Google tutvustab Gemini Decisions API-d kiireks ja multimodaalseks otsuste tegemiseks

Pilt: Comparison of Gemini Decision and other APIs against various benchmarks · Allikas

Google toob turule Gemini Decisions API, mis kasutab Gemini Decision 1 mudelit, võimaldades teha kiireid ja kalibreeritud jah/ei, valikvastustega ja hindamise otsuseid teksti, piltide, heli, video ja PDF-ide põhjal ühe läbivaatusega madala latentsuse ja kuluga.

Google on avalikustanud Gemini Decisions API, uue tööriista, mis on loodud kiireks ja kalibreeritud otsuste tegemiseks mitmesugustel andmetüüpidel, sealhulgas tekst, pildid, heli, video ja PDF-id. API töötab värskeima Gemini Decision 1 mudeli põhjal ning on ligipääsetav Gemini API kaudu Google AI Studios.

See tehnoloogia suudab töödelda kuni 1000 erinevat jah/ei, valikvastuste ja skoorimise küsimust ühes läbimises kombineeritud multimodaalse sisendi kohta, mis võib sisaldada kuni 256 000 tokenit teksti ja meediat. Erinevalt traditsioonilistest generatiivsetest lähenemistest, mis toodavad väljundit tokeni kaupa, hindab Gemini Decision 1 kõiki võimalikke valikuid korraga, andes usaldusväärsusskoore ja tõenäosused umbes 150 kuni 250 millisekundi pikkuse lõplik latentsusajaga.

Google DeepMindi tootepääle Min Choi ja peateadlase Felix Yu sõnul pakub see meetod väga tõhusat ja kuluefektiivset viisi suuremahuliste otsustamisülesannete lahendamiseks, nagu poliitikate järgimise kontroll, sisu hindamine ja päringute marsruutimine. API hinnastatakse 0,10 dollarit miljoni sisend-tokeni kohta, väljund-tokenite eest tasu ei võeta, mis teeb selle ligi viis korda odavamaks võrreldes varasemate mudelitega nagu Gemini 3.5 Flash-Lite Interactions API kasutamisel.

Gemini Decisions API toetab kolme otsusetüüpi: binaarseid jah/ei hinnanguid, valikvastuseid 2–255 variandist ja järjestatud rubriikide skoorimist, mis annab kaalutud pidevaid tulemusi. Arendajad saavad kombineerida erinevaid sisendimooduseid, näiteks sidudes helikõnede salvestisi kontoinformatsiooniga või skaneeritud PDF-e fotodega, optimeerides visuaalset resolutsiooni detailide ja tokenite hinna tasakaalustamiseks.

Mitmed Google’i meeskonnad kasutavad juba API-d eri rakendustes. Näiteks kasutab Gemini Notebook seda päringute dünaamiliseks suunamiseks sobivaimale tehisintellekti mudelite kihile, parandades latentsust kuni 40%. Disainitööriist Stitch integreerib API kiireks toote voogude joonistamiseks koos peaaegu reaalajas toimiva redigeerimisega ning Google Labsi rakendus CC kasutab seda kohese emotikonide reaktsioonide valimiseks. Lisaks rakendab Google Search API-d turvakihina vastupanuvõimelise sisu tuvastamiseks range latentsuse piiranguga.

Arendajad saavad alustada Gemini Decisions API kasutamist kohe, hankides Google AI Studio’st API võtme, kus on saadaval dokumentatsioon ja näidisrakendused Pythonis, JavaScriptis ja REST formaadis. API ühildub mitmete populaarsete ökosüsteemide ja platvormidega, sealhulgas OpenRouteri, LangChaini, Verceli, LiteLLM-i ja teistega ning peatselt on oodata Gemini tuge Google Cloudis.

See avalikustus peegeldab Google'i jätkuvat rõhku skaleeritavatele ja madala latentsusajaga tehisintellekti tööriistadele, mis võimaldavad kiiresti hinnata keerukaid multimodaalseid sisendeid, toetades seeläbi reageerivamaid ja nutikamaid rakendusi erinevates tööstusharudes.