Google lanserar Gemini Decisions API för snabb, multimodal beslutsfattning

Bild: Comparison of Gemini Decision and other APIs against various benchmarks · Källa

Google introducerar Gemini Decisions API med Gemini Decision 1-modellen som möjliggör snabba, kalibrerade ja/nej-, flervals- och poängsättningsbeslut över text, bilder, ljud, video och PDF-filer i ett enda steg med låg latens och kostnad.

Google har lanserat Gemini Decisions API, ett nytt verktyg designat för att leverera snabba, kalibrerade beslut över flera datatyper inklusive text, bilder, ljud, video och PDF-filer. API:et drivs av senaste Gemini Decision 1-modellen och är tillgängligt via Gemini API på Google AI Studio.

Denna teknik kan hantera upp till 1 000 distinkta ja/nej-, flervals- och rubric-poängsättningsfrågor i ett enda framåtsteg med en kombinerad multimodal ingång, som kan inkludera text och media på upp till 256 000 tokens. Till skillnad från traditionella generativa metoder som producerar utdata token för token, utvärderar Gemini Decision 1 kandidatval samtidigt, vilket ger förtroendescore och sannolikheter med en total latens på cirka 150 till 250 millisekunder.

Enligt Googles DeepMind produktchef Min Choi och principal scientist Felix Yu erbjuder detta tillvägagångssätt ett mycket effektivt och kostnadseffektivt sätt att hantera storskaliga beslutsuppgifter som efterlevnadskontroller, innehållsbedömning och dirigering av förfrågningar. API:et kostar 0,10 USD per miljon inmatade tokens, utan avgifter för utdata-tokens, vilket gör det nästan fem gånger billigare än tidigare modeller som Gemini 3.5 Flash-Lite via Interactions API.

Gemini Decisions API stöder tre beslutstyper: binära ja/nej-utvärderingar, flervalsval från 2 till 255 alternativ och ordnade rubric-poäng som ger viktade kontinuerliga resultat. Utvecklare kan kombinera olika inmatningsmodaliteter, som att para ihop ljudinspelningar från samtal med kontoinformation eller skannade PDF-dokument med foton, och optimera den visuella upplösningen för att balansera detaljrikedom och kostnad i tokens.

Flera Google-team använder redan API:et för olika tillämpningar. Exempelvis använder Gemini Notebook det för att dynamiskt dirigera frågor till det mest lämpliga AI-modellskiktet, vilket förbättrar latensen med upp till 40 %. Designverktyget Stitch integrerar API:et för snabb generering av produktflödes-wireframes med nästan realtidsredigering och Google Labs appen CC använder det för omedelbar val av emoji-reaktioner. Dessutom använder Google Search API:et som ett säkerhetslager för att effektivt upptäcka adversarialt innehåll inom strikta latenskrav.

Utvecklare kan börja använda Gemini Decisions API omedelbart genom att skaffa en API-nyckel från Google AI Studio, där dokumentation och exempelapplikationer finns tillgängliga i Python, JavaScript och REST. API:et integreras även med flera populära ekosystem och plattformar, inklusive OpenRouter, LangChain, Vercel, LiteLLM med flera, och stöd för Gemini i Google Cloud kommer snart.

Denna lansering speglar Googles fortsatta fokus på skalbara AI-verktyg med låg latens som snabbt kan utvärdera komplexa multimodala ingångar, vilket möjliggör mer responsiva och intelligenta applikationer över branscher.