„Google“ pristato „Gemini Decisions API“ greitiems multimodaliniams sprendimams priimti

Vaizdas: Comparison of Gemini Decision and other APIs against various benchmarks · Šaltinis

„Google“ pristato „Gemini Decisions API“ su modeliu Gemini Decision 1, leidžiantį greitai ir tiksliai priimti taip/ne, kelių pasirinkimų bei įvertinimo sprendimus per tekstą, vaizdus, garsą, vaizdo įrašus ir PDF failus vienu metu, už mažą laiką ir kainą.

„Google“ pristatė „Gemini Decisions API“ – naują įrankį, skirtą greitiems, tiksliai kalibruotiems sprendimams priimti įvairiais duomenų tipais, įskaitant tekstą, vaizdus, garsą, vaizdo įrašus ir PDF failus. API veikia naudojant naujausią modelį Gemini Decision 1 ir yra prieinama per Gemini API „Google AI Studio“ platformoje.

Ši technologija gali apdoroti iki 1000 atskirų taip/ne, kelių pasirinkimų ir vertinimo skalės klausimų vienu kartu, apdorojant kombinuotą multimodalinį įvedimą, kuris gali apimti tekstą ir mediją iki 256 000 žetonų. Skirtingai nuo tradicinių generatyviųjų metodų, kurie generuoja atsakymus žetoną po žetono, Gemini Decision 1 vienu metu įvertina kandidatines galimybes, pateikdamas pasitikėjimo įverčius ir tikimybes per maždaug 150–250 milisekundžių bendrą vėlavimą.

Pasak „Google DeepMind“ produktų vadovo Min Choi ir vyresniojo mokslininko Felixo Yu, toks požiūris yra itin efektyvus ir ekonomiškas didelio masto sprendimų užduotims, tokioms kaip politikos atitikties patikrinimas, turinio vertinimas bei užklausų nukreipimas. API kainuoja 0,10 USD už milijoną įvesties žetonų, išvesties žetonų už mokestį neskaičiuojant, todėl tai beveik penkis kartus pigiau nei ankstesni modeliai, pavyzdžiui, Gemini 3.5 Flash-Lite naudojantis Interactions API.

„Gemini Decisions API“ palaiko tris sprendimų tipus: dvejetainius taip/ne vertinimus, kelių pasirinkimų klausimus nuo 2 iki 255 variantų ir rūšiavimo vertinimo skalę, suteikiančią išvesties rezultatus su svoriais. Kūrėjai gali derinti įvairias įvesties modalidades, pavyzdžiui, garsinius skambučio įrašus su paskyros informacija arba nuskaitytus PDF dokumentus su nuotraukomis, optimizuodami vaizdo raišką, siekiant subalansuoti detalumą ir žetonų kainą.

Keli „Google“ komandos jau naudoja šią API įvairioms taikomosioms programoms. Pavyzdžiui, „Gemini Notebook“ naudoja ją užklausoms dinamiškai nukreipti į tinkamiausią AI modelio lygį, pagerindama vėlavimą iki 40 %. Dizaino įrankis „Stitch“ integruoja API greitam produktų srautų braižymui su beveik realaus laiko redagavimu, o programėlė „Google Labs“ – CC – naudoja ją greitoms emocijų pasirinkimo reakcijoms. Be to, „Google Search“ naudoja API kaip saugos sluoksnį, efektyviai aptikdama priešišką turinį griežtų delsos apribojimų sąlygomis.

Kūrėjai gali pradėti naudotis „Gemini Decisions API“ iškart, gaudami API raktą iš „Google AI Studio“, kur pateikiama dokumentacija ir pavyzdinės programos Python, JavaScript ir REST formatais. API taip pat integruojama su keliomis populiariomis ekosistemomis ir platformomis, įskaitant OpenRouter, LangChain, Vercel, LiteLLM ir kt., o netrukus bus palaikymas „Gemini“ Google Cloud aplinkoje.

Šis išleidimas atspindi tolesnį „Google“ dėmesį masteliui pritaikomiems, žemos delsos AI įrankiams, kurie gali greitai įvertinti sudėtingą multimodalinį įvestį ir taip leisti kurti labiau reaguojančias ir pažangias pritaikytas programas įvairiose pramonės šakose.