Gemini 3.7 Flash в терминале: запускаем ИИ-модели Google без браузера

Вчера Google выпустил Gemini 3.7 Flash — обновлённую версию лёгкой модели, а вместе с ней плагин llm-gemini обновился до версии 0.33. Теперь можно запускать генерацию текста, встраивания и даже серверные инструменты (например, выполнение кода) прямо из командной строки. Это полезно, если вы тестируете модели локально, автоматизируете задачи или не хотите зависеть от веб-интерфейса.

Зачем это нужно

Gemini 3.7 Flash позиционируется как быстрая и дешёвая альтернатива более тяжёлым моделям. В CLI вы получаете:

• Трассировку рассуждений (reasoning traces) — видите, как модель приходит к ответу.
• Серверные инструменты (server-side tools) — например, выполнение Python-кода без установки дополнительных библиотек.
• Доступ к новым моделям: Gemini 3.7 Flash, 3.6 Flash, 3.5 Flash Lite и двум моделям встраивания (embedding).

Если вы уже используете LLM (утилиту Simon Willison для работы с языковыми моделями), обновление займёт 5 минут.

Устанавливаем и обновляем плагин

Плагин llm-gemini работает поверх LLM. Сначала убедитесь, что у вас установлена последняя версия LLM (0.32 или новее):

``bash pip install --upgrade llm ``

Затем установите или обновите плагин:

``bash llm install llm-gemini llm plugins upgrade llm-gemini # если плагин уже установлен ``

Проверьте, что плагин доступен:

``bash llm models list ``

В списке должны появиться новые модели: gemini-3.7-flash, gemini-3.6-flash, gemini-3.5-flash-lite, gemini-embedding-2 и gemini-embedding-001.

Запускаем генерацию с трассировкой рассуждений

В LLM 0.32 появилась поддержка трассировки рассуждений — теперь вы можете видеть, как модель анализирует запрос. Запустите команду с флагом -v (verbose):

``bash llm -m gemini-3.7-flash -v "Объясни, как работает алгоритм сортировки слиянием" ``

В выводе появится дерево рассуждений: модель разобьёт задачу на шаги и покажет, как пришла к ответу.

Используем серверные инструменты

Плагин поддерживает серверные инструменты — например, выполнение кода. Для этого добавьте флаг -T и укажите инструмент. Вот как посчитать факториал и умножить его на 3:

``bash llm -m gemini-3.7-flash -T CodeExecution \ 'Используй Python, чтобы посчитать (факториал 13) * 3' ``

Модель сгенерирует код, выполнит его на сервере Google и вернёт результат. Поддерживаются инструменты CodeExecution и Retrieval (поиск по документам).

Генерируем изображения и работаем с SVG

Gemini 3.7 Flash умеет генерировать SVG-изображения. Попробуйте создать пеликана на велосипеде с разным уровнем детализации:

``bash llm -m gemini-3.7-flash \ 'Нарисуй SVG с пеликаном на велосипеде. Уровень детализации: высокий' ``

В выводе появится SVG-код. Сохраните его в файл:

``bash llm -m gemini-3.7-flash 'SVG с пеликаном на велосипеде, высокий уровень детализации' > pelican.svg ``

Важно: Safari корректно отображает пустые теги <filter> в SVG, а Firefox и Chrome — нет. Если пеликан не отображается, откройте файл в Safari или удалите пустые теги <filter>.

Работаем с встраиваниями (embedding)

Плагин поддерживает две модели встраивания: gemini-embedding-2 и gemini-embedding-001. Они полезны для поиска по документам, кластеризации или сравнения текстов. Пример:

``bash llm embed -m gemini-embedding-2 "Привет, мир!" ``

Результат — вектор встраивания, который можно сохранить в базу данных или использовать для сравнения с другими текстами.

Где ломается

1. Проблемы с SVG: Как упоминалось, Firefox и Chrome не отображают SVG с пустыми тегами <filter>. Если изображение не отображается, удалите эти теги вручную или используйте Safari.
2. Ограничения инструментов: Серверные инструменты (CodeExecution, Retrieval) работают только с моделями Gemini. Если вы используете другие плагины (например, для OpenAI), инструменты могут быть недоступны.
3. Версии LLM: Плагин требует LLM 0.32 или новее. Если у вас старая версия, обновите её перед установкой плагина.
4. API-ключи: Для работы с Gemini нужен API-ключ Google. Если вы не настроили его заранее, плагин попросит ввести ключ при первом запуске.

Что попробовать дальше

1. Сравните модели: Запустите одну и ту же задачу на gemini-3.7-flash, gemini-3.6-flash и gemini-3.5-flash-lite. Сравните скорость и качество ответов.
2. Автоматизируйте задачи: Напишите скрипт, который будет запускать LLM с разными инструментами (например, генерировать код и сразу выполнять его).
3. Интеграция с другими инструментами: Попробуйте подключить LLM к вашему пайплайну обработки данных или чат-боту.
4. Эксперименты с встраиваниями: Сохраните векторы встраиваний в базу данных (например, PostgreSQL с pgvector) и попробуйте реализовать семантический поиск.

Источники

• Simon Willison: llm-gemini 0.33