने की कोई आधिकारिक तालिका नहीं है। नीचे दी गई गाइड से शुरू करें और जवाब की गुणवत्ता और टोकन के इस्तेमाल के हिसाब से बदलें।

यह गाइड Google की माइग्रेशन गाइड में हर स्तर के लिए बताए गए इस्तेमाल पर आधारित है। सोचने के टोकन का बिल आउटपुट की दर पर बनता है, इसलिए स्तर बढ़ाने से लागत भी बढ़ती है।

3-3. temperature, top_p और top_k हटाएँ

Gemini 3.6 Flash और 3.5 Flash-Lite से Google ने temperature, top_p और top_k को deprecated कर दिया है। मौजूदा नए मॉडलों पर ये बिना त्रुटि के अनदेखे किए जाते हैं, और Google का कहना है कि आगे की पीढ़ियों में ये HTTP 400 त्रुटि देंगे। त्रुटि न दिखने के कारण इसे चूकना आसान है। जो वर्कफ़्लो एक जैसे जवाब पाने के लिए temperature को 0 रखते हैं, उनके जवाब एक जैसे रहना बंद हो सकते हैं।

Google का सुझाया विकल्प है कि आउटपुट के नियम system instruction में साफ़ लिखें (जैसे “केवल JSON आउटपुट दें” या “शुरुआत में कोई परिचय न जोड़ें”)। अगर आपको पूरी तरह एक जैसा प्रारूप चाहिए, तो structured output (JSON schema लेने वाली सुविधा) इस्तेमाल करें।

Claude API में भी नए मॉडलों पर temperature के काम करने का तरीका बदला है। इसी तरह की सोच के लिए “"temperature is deprecated for this model": कारण और समाधान” देखें।

3-4. function calling की हिस्ट्री ठीक करें

Gemini 3 मॉडल अपने जवाबों में thought signatures लौटाते हैं: जवाब देने से पहले मॉडल की अंदरूनी सोच का एन्क्रिप्ट किया हुआ रूप। अगर अगले टर्न में signature वापस नहीं भेजा जाता, तो मॉडल अपनी पिछली सोच जारी नहीं रख पाता। generateContent में signature, function call जैसे parts के thoughtSignature में होता है।

कमज़ोर तरीका है मॉडल के टर्न को केवल नाम और arguments से दोबारा बनाना और उसे हिस्ट्री में जोड़ना। दोबारा बनाने से signature छूट जाता है।

# ❌ मॉडल के टर्न को केवल नाम और args से दोबारा बनाने पर thought_signature छूट जाता है
contents.append(types.Content(role="model", parts=[
    types.Part(function_call=types.FunctionCall(name=call.name, args=call.args))
]))

समाधान है मिली हुई सामग्री को बिना बदले हिस्ट्री में लौटाना। साथ ही, function के नतीजे (FunctionResponse) में वही id और name शामिल करें जो मॉडल के लौटाए FunctionCall में थे।

config = types.GenerateContentConfig(
    tools=[weather_tool],
    thinking_config=types.ThinkingConfig(thinking_level="medium"),
)
contents = [types.Content(role="user", parts=[
    types.Part.from_text(text="Boston में मौसम कैसा है?")
])]

response = client.models.generate_content(
    model="gemini-3.5-flash-lite", contents=contents, config=config)
call = response.function_calls[0]

# ✅ मॉडल का टर्न ठीक वैसा ही जोड़ें जैसा मिला (इसमें signature है)
contents.append(response.candidates[0].content)

result = get_weather(**call.args)
contents.append(types.Content(role="user", parts=[
    types.Part(function_response=types.FunctionResponse(
        id=call.id,      # FunctionCall के id वाला ही मान
        name=call.name,  # FunctionCall के name वाला ही मान
        response={"result": result},
    ))
]))

response = client.models.generate_content(
    model="gemini-3.5-flash-lite", contents=contents, config=config)
print(response.text)

जब function के नतीजे में इमेज या दूसरा मीडिया हो, तो उसे अलग parts में नहीं, बल्कि FunctionResponse के अंदर (parts में) रखें। Google के “Function calling” पेज के अनुसार SDK signatures अपने-आप संभालते हैं। अगर आप हिस्ट्री SDK की चैट सुविधा (client.chats) पर छोड़ते हैं, तो आपको signatures खुद भेजने की ज़रूरत नहीं। सावधानी तब चाहिए जब आप हिस्ट्री को अपने डेटाबेस या किसी दूसरे प्रारूप में सहेजते हैं और हर अनुरोध पर दोबारा बनाते हैं। जाँचें कि आपका सहेजने का प्रारूप signatures को छोड़ तो नहीं देता।

API reference में MISSING_THOUGHT_SIGNATURE (Request has at least one thought signature missing) को finishReason के एक मान के रूप में बताया गया है, जो दिखाता है कि signature गायब है। अगर लॉग में यह मान या इससे मिलती-जुलती त्रुटि दिखे, तो सबसे पहले हिस्ट्री बनाने के तरीके पर शक करें।

import json

# Interactions API में function declarations dict के रूप में लिखे जाते हैं (generateContent के weather_tool से अलग रूप)
interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input="Boston में मौसम कैसा है?",
    tools=[weather_tool_dict],
)
for step in interaction.steps:
    if step.type == "function_call":
        result = get_weather(**step.arguments)
        interaction = client.interactions.create(
            model="gemini-3.8-flash",
            input=[{
                "type": "function_result",
                "name": step.name,
                "call_id": step.id,
                "result": [{"type": "text", "text": json.dumps(result)}],
            }],
            tools=[weather_tool_dict],
            previous_interaction_id=interaction.id,
        )
print(interaction.output_text)

माइग्रेशन गाइड उन मामलों के उपाय भी बताती है जहाँ टूल कॉल से पहले का टेक्स्ट Malformed_Function_Call पैदा करता है; ये Function calling पेज के “Workarounds for pre-tool text requirements” भाग में हैं।

3-5. पहले से भरना बंद करें और candidate_count हटाएँ

जवाब की शुरुआत पहले से भरने (contents के आखिरी खाली नहीं टर्न को model का टर्न बनाने) पर नए मॉडल HTTP 400 त्रुटि देते हैं। Google की माइग्रेशन गाइड इस तरीके को उन तरीकों में गिनाती है जिनसे बचना चाहिए।

{
  "contents": [
    {"role": "user", "parts": [{"text": "'Hello world' का स्पेनिश में अनुवाद करें।"}]},
    {"role": "model", "parts": [{"text": "अनुवाद:"}]}
  ]
}

अगर आप शुरुआती परिचय रोकने या JSON जवाब पाने के लिए पहले से भरते थे, तो नियम system instruction में लिखें या structured output इस्तेमाल करें।

response = client.models.generate_content(
    model="gemini-3.5-flash-lite",
    contents="'Hello world' का स्पेनिश में अनुवाद करें।",
    config=types.GenerateContentConfig(
        system_instruction="केवल अनुवाद आउटपुट दें। शुरुआत में कोई परिचय न जोड़ें।",
    ),
)

candidate_count (एक कॉल से कई जवाब लौटाने वाली सेटिंग) Gemini 3 और उसके बाद समर्थित नहीं है, और इसे 2 या उससे ज़्यादा रखने पर HTTP 400 त्रुटि आती है। कई विकल्प चाहिए तो उन्हें कई कॉल में बाँटें।

Google skills का समर्थन करने वाले coding agents के लिए इस माइग्रेशन में मदद करने वाली Gemini API skill भी देता है (“Coding agents”)। इसे इस्तेमाल करें तब भी ठीक किए गए कोड पर टेस्ट खुद चलाएँ।

4. कीमत कैसे बदलती है

रीडायरेक्ट वाले मॉडलों की दरें 2.5 Flash से आने पर लगभग उतनी ही हैं और 2.5 Pro से आने पर कम हैं। हालाँकि 3.8 Flash 31 दिसंबर 2026 तक शुरुआती कीमत पर है, और 1 जनवरी 2027 को इसकी दरें बढ़ जाएँगी। बढ़ने के बाद आउटपुट 2.5 Pro से सस्ता रहता है, लेकिन इनपुट 2.5 Pro से महँगा हो जाता है (2 लाख टोकन या उससे कम के prompt के लिए)। नीचे सभी कीमतें सामान्य पेड टियर की, प्रति 10 लाख टोकन US डॉलर में हैं।

स्रोत: Google के “Gemini Developer API pricing” की Standard तालिका (7 नवंबर 2026 को जाँचा गया)। Batch और Flex जैसे छूट वाले टियर के लिए कीमत का पेज देखें। 3.8 Flash की दरें prompt की लंबाई से नहीं बदलतीं।

2.5 Pro के एक काम का हिसाब लगाते हैं। महीने में 1 करोड़ इनपुट टोकन और 20 लाख आउटपुट टोकन पर (सभी prompt 2 लाख टोकन या उससे कम), 2.5 Pro की लागत $12.50 + $20.00 = $32.50 है। इतने ही टोकन पर 3.8 Flash की लागत दिसंबर 2026 में $7.50 + $7.50 = $15.00 और जनवरी 2027 से $15.00 + $15.00 = $30.00 है।

फिर भी, ज़रूरी नहीं कि टोकन की संख्या उतनी ही रहे। Google के अनुसार 3.8 Flash लंबे, जटिल कामों पर ज़्यादा टोकन इस्तेमाल करने के लिए बनाया गया है। साथ ही Google कहता है कि रोज़मर्रा के काम में thinking_level घटाकर इसे कम किया जा सकता है। 2.5 Flash से 3.5 Flash-Lite पर जाते समय स्तर को डिफ़ॉल्ट minimal से ऊपर करने पर सोचने में खर्च होने वाले आउटपुट टोकन भी बढ़ते हैं। दरें बराबर या कम हों तब भी आपका बिल आपके चुने स्तर पर निर्भर करता है। टेस्ट के दौरान जवाबों में टोकन की संख्या (usage_metadata) दर्ज करें, तो आप दिसंबर के बिल का अनुमान लगा सकते हैं।

Grounding with Google Search की गिनती भी अलग तरह से होती है। 2.5 Flash और 2.5 Pro में हर दिन पहले 1,500 अनुरोध मुफ़्त थे, और उसके बाद प्रति 1,000 “grounded prompts” पर $35 लगते थे। 3.5 Flash-Lite और 3.8 Flash में Gemini 3 और उसके बाद के सभी मॉडलों को मिलाकर हर महीने पहले 5,000 अनुरोध मुफ़्त हैं, उसके बाद प्रति 1,000 search queries पर $14 लगते हैं, और हर दिन 1,500 अनुरोधों की सीमा है। अगर एक अनुरोध कई खोजें चलाता है, तो हर खोज का बिल बनता है। अगर आप grounding पर बहुत निर्भर हैं, तो अपनी गिनती दोबारा देखें।

Gemini की कुल कीमत (ऐप के पेड प्लान बनाम API) के लिए “Gemini की कीमत और मुफ़्त सुविधाएँ” देखें। API की कीमत कैसे काम करती है (टोकन, इनपुट और आउटपुट), इसके लिए “AI API क्या है?” देखें।

5. 1 दिसंबर के बाद क्या होगा

अगर आप कुछ नहीं करते, तो आपके कोड के लिखने के तरीके के हिसाब से यह होगा।

• मॉडल नाम की कोई त्रुटि नहीं: जो अनुरोध अब भी gemini-2.5-flash और gemini-2.5-pro नाम इस्तेमाल करते हैं, वे नए मॉडलों तक पहुँचते हैं
• बिल नए मॉडलों की दरों पर बनता है: 2.5 Pro के रीडायरेक्ट वाले मॉडल की दरें 1 जनवरी 2027 को फिर बढ़ती हैं
• पहले से भरे गए अनुरोध और candidate_count 2 या उससे ज़्यादा वाले अनुरोध HTTP 400 त्रुटि पर रुक जाते हैं: हिस्ट्री खुद बनाने के कारण signatures छोड़ने वाली function calling से भी त्रुटि या अनपेक्षित बर्ताव हो सकता है
• कुछ जवाब बिना किसी त्रुटि के बदल जाते हैं: temperature जैसी सेटिंग अनदेखी होती हैं, और 2.5 Flash के रीडायरेक्ट वाला मॉडल डिफ़ॉल्ट रूप से लगभग नहीं सोचता। यह टूल इस्तेमाल करने वाले वर्कफ़्लो के बीच में रुकने या जवाबों में ज़्यादा उतार-चढ़ाव के रूप में दिखता है

त्रुटि न देने वाले बदलाव मॉनिटरिंग के मापदंडों में कम ही दिखते हैं। जवाब के प्रारूप की जाँच (आउटपुट JSON के रूप में पार्स होता है या नहीं, ज़रूरी फ़ील्ड मौजूद हैं या नहीं) की विफलताओं की संख्या बदलाव से पहले और बाद में मिलाने से इन्हें पकड़ने में मदद मिलेगी।

6. क्या ऑटो-रीडायरेक्ट वाले मॉडल पर ही रहें?

ऑटो-रीडायरेक्ट वाले मॉडल वही हैं जिन्हें Google हर मॉडल के विकल्प के रूप में सुझाता है। फिर भी उनका स्वभाव आपके पहले वाले मॉडलों से अलग है।

Flash 2.5 Flash → 3.5 Flash-Lite आपको उन्हीं दरों पर “Lite” श्रेणी में ले जाता है। Google के अनुसार 3.5 Flash-Lite ने तर्क के बेंचमार्क HLE पर 18.0% अंक पाए, जबकि 2.5 Flash ने 11.0%, और चार्ट समझने के बेंचमार्क CharXIV पर 74.5% बनाम 63.7% (Google के अपने माप)। अगर आपका काम ज़्यादातर बड़ी मात्रा में जानकारी निकालना या वर्गीकरण है, तो जैसा है वैसा जाना समझदारी है। अगर ज़्यादातर कई चरणों वाले agents या कोड बनाना है और आप बेहतर जवाब चाहते हैं, तो gemini-3.6-flash, जिसे Google की तुलना तालिका कोड बनाने और कई चरणों वाले कामों के लिए बताती है, एक और विकल्प है। 31 दिसंबर 2026 तक इसकी शुरुआती कीमत इनपुट $0.75 और आउटपुट $3.75 है, जो 1 जनवरी 2027 से $1.50 और $7.50 हो जाती है, इसलिए यह 3.5 Flash-Lite से महँगा है।

Pro 2.5 Pro → 3.8 Flash आपको Pro श्रेणी से Flash श्रेणी में ले जाता है। Google 3.8 Flash को अपना “most intelligent Flash model” कहता है और इसे लंबे समय तक चलने वाले सॉफ़्टवेयर विकास और agents के लिए रखता है। 2.5 Pro की तुलना में इसकी आउटपुट दर 2027 से भी कम रहती है ($10.00 → $7.50), जबकि इनपुट दर 2027 से ज़्यादा हो जाती है (2 लाख टोकन या उससे कम के prompt के लिए $1.25 → $1.50)।

अगर जवाब की गुणवत्ता आपकी पहली प्राथमिकता है, तो ज़्यादा महँगा Gemini 4 Argon (gemini-4-argon) भी एक विकल्प है। 30 नवंबर 2026 तक इसकी शुरुआती कीमत इनपुट $2.00 और आउटपुट $10.00 है, जो 1 दिसंबर से इनपुट $4.00 और आउटपुट $20.00 हो जाती है, और इसका कोई फ्री टियर नहीं है (“Pricing”, 7 नवंबर 2026 को जाँचा गया)।

आप कोई भी मॉडल चुनें, नाम बदलें, वही टेस्ट चलाएँ, और जवाब की गुणवत्ता, त्रुटियाँ और टोकन की संख्या मिलाकर फ़ैसला करें। Gemini के दूसरे मॉडलों की नॉलेज कटऑफ और उनकी जगह के लिए “जनरेटिव AI की नॉलेज कटऑफ डेट की तुलना” देखें।

मॉडल बदलने पर जवाब के रूप और सेटिंग के बर्ताव में बदलाव केवल Gemini तक सीमित नहीं है। Claude API में नए मॉडल पर जाते समय ऐसी ही समस्या “'ThinkingBlock' object has no attribute 'text': वजह और समाधान” में बताई गई है।

सारांश

• 1 दिसंबर 2026 से gemini-2.5-flash अपने-आप gemini-3.5-flash-lite पर और gemini-2.5-pro gemini-3.8-flash पर रीडायरेक्ट होता है, और बिल लक्ष्य मॉडल की दरों पर बनता है
• एक बार में भेजे जाने वाले टेक्स्ट और इमेज के अनुरोध चलते रहते हैं। gemini-2.5-flash-lite पर कोई असर नहीं
• हिस्ट्री खुद बनाने के कारण signatures छोड़ने वाली function calling, पहले से भरना, और candidate_count 2 या उससे ज़्यादा वाले अनुरोध HTTP 400 त्रुटि दे सकते हैं। Google FunctionResponse में id और name ज़रूरी बताता है (SDK की चैट सुविधा में signatures SDK संभालता है)
• thinking_budget की जगह thinking_level इस्तेमाल करें। 3.5 Flash-Lite का डिफ़ॉल्ट minimal है, इसलिए टूल और कई चरणों वाले काम के लिए medium या उससे ऊपर रखें। temperature जैसी सेटिंग अनदेखी होती हैं
• दरें 2.5 Flash से आने पर लगभग उतनी ही और 2.5 Pro से आने पर कम हैं। लेकिन 3.8 Flash 1 जनवरी 2027 को महँगा होता है (इनपुट 2.5 Pro से महँगा हो जाता है), और टोकन की संख्या भी सोच के स्तर के साथ बदलती है
• 1 दिसंबर का इंतज़ार न करें: मॉडल के नाम बदलें, भारी इनपुट से टेस्ट करें, फिर प्रोडक्शन में भेजें

अक्सर पूछे जाने वाले सवाल

Q. अगर मैं 1 दिसंबर को gemini-2.5-flash कॉल करूँ, तो क्या मॉडल न मिलने की त्रुटि आएगी?

A. नहीं। Google के दस्तावेज़ों के अनुसार अनुरोध अपने-आप gemini-3.5-flash-lite पर रीडायरेक्ट होते हैं। हालाँकि जवाब नया मॉडल देता है और बिल नए मॉडल की दरों पर बनता है। हिस्ट्री खुद बनाने के कारण signatures छोड़ने वाली function calling, पहले से भरना, और candidate_count 2 या उससे ज़्यादा वाले अनुरोध HTTP 400 त्रुटि दे सकते हैं।

Q. मुझे thought signature की त्रुटि मिली। क्या ठीक करूँ?

A. अपने कोड का वह हिस्सा जो बातचीत की हिस्ट्री बनाता है। जाँचें कि क्या आप पिछले टर्न में मॉडल की लौटाई सामग्री को केवल नाम और arguments से दोबारा बनाते हैं। अगर आप मिली हुई सामग्री को बिना बदले हिस्ट्री में लौटाते हैं, तो signature भी उसके साथ चला जाता है। अगर आप SDK की चैट सुविधा या Interactions API में previous_interaction_id इस्तेमाल करते हैं, तो signatures अपने-आप संभाले जाते हैं।

Q. gemini-3.5-flash-lite की कीमत कितनी है?

A. पेड टियर पर इनपुट प्रति 10 लाख टोकन $0.30 (टेक्स्ट, इमेज, वीडियो और ऑडियो सभी के लिए) और आउटपुट $2.50 है (7 नवंबर 2026 को जाँचा गया)। 2.5 Flash की तुलना में टेक्स्ट, इमेज और वीडियो का इनपुट और आउटपुट बराबर है, और ऑडियो इनपुट $1.00 से घटकर $0.30 हो जाता है।

Q. मैंने सोच बंद करने के लिए thinking_budget को 0 रखा था। अब क्या करूँ?

A. 3.5 Flash-Lite पर या तो thinking_level छोड़ दें (डिफ़ॉल्ट minimal है) या उसे "minimal" रखें। 3.8 Flash में minimal स्तर नहीं है और यह त्रुटि देता है, इसलिए सबसे निचला स्तर "low" इस्तेमाल करें।

अपडेट लॉग

• 7 नवंबर 2026पहली बार प्रकाशित। Gemini API changelog (2 नवंबर 2026), Gemini deprecations, माइग्रेशन गाइड (3.6/3.5 Flash-Lite और 3.8 Flash), कीमत, Thinking और API reference जाँचकर लिखा गया।

स्रोत

• Google: Gemini API changelog, Gemini deprecations, Pricing
• Google: What's new in Gemini 3.6 Flash and 3.5 Flash-Lite, What's new in Gemini 3.8 Flash
• Google: Thinking, Function calling, Migrating to the Interactions API, generateContent API reference
• Google AI Studio के उपयोगकर्ताओं को Google का ईमेल, “Gemini 2.5 Flash redirects to 3.5 Flash-Lite Dec 1” (3 नवंबर 2026)