گوگل روز سه شنبه Gemini Decisions API را معرفی کرد، یک نقطه پایانی جدید که برای تصمیم گیری های سریع و بسته ساخته شده است، که توسط یک مدل هدفمند به نام Gemini Decision 1 (gemini-decision-1) طراحی شده است. طبق اعلام گوگل، API اکنون از طریق Gemini API در استودیوی هوش مصنوعی گوگل در دسترس است.

طرح ساده است: یک کلاس بزرگ از کارهای تولیدی هوش مصنوعی نیازی به مدلی ندارد که مقاله بنویسد. انتخاب ابزار، بررسی خط‌مشی، مسیریابی مدل و درجه‌بندی زمینه همگی انتخاب‌های محدودی هستند – و برای آن‌ها، تولید متن تولیدی کند، گران و ضعیف است. در عوض Decisions API گزینه‌های نامزد شما را می‌گیرد و به آنها امتیاز می‌دهد و به جای متن پاسخ، احتمالات و امتیازات اطمینان را برمی‌گرداند.

برای اطلاعات بیشتر درباره ابزارهای توسعه‌دهنده مانند این، [پوشش ابزارهای هوش مصنوعی] (https://aibuzzwire.news) ما را دنبال کنید.

یک ورودی، تا 1000 سوال، یک پاس رو به جلو

مدل ورودی API غیرمعمول و عمداً چنین است. توسعه‌دهندگان یک ورودی چندوجهی - متن، تصاویر، صدا، ویدئو یا فایل‌های PDF، با زمینه‌های تا ۲۵۶ هزار توکن را به همراه حداکثر ۱۰۰۰ سوال مستقل در یک درخواست ارسال می‌کنند. سؤال‌ها می‌توانند چک‌های بله/خیر، انتخاب‌های چند گزینه‌ای و امتیازات روبریک را در مقابل ورودی مشترک یکسان ترکیب کنند.

از آنجایی که Gemini Decision 1 به جای رمزگشایی رمزگشایی یک به یک، گزینه‌های نامزد را در یک پاس رو به جلو امتیاز می‌دهد، گوگل میانگین محاسبه مدل را 50 تا 100 میلی‌ثانیه و تأخیر انتها به انتها 150 تا 250 میلی‌ثانیه گزارش می‌دهد. این شرکت می‌گوید عملکرد تقریباً ثابت می‌ماند زیرا سؤالات از 1 تا 100 در هر درخواست مقیاس می‌شوند و ورودی مشترک یک بار بدون توجه به تعداد سؤالات ارزیابی می‌شود.

قیمت گذاری: هیچ نشانه خروجی، هرگز

Gemini Decision 1 به ازای هر 1 میلیون توکن ورودی 0.10 دلار قیمت دارد، با توکن های خروجی صفر صورتحساب - یک تفاوت ساختاری معنادار با API های مولد، جایی که توکن های خروجی معمولاً بر صورت حساب غالب هستند. گوگل می‌گوید که API تصمیم‌گیری‌ها را تقریباً 5 برابر ارزان‌تر از Gemini 3.5 Flash-Lite می‌کند که از طریق Interactions API استفاده می‌شود، بدون هزینه‌های رونویسی صوتی یا OCR جداگانه. یک ردیف بدون هزینه در Google AI Studio برای نمونه سازی در دسترس است.

کالیبراسیون ادعای سرفصل است

اعلامیه گوگل با ادعایی در مورد کالیبراسیون پیشرو است: در معیارهایی که مسیریابی عامل، استدلال، رتبه بندی و درک چندوجهی را در بر می گیرد، این شرکت می گوید که Gemini Decision 1 مجموعه را با کمترین خطای کالیبراسیون هدایت می کند. هر پاسخ با امتیاز اطمینان از 0 تا 1 ارسال می‌شود، بنابراین کد برنامه می‌تواند موارد مبهم را به جای اعتماد به طبقه‌بندی کم‌اعتماد به یک مدل بازگشتی یا یک بازبین انسانی هدایت کند.

کالیبراسیون اهمیت دارد زیرا خرابی های مسیریابی در سیستم های عامل ترکیب می شوند. عاملی که ابزار اشتباهی را با اطمینان بالا انتخاب می‌کند بی‌صدا شکست می‌خورد. عاملی که می‌داند چه زمانی مطمئن نیست می‌تواند به زیبایی تنزل پیدا کند. ایجاد اطمینان کالیبره شده به یک خروجی API درجه یک - در کنار خود طبقه بندی - مسلماً سازنده ترین بخش راه اندازی است.

چندوجهی بومی در یک پاس

این مدل که بر اساس معماری چندوجهی بومی Gemini ساخته شده است، متن، تصاویر، صدا، ویدئو و فایل‌های PDF را مستقیماً با یک پاس رو به جلو پردازش می‌کند. نمونه‌های Google ترکیبی از روش‌ها را در عمل نشان می‌دهند: جفت کردن ضبط تماس با فراداده حساب، یا ادعای بیمه پی‌دی‌اف اسکن شده با عکس‌های آسیب، و تنظیم وضوح در ورودی‌های تصویر و ویدیو برای متعادل کردن جزئیات بصری در مقابل هزینه توکن.

این شرکت همچنین پذیرش داخلی را برجسته کرد. گوگل می‌گوید تیم‌های سراسر شرکت از هم‌اکنون از Decisions API به‌عنوان یک هواپیمای کنترلی با تأخیر کم استفاده می‌کنند و ویژگی‌ها را با تعریف گزینه‌ها به جای آموزش طبقه‌بندی‌کننده‌های سفارشی ارسال می‌کنند - از جمله Stitch Rapid، که طبق اعلامیه از API برای طراحی کل جریان محصول در چند ثانیه استفاده می‌کند.

پشتیبانی از اکوسیستم از روز اول

گوگل ادغام های روز راه اندازی را در OpenRouter، LangChain، Vercel، LiteLLM، Pydantic AI، Pipecat، LiveKit و OpenCode، در کنار SDK های google-genai برای Python، JavaScript و REST فهرست کرده است. بر اساس اعلامیه، پشتیبانی Gemini در Google Cloud به زودی ارائه می شود.

توسعه‌دهندگان می‌توانند از امروز با یک کلید API در استودیوی هوش مصنوعی گوگل شروع کنند، و گوگل برنامه‌های نمایشی - Doorstep Parcels، Speed ​​Sketch و Find the Zoo Keeper - را منتشر کرد تا الگوهای درخواست را در عمل نشان دهند.

چرا برای اقتصاد عامل مهم است

Decisions API کمترین جذابیت، اما به شدت تمرین‌شده‌ترین لایه پشته عامل در حال ظهور را هدف قرار می‌دهد: تصمیمات کوچک ثابتی که یک عامل در هر کار ده‌ها بار می‌گیرد. اگر مسیریابی، بررسی خط مشی و درجه بندی زمینه بتواند در 150 تا 250 میلی ثانیه با قیمت گذاری قابل پیش بینی اجرا شود، اقتصاد جریان کار طولانی مدت نماینده به طور اساسی تغییر می کند - لایه تصمیم دیگر یک گلوگاه مدل مولد نیست و به زیرساخت های سنتی نزدیک تر می شود.

این راه‌اندازی همچنین موقعیت گوگل را در برابر رقبا که مدل‌های طبقه‌بندی و مسیریابی اختصاصی می‌سازند، با اتصال قابلیت چندوجهی آزمایشگاه مرزی به قیمت کالا، تیزتر می‌کند. همچنین نشان می‌دهد که Google کجا بازار API را می‌بیند: مدل‌های مولد برای کار بدون پایان، مدل‌های تصمیم‌گیری برای بررسی‌های محدود و با حجم بالا که سیستم‌های عامل را روی ریل نگه می‌دارد. این که آیا معیارهای مستقل ادعاهای کالیبراسیون را تأیید می کنند، معیاری است که باید با رشد پذیرش تماشا کرد.

---

از هوش مصنوعی جلوتر بمانید

آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.

بیشتر بخوانید اخبار هوش مصنوعی →