Google lanserer Gemini Decisions API for rask, multimodal beslutningstaking

Bilde: Comparison of Gemini Decision and other APIs against various benchmarks · Kilde

Google introduserer Gemini Decisions API med Gemini Decision 1-modellen, som muliggjør raske, kalibrerte ja/nei-, flervalg- og poengbeslutninger over tekst, bilder, lyd, video og PDF-filer i ett enkelt gjennomløp med lav ventetid og kostnad.

Google har lansert Gemini Decisions API, et nytt verktøy designet for å levere raske, kalibrerte beslutninger på tvers av flere datatyper inkludert tekst, bilder, lyd, video og PDF-filer. API-et drives av den nyeste Gemini Decision 1-modellen og er tilgjengelig gjennom Gemini API på Google AI Studio.

Denne teknologien kan behandle opptil 1 000 distinkte ja/nei-, flervalg- og rubrikk-poengsettingsspørsmål i ett enkelt fremoverløp av en kombinert multimodal input, som kan inkludere tekst og medier på opptil 256 000 tokens. I motsetning til tradisjonelle generative tilnærminger som produserer utdata token for token, evaluerer Gemini Decision 1 kandidatvalg samtidig, og gir tillitsnivåer og sannsynligheter med en total latens på omtrent 150 til 250 millisekunder.

Ifølge Google DeepMind produktsjef Min Choi og forskningsleder Felix Yu tilbyr denne tilnærmingen en svært effektiv og kostnadseffektiv måte å håndtere storskala beslutningsoppgaver som retningslinjeoverholdelse, innholdsbedømming og ruting av henvendelser. API-et koster 0,10 USD per million inntakstokener, uten avgift for output-token, noe som gjør det nesten fem ganger rimeligere enn tidligere modeller som Gemini 3.5 Flash-Lite ved bruk av Interactions API.

Gemini Decisions API støtter tre beslutningstyper: binære ja/nei-evalueringer, flervalg fra 2 til 255 alternativer, og ordnede rubrikkpoeng som gir vektede kontinuerlige resultater. Utviklere kan kombinere forskjellige inputmodaliteter, for eksempel å koble lydopptak av samtaler med kontoinformasjon eller skannede PDF-dokumenter med fotografier, og optimalisere visuell oppløsning for å balansere detaljnivå og tokenkostnad.

Flere Google-team bruker allerede API-et til ulike formål. For eksempel bruker Gemini Notebook det til å dynamisk rute forespørsler til det mest passende AI-modelllaget, noe som forbedrer ventetiden med opptil 40 %. Designverktøyet Stitch integrerer API-et for rask generering av produktflyt-wireframes med nær sanntidsredigering, og Google Labs-appen CC benytter det for umiddelbart valg av emoji-reaksjoner. I tillegg bruker Google Search API-et som et sikkerhetslag for effektivt å oppdage fiendtlig innhold innen strenge ventetidsrammer.

Utviklere kan begynne å bruke Gemini Decisions API umiddelbart ved å skaffe en API-nøkkel fra Google AI Studio, hvor dokumentasjon og eksempelkoder er tilgjengelige i Python, JavaScript og REST. API-et integreres også med flere populære økosystemer og plattformer, inkludert OpenRouter, LangChain, Vercel, LiteLLM med flere, og støtte for Gemini i Google Cloud kommer snart.

Denne lanseringen reflekterer Googles kontinuerlige fokus på skalerbare, lave-latens AI-verktøy som raskt kan evaluere komplekse, multimodale innganger, noe som muliggjør mer responsive og intelligente applikasjoner på tvers av bransjer.