Google julkaisee Gemini Decisions API:n nopeaan multimodaaliseen päätöksentekoon

Kuva: Comparison of Gemini Decision and other APIs against various benchmarks · Lähde

Google esittelee Gemini Decisions API:n, jossa käytetään Gemini Decision 1 -mallia, mahdollistaen nopeiden, kalibroitujen kyllä/ei-, monivalinta- ja pisteytyspäätösten tekemisen tekstin, kuvien, äänen, videon ja PDF-tiedostojen monimuotoisissa syötteissä yhdellä kertaa alhaisella viiveellä ja kustannuksella.

Google on julkaissut Gemini Decisions API:n, uuden työkalun, joka on suunniteltu tarjoamaan nopeita ja tarkasti kalibroituja päätöksiä useiden datatyyppien, kuten tekstin, kuvien, äänen, videon ja PDF-tiedostojen, välillä. APIä käyttää uusin Gemini Decision 1 -malli ja se on saatavilla Gemini API:n kautta Google AI Studiolla.

Tämä teknologia kykenee käsittelemään jopa 1 000 erillistä kyllä/ei-, monivalinta- ja asteikkoarviointikysymystä yhdellä läpimenolla yhdistetyllä multimodaalisella syötteellä, joka voi sisältää tekstiä ja mediaa jopa 256 000 tokenin verran. Perinteisistä generatiivisista menetelmistä poiketen, jotka tuottavat vastausta token tokenilta, Gemini Decision 1 arvioi ehdolla olevat vaihtoehdot samanaikaisesti ja antaa luottamusarviot ja todennäköisyydet noin 150–250 millisekunnin kokonaisviiveellä.

Google DeepMindin tuotepäällikkö Min Choin ja pääasiantuntija Felix Yun mukaan tämä lähestymistapa tarjoaa erittäin tehokkaan ja kustannustehokkaan tavan hoitaa suurimittaisia päätöksentekotehtäviä, kuten politiikan noudattamisen tarkistuksia, sisällön arviointia ja kyselyjen ohjausta. API veloittaa 0,10 dollaria per miljoona syötteen tokenia ilman maksua ulostulon tokeneille, tehden siitä lähes viisinkertaisesti edullisemman kuin aiemmat mallit, kuten Gemini 3.5 Flash-Lite Interactions API:n kautta.

Gemini Decisions API tukee kolmea päätöstyypiä: binaariset kyllä/ei-arviot, 2–255 vaihtoehdon monivalinnat ja järjestetyt asteikkapisteet, jotka antavat painotettuja jatkuvia tuloksia. Kehittäjät voivat yhdistää erilaisia syötetiloja, kuten ääni- tai puhelutallenteet tilitietojen kanssa tai skannatut PDF-dokumentit valokuvien kanssa, optimoiden visuaalisen resoluution parantaakseen yksityiskohtia ja hallitakseen token-kustannuksia.

Useat Googlen tiimit käyttävät jo tätä API:a erilaisiin käyttötarkoituksiin. Esimerkiksi Gemini Notebook hyödyntää sitä ohjatakseen kyselyt dynaamisesti sopivimmalle tekoälymallin tasolle, parantaen viivettä jopa 40 %. Suunnittelutyökalu Stitch integroi API:n nopeaan tuotteen virtauskaavioiden generointiin lähes reaaliaikaisella muokkauksella, ja Google Labsin sovellus CC käyttää sitä välittömään emojivasteen valintaan. Lisäksi Google Search hyödyntää API:a turvallisuuskerroksena havaitsemaan tehokkaasti vihamielistä sisältöä tiukkojen latenssivaatimusten puitteissa.

Kehittäjät voivat aloittaa Gemini Decisions API:n käytön välittömästi hankkimalla API-avaimen Google AI Studiosta, jossa on saatavilla dokumentaatio ja esimerkkisovelluksia Python-, JavaScript- ja REST-muodoissa. API integroituu myös useisiin suosittuihin ekosysteemeihin ja alustoihin, mukaan lukien OpenRouter, LangChain, Vercel, LiteLLM ja muut, ja tuki Gemini-mallille Google Cloudissa on tulossa lähiaikoina.

Tämä julkaisu heijastaa Googlen jatkuvaa panostusta skaalautuviin, matalan viiveen tekoälytyökaluihin, jotka pystyvät nopeasti arvioimaan monimutkaisia multimodaalisia syötteitä mahdollistaen entistä reagoivampia ja älykkäämpiä sovelluksia eri toimialoilla.