Google ievieš Gemini Decisions API ātrai un multimodālai lēmumu pieņemšanai

Attēls: Comparison of Gemini Decision and other APIs against various benchmarks · Avots

Google prezentē Gemini Decisions API ar Gemini Decision 1 modeli, kas ļauj ātri un kalibrēti pieņemt jā/nē, daudzvērtību un vērtēšanas lēmumus tekstu, attēlu, audio, video un PDF formātos vienā reizē ar zemu latentumu un izmaksām.

Google ir paziņojis par Gemini Decisions API, jaunu rīku, kas paredzēts ātrai un kalibrētai lēmumu pieņemšanai dažādos datu veidos, tostarp tekstā, attēlos, audio, video un PDF dokumentos. Šo API darbina jaunākais Gemini Decision 1 modelis, un tas ir pieejams caur Gemini API Google AI Studio platformā.

Šī tehnoloģija spēj apstrādāt līdz pat 1000 atšķirīgiem jā/nē, daudzvērtību un vērtēšanas jautājumiem vienā kombinēta multimodāla ievades gājienā, kas var ietvert tekstu un multimediju līdz pat 256 000 tokenu apjomā. Atšķirībā no tradicionālajām ģeneratīvām pieejām, kas ražo izejas tokenu pa tokenu, Gemini Decision 1 vienlaicīgi izvērtē kandidātu opcijas, nodrošinot pārliecības vērtējumus un varbūtības aptuveni 150 līdz 250 milisekunžu kopējā latentuma laikā.

Google DeepMind produktu vadītājs Min Choi un vadošais zinātnieks Felix Yu norāda, ka šī pieeja nodrošina ļoti efektīvu un izmaksu ziņā izdevīgu veidu, kā apstrādāt lielas apjoma lēmumu pieņemšanas uzdevumus, piemēram, politiku atbilstības pārbaudes, satura vērtēšanu un pieprasījumu maršrutēšanu. API izmaksas ir 0,10 ASV dolāri par miljonu ievades tokenu bez maksas par izejas tokeniem, padarot to aptuveni piecas reizes lētāku nekā iepriekšējie modeļi kā Gemini 3.5 Flash-Lite, kas izmanto Interactions API.

Gemini Decisions API atbalsta trīs lēmumu veidus: bināras jā/nē izvērtēšanas, daudzvērtību izvēles no 2 līdz 255 iespējām un kārtotas vērtēšanas rubrikas, kas nodrošina svērti nepārtrauktus rezultātus. Izstrādātāji var kombinēt dažādas ievades modalitātes, piemēram, apvienojot audio zvanu ierakstus ar konta informāciju vai skenētus PDF dokumentus ar fotogrāfijām, optimizējot vizuālo izšķirtspēju, lai sabalansētu detaļas un tokenu izmaksas.

Vairāki Google komandas jau izmanto API dažādās lietojumprogrammās. Piemēram, Gemini Notebook to izmanto, lai dinamiski virzītu pieprasījumus uz vispiemērotāko AI modeļu līmeni, uzlabojot latentumu līdz pat 40%. Dizaina rīks Stitch integrē API ātrai produkta plūsmas karkasa izveidei ar gandrīz reāllaika rediģēšanu, un Google Labs lietotne CC izmanto to tūlītējai emocijzīmju reakcijas izvēlei. Turklāt Google Search izmanto API kā drošības slāni, lai efektīvi atklātu naidīgu saturu stingros latentuma ierobežojumos.

Izstrādātāji var nekavējoties sākt izmantot Gemini Decisions API, iegūstot API atslēgu Google AI Studio, kur ir pieejama dokumentācija un piemēru lietojumprogrammas Python, JavaScript un REST formātos. API arī integrējas ar vairākām populārām ekosistēmām un platformām, tostarp OpenRouter, LangChain, Vercel, LiteLLM un citām, un drīzumā gaidāma Gemini atbalsts Google Cloud.

Šī izlaišana atspoguļo Google pastāvīgo fokusu uz mērogojamām un zemas latentuma mākslīgā intelekta rīkiem, kas spēj ātri izvērtēt sarežģītu multimodālu ievadi, ļaujot radīt atsaucīgākas un gudrākas lietojumprogrammas dažādās nozarēs.