Gemini 3 の Deep Think が期待通りに動かない——よくある5つの問題と対処法

import google.generativeai as genai
from google.generativeai.types import GenerationConfig
 
genai.configure(api_key="YOUR_API_KEY")
 
# ❌ よくある間違い: 通常モデルで Deep Think を期待する
model_wrong = genai.GenerativeModel("gemini-3-1-pro")
# → 通常の回答が返ってくる（Deep Think 有効にならない）
 
# ✅ Deep Think 専用モデルを使う
model = genai.GenerativeModel("gemini-3-0-deep-think")
 
# モデル名を確認する習慣をつける
print(model.model_name)
# 期待: models/gemini-3-0-deep-think
 
response = model.generate_content(
    "フェルマーの最終定理の証明のアイデアを段階的に考えてください",
    generation_config=GenerationConfig(
        max_output_tokens=16384,
        temperature=1.0   # Deep Think では 1.0 が推奨値
    )
)
 
# 思考プロセスと回答を区別して出力する
for part in response.candidates[0].content.parts:
    if hasattr(part, "thought") and part.thought:
        print(f"[思考プロセス]: {part.text[:300]}...")
    else:
        print(f"[最終回答]: {part.text}")

# ❌ 思考が途中で切れる設定
response = model.generate_content(
    "この複雑な最適化問題を解いてください: ...",
    generation_config=GenerationConfig(
        max_output_tokens=1024  # Deep Think には全く足りない
    )
)
 
# finish_reason で終了理由を確認する
reason = response.candidates[0].finish_reason
print(f"終了理由: {reason}")
# "MAX_TOKENS" が返ってきたら設定が不足している

# ✅ 適切な設定でトークン消費量も計測する
response = model.generate_content(
    "以下のコードのパフォーマンスボトルネックを診断してください: ...",
    generation_config=GenerationConfig(
        max_output_tokens=16384,   # 思考 + 回答の両方を確保
        temperature=1.0
    )
)
 
# usage_metadata でトークン内訳を確認する
metadata = response.usage_metadata
print(f"入力トークン:  {metadata.prompt_token_count:,}")
print(f"思考トークン:  {metadata.thoughts_token_count:,}")
print(f"出力トークン:  {metadata.candidates_token_count:,}")

import time
 
start = time.time()
 
# ストリーミングでタイムアウトを回避
response_stream = model.generate_content(
    "次の数学的問題を詳細な証明付きで解いてください: ...",
    generation_config=GenerationConfig(
        max_output_tokens=16384,
        temperature=1.0
    ),
    stream=True
)
 
for chunk in response_stream:
    if hasattr(chunk, "text") and chunk.text:
        print(chunk.text, end="", flush=True)
 
elapsed = time.time() - start
print(f"\n\n処理時間: {elapsed:.1f}秒")

def analyze_deep_think_cost(prompt: str, model_name: str = "gemini-3-0-deep-think"):
    """Deep Think リクエストのコスト分析ユーティリティ"""
    
    genai.configure(api_key="YOUR_API_KEY")
    model = genai.GenerativeModel(model_name)
    
    response = model.generate_content(
        prompt,
        generation_config=GenerationConfig(
            max_output_tokens=16384,
            temperature=1.0
        )
    )
    
    metadata = response.usage_metadata
    
    # 料金レート（2026年5月時点・最新は公式サイトを確認）
    # gemini-3-0-deep-think: 入力 $3.50/1M、出力（思考含む）$10.50/1M
    INPUT_PRICE_PER_M = 3.50
    OUTPUT_PRICE_PER_M = 10.50
    
    input_cost = (metadata.prompt_token_count / 1_000_000) * INPUT_PRICE_PER_M
    thought_cost = (metadata.thoughts_token_count / 1_000_000) * OUTPUT_PRICE_PER_M
    output_cost = (metadata.candidates_token_count / 1_000_000) * OUTPUT_PRICE_PER_M
    total = input_cost + thought_cost + output_cost
    
    print(f"入力トークン: {metadata.prompt_token_count:,} → ${input_cost:.5f}")
    print(f"思考トークン: {metadata.thoughts_token_count:,} → ${thought_cost:.5f}")
    print(f"出力トークン: {metadata.candidates_token_count:,} → ${output_cost:.5f}")
    print(f"合計コスト:   ${total:.5f} (約 ¥{total * 150:.2f})")
    
    return response
 
# 使用例
response = analyze_deep_think_cost("P≠NP問題のアプローチについて考えてください")

# 思考プロセスの取得状況を詳細に確認する
response = model.generate_content(prompt)
 
print("=== レスポンス構造の確認 ===")
for i, candidate in enumerate(response.candidates):
    print(f"\n--- Candidate {i} ---")
    for j, part in enumerate(candidate.content.parts):
        is_thought = getattr(part, "thought", False)
        text_preview = part.text[:100] if part.text else "(空)"
        print(f"  Part {j}: thought={is_thought}, text='{text_preview}'")
 
# thought が一切ない場合の確認事項:
# 1. モデルが Deep Think / 思考モード対応モデルか
# 2. SDK が google-generativeai >= 0.8.0 か
# 3. API キーが有料プランに紐づいているか（Free Tier は制限あり）
# 4. safety_settings による出力フィルタリングが起きていないか

# safety が原因かどうか確認する
for candidate in response.candidates:
    print(f"finish_reason: {candidate.finish_reason}")
    for rating in candidate.safety_ratings:
        if rating.blocked:
            print(f"ブロックされたカテゴリ: {rating.category}")