Gemini 2.0 Flash Thinking Experimental: een gids met voorbeelden

Wat is Gemini 2.0 Flash Thinking Experimental?

Google heeft Gemini 2.0 Flash Thinking Experimental geïntroduceerd als een nieuw AI-model voor geavanceerd redeneren. Het was aanvankelijk beschikbaar via Google AI Studio, de Gemini API en Vertex AI, en is nu ook uitgerold naar gebruikers van de Gemini-app.

In tegenstelling tot standaardtaalmodellen die prioriteit geven aan vloeiende antwoorden, wil Flash Thinking het denkproces uitsplitsen, stapsgewijze redenering tonen, meerdere opties afwegen en conclusies op een meer gestructureerde manier uitleggen.

Gemini 2.0 Flash Thinking Experimental is een multimodale AI-model, wat betekent dat het zowel tekst als afbeeldingen als input kan verwerken. Daardoor kun je het gebruiken voor taken die visuele context vereisen, zoals het interpreteren van diagrammen, het analyseren van grafieken of het destilleren van inzichten uit complexe documenten.

Maar in tegenstelling tot sommige andere multimodale modellen produceert Flash Thinking alleen tekstuele output; het genereert dus geen afbeeldingen of visuele data als antwoord.

Een van de opvallendste features is het enorme contextvenster, met ondersteuning voor tot 1 miljoen tokens aan input en antwoorden tot 64.000 tokens. Dit maakt het een van de ruimste AI-modellen voor langdurig redeneren, waardoor het hele boeken, onderzoeksartikelen of lange gesprekken kan analyseren en toch coherent blijft.

De hoge tokenlimiet zorgt ervoor dat het model complexe redeneringen over langere interacties kan volgen, zodat je minder vaak opnieuw context hoeft aan te leveren.

Een belangrijke beperking is dat Flash Thinking een knowledge cutoff heeft van juni 2024. Het heeft dus geen ingebouwde kennis van gebeurtenissen daarna.

Daarom kan het hallucineren of verkeerde aannames doen, zoals in het onderstaande voorbeeld. Omdat het nog niet gehoord had van Gemini 2.0 Flash Thinking Experimental, ging het er ten onrechte van uit dat dit model gelijkstond aan Gemini Advanced en gaf het een verkeerde datum.

Gemini 2.0 Flash Thinking Experimental met apps

Om de hierboven genoemde knowledge cutoff te ondervangen, heeft Google YouTube-, Maps- en Search-functionaliteit geïntegreerd in Gemini 2.0 Flash Thinking Experimental. Je kunt deze functionaliteit inschakelen via het modelkeuzemenu:

Let op dat het gebruik van deze tools geen correct antwoord garandeert. Zo had het nog steeds de releasedatum verkeerd, maar het zat er dit keer dichter bij—de juiste releasedatum is 5 februari 2025 (zie onderstaand voorbeeld). Dit kwam doordat het model de Search-tool gebruikte en zijn informatie haalde uit twee geciteerde websites. Omdat deze sites op 6 februari 2025 waren gepubliceerd, leidde het model daaruit ten onrechte af dat dat de releasedatum van Gemini 2.0 Flash Thinking Experimental was.

Het model kiest automatisch de benodigde tools op basis van je prompt. Toen ik bijvoorbeeld vroeg naar de beste autoroute van Boekarest naar Londen, koos het model automatisch de Google Maps-tool. Let op het Google Maps-pictogram hieronder en de vermelding van de Google Maps-tool in het redeneerproces.

Let op: ik gebruik deze triviale vragen alleen om het model te verkennen—voor de bovenstaande vraag is het eenvoudige 2.0 Flash-model al genoeg. Zoals we hieronder zien, komt Gemini 2.0 Flash Thinking Experimental het best tot zijn recht bij geavanceerde wiskunde, wetenschap en multimodaal redeneren.

Benchmarks: Gemini 2.0 Flash Thinking Experimental

Google’s Gemini 2.0 Flash Thinking Experimental laat aanzienlijke verbeteringen zien in redeneertaken en overtreft zijn voorgangers op meerdere belangrijke benchmarks (met focus op wiskunde, wetenschap en multimodaal resoneren).

Source: Google

Op de AIME2024 (wiskunde)-benchmark behaalde Gemini 2.0 Flash Thinking Experimental 73,3%, een forse stijging ten opzichte van de 35,5% van Gemini 2.0 Flash Experimental en de 19,3% van Gemini 1.5 Pro. Ter vergelijking: OpenAI’s o3-mini (high) scoorde 87,3% op deze benchmark.

Ook bij GPQA Diamond (wetenschap) haalde het model 74,2%, een verbetering ten opzichte van de 58,6% van de vorige versie. Ter vergelijking: DeepSeek-R1 scoorde 71,5% (pass@1—bij de eerste poging) op deze benchmark, terwijl OpenAI’s o1 75,7 (pass@1) scoorde en o3-mini (high) 79,7%.

In MMMU (multimodaal redeneren), dat het vermogen van het model beoordeelt om informatie over meerdere modaliteiten te integreren en te interpreteren, scoorde Gemini 2.0 Flash Thinking Experimental 75,4% en overtrof daarmee opnieuw eerdere iteraties.

Zoals we ook bij andere redeneermodellen zien, schalen de redeneervaardigheden van 2.0 Flash Thinking mee met meer inference compute (zie onderstaande grafiek). Inference compute verwijst naar de hoeveelheid rekenkracht die wordt gebruikt nadat je je prompt aan het model hebt gegeven.

Bron: Google

Hoe krijg je toegang tot Gemini 2.0 Flash Thinking Experimental

Google heeft Gemini 2.0 Flash Thinking Experimental beschikbaar gemaakt via meerdere platformen, inclusief directe toegang voor Gemini-gebruikers.

Gemini Chat (Gemini-app & web)

De eenvoudigste manier om Gemini 2.0 Flash Thinking te gebruiken is via Google’s Gemini-chatinterface, beschikbaar in zowel de webapp als de mobiele app van Gemini.

Op het moment van publicatie is toegang tot 2.0 Flash Thinking gratis voor alle gebruikers.

Gebruik het keuzemenu linksboven om het model te selecteren:

Google AI Studio

Google AI Studio is een andere manier om Flash Thinking te gebruiken. Dit webplatform is gericht op meer gevorderde gebruikers en laat je experimenteren met de redeneercapaciteiten van het model, parameters als temperature aanpassen, complexe queries testen, gestructureerde antwoorden verkennen, enzovoort.

Gemini API

Voor ontwikkelaars die Flash Thinking in hun applicaties willen integreren, is Gemini 2.0 Flash Thinking beschikbaar via de Gemini API.

Conclusie

Gemini 2.0 Flash Thinking Experimental breidt Google’s focus op AI-redeneren uit en is nu beschikbaar voor gebruikers van de Gemini-app. Het valt op doordat het zijn denkproces uitlegt, antwoorden stap voor stap structureert en tools als Search, YouTube en Maps inzet.

Hoewel veelbelovend, kent Flash Thinking nog uitdagingen, zoals sporadische onjuistheden en te sterke leunen op bronnen. Met OpenAI en DeepSeek die ook redeneermodellen vooruitstuwen, wordt het interessant om te zien hoe de concurrentie zich ontwikkelt. Bekijk ook onze gids voor het nieuwe Gemini 3-model.