Gemini 2.0 Flash Thinking Experimental: guida con esempi

Che cos’è Gemini 2.0 Flash Thinking Experimental?

Google ha introdotto Gemini 2.0 Flash Thinking Experimental come un nuovo modello di AI progettato per il ragionamento avanzato. Inizialmente disponibile tramite Google AI Studio, la Gemini API e Vertex AI, ora è stato distribuito anche agli utenti dell’app Gemini.

A differenza dei modelli linguistici standard, che danno priorità alla generazione di risposte fluide, Flash Thinking punta a scomporre il proprio processo di pensiero, mostrando un ragionamento passo dopo passo, valutando più opzioni e spiegando le conclusioni in modo più strutturato.

Gemini 2.0 Flash Thinking Experimental è un modello di AI multimodale, il che significa che può elaborare sia testo che immagini in input. Questo ci consente di usarlo per attività che richiedono contesto visivo, come interpretare diagrammi, analizzare grafici o estrarre insight da documenti complessi.

Tuttavia, a differenza di alcuni altri modelli multimodali, Flash Thinking produce solo output testuali, quindi non genera immagini o dati visivi in risposta.

Una delle sue caratteristiche di spicco è l’enorme finestra di contesto, con supporto fino a 1 milione di token in input e risposte fino a 64.000 token. Questo lo rende uno dei modelli di AI più ampi disponibili per il ragionamento long-form, consentendogli di analizzare interi libri, articoli scientifici o conversazioni estese mantenendo coerenza.

Il limite elevato di token garantisce che il modello possa seguire argomentazioni complesse in interazioni prolungate, riducendo la necessità per l’utente di reintrodurre di continuo il contesto.

Una limitazione importante da tenere a mente è che Flash Thinking ha un knowledge cutoff a giugno 2024. Ciò significa che non possiede conoscenze integrate su eventi successivi.

Per questo motivo può allucinare o fare assunzioni errate, come nell’esempio qui sotto. Non avendo mai “sentito parlare” di Gemini 2.0 Flash Thinking Experimental, deduce erroneamente che questo modello equivalga a Gemini Advanced e fornisce una data sbagliata.

Gemini 2.0 Flash Thinking Experimental con le app

Per ovviare al knowledge cutoff sopra menzionato, Google ha integrato YouTube, Maps e Search in Gemini 2.0 Flash Thinking Experimental. Puoi attivare questa funzionalità dal menu a tendina del modello:

Tieni presente che usare questi strumenti non garantisce una risposta corretta. Per esempio, ha comunque sbagliato la data di rilascio, ma ci è andato molto più vicino—la data corretta è il 5 febbraio 2025 (vedi esempio sotto). È successo perché il modello ha usato lo strumento Search e ha preso le informazioni da due siti citati. Poiché questi siti sono stati pubblicati il 6 febbraio 2025, il modello ha dedotto erroneamente che quella fosse la data di rilascio di Gemini 2.0 Flash Thinking Experimental.

Il modello seleziona automaticamente gli strumenti necessari in base al prompt. Per esempio, quando ho chiesto il percorso in auto migliore da Bucarest a Londra, il modello ha scelto automaticamente lo strumento Google Maps. Nota l’icona di Google Maps qui sotto e il riferimento allo strumento Google Maps nel suo processo di ragionamento.

Nota che sto usando solo queste domande banali per esplorare il modello—per la domanda sopra, il semplice modello 2.0 Flash è più che sufficiente. Come vedremo nella sezione seguente, Gemini 2.0 Flash Thinking Experimental dà il meglio con matematica, scienze e ragionamento multimodale avanzati.

Benchmark: Gemini 2.0 Flash Thinking Experimental

Gemini 2.0 Flash Thinking Experimental di Google ha mostrato notevoli miglioramenti nelle attività basate sul ragionamento, superando i suoi predecessori in più benchmark chiave (con focus su matematica, scienze e ragionamento multimodale).

Sorgente: Google

Nel benchmark AIME2024 (matematica), Gemini 2.0 Flash Thinking Experimental ha raggiunto il 73,3%, un grande balzo rispetto al 35,5% di Gemini 2.0 Flash Experimental e al 19,3% di Gemini 1.5 Pro. Per confronto, o3-mini (high) di OpenAI ha totalizzato l’87,3% in questo benchmark.

Analogamente, per GPQA Diamond (scienze), il modello ha raggiunto il 74,2%, migliorando rispetto al 58,6% della versione precedente. Per confronto, DeepSeek-R1 ha ottenuto il 71,5% (pass@1—al primo tentativo) in questo benchmark, mentre o1 di OpenAI ha raggiunto il 75,7 (pass@1) e o3-mini (high) il 79,7%.

Nel MMMU (ragionamento multimodale), che valuta la capacità del modello di integrare e interpretare informazioni su più modalità, Gemini 2.0 Flash Thinking Experimental ha ottenuto il 75,4%, superando ancora una volta le iterazioni precedenti.

Come visto con altri modelli di ragionamento, le capacità di 2.0 Flash Thinking crescono all’aumentare dell’inferenza computazionale (vedi grafico sotto). Per inferenza computazionale si intende la potenza di calcolo utilizzata dopo che fornisci il prompt al modello.

Fonte: Google

Come accedere a Gemini 2.0 Flash Thinking Experimental

Google ha reso Gemini 2.0 Flash Thinking Experimental disponibile su più piattaforme, inclusi accesso diretto per gli utenti di Gemini.

Gemini Chat (app e web di Gemini)

Il modo più semplice per accedere a Gemini 2.0 Flash Thinking è tramite l’interfaccia chat di Google Gemini, disponibile sia nella web app di Gemini che nell’app mobile.

Al momento della pubblicazione di questo articolo, l’accesso a 2.0 Flash Thinking è gratuito per tutti gli utenti.

Usa il menu a tendina in alto a sinistra per selezionare il modello:

Google AI Studio

Google AI Studio è un altro modo per usare Flash Thinking. Questa piattaforma web è pensata per utenti più avanzati e ti consente di sperimentare le capacità di ragionamento del modello, controllare parametri come la temperatura, testare query complesse, esplorare risposte strutturate, ecc.

Gemini API

Per gli sviluppatori che desiderano integrare Flash Thinking nelle proprie applicazioni, Gemini 2.0 Flash Thinking è disponibile tramite la Gemini API.

Conclusione

Gemini 2.0 Flash Thinking Experimental amplia la spinta di Google nel ragionamento dell’AI, ora disponibile per gli utenti dell’app Gemini. Si distingue per la capacità di spiegare il proprio processo di pensiero, strutturare le risposte passo dopo passo e usare strumenti come Search, YouTube e Maps.

Pur essendo promettente, Flash Thinking deve ancora affrontare sfide come imprecisioni occasionali e un’eccessiva fiducia nelle fonti. Con OpenAI e DeepSeek che avanzano a loro volta nei modelli di ragionamento, sarà interessante vedere come evolverà la competizione in questo ambito. Ti consiglio anche di dare un’occhiata alla nostra guida al nuovo modello Gemini 3.