Google ने मंगळवारी जेमिनी निर्णय 1 (जेमिनी-निर्णय-1) नावाच्या उद्देश-निर्मित मॉडेलद्वारे समर्थित, जलद, बंद-सेट निर्णयांसाठी तयार केलेला एक नवीन एंडपॉइंट, जेमिनी निर्णय API सादर केला. Google च्या घोषणेनुसार, Google एआय स्टुडिओमध्ये जेमिनी API द्वारे API आता उपलब्ध आहे.

खेळपट्टी सोपी आहे: उत्पादन एआय कार्याच्या मोठ्या वर्गाला निबंध लिहिणाऱ्या मॉडेलची आवश्यकता नाही. साधन निवड, पॉलिसी तपासणे, मॉडेल राउटिंग आणि संदर्भ प्रतवारी या सर्व बाउंडेड निवडी आहेत - आणि त्यांच्यासाठी, मजकूर निर्मिती संथ, महाग आणि खराब कॅलिब्रेटेड आहे. Decisions API त्याऐवजी तुमचे उमेदवार पर्याय घेते आणि त्यांना स्कोअर करते, व्युत्पन्न केलेल्या उत्तर मजकुराच्या ऐवजी संभाव्यता आणि आत्मविश्वास स्कोअर देते.

यासारख्या डेव्हलपर टूल्सच्या अधिक संदर्भासाठी, आमचे AI टूल्स कव्हरेज फॉलो करा.

एक इनपुट, 1,000 प्रश्नांपर्यंत, एक फॉरवर्ड पास

API चे इनपुट मॉडेल असामान्य आणि मुद्दाम आहे. विकसक एक मल्टीमोडल इनपुट पास करतात — मजकूर, प्रतिमा, ऑडिओ, व्हिडिओ किंवा PDF, 256K टोकन पर्यंत संदर्भांसह — एकाच विनंतीमध्ये 1,000 पर्यंत स्वतंत्र प्रश्नांसह. प्रश्नांमध्ये होय/नाही चेक, एकाधिक-निवड निवडी आणि समान सामायिक केलेल्या इनपुटमध्ये रुब्रिक स्कोअर मिसळू शकतात.

कारण जेमिनी डिसीजन 1 एक एक करून टोकन डीकोड करण्याऐवजी सिंगल फॉरवर्ड पासमध्ये उमेदवार पर्यायांना स्कोअर करतो, Google 50-100 मिलीसेकंदांच्या मध्यवर्ती मॉडेलची गणना आणि 150-250 मिलीसेकंदांच्या एंड-टू-एंड लेटन्सीचा अहवाल देतो. कंपनीचे म्हणणे आहे की प्रति विनंती 1 ते 100 पर्यंत प्रश्न स्केल म्हणून कार्यप्रदर्शन जवळजवळ सपाट राहते आणि सामायिक इनपुटचे बिल कितीही प्रश्नांविरुद्ध मूल्यमापन केले तरीही एकदाच दिले जाते.

किंमत: कधीही आउटपुट टोकन नाही

मिथुन निर्णय 1 ची किंमत प्रति 1 दशलक्ष इनपुट टोकन $0.10 आहे, शून्य आउटपुट टोकन बिल केले जाते — जनरेटिव्ह API मधील एक अर्थपूर्ण संरचनात्मक फरक, जेथे आउटपुट टोकन सहसा बिलावर वर्चस्व गाजवतात. Google म्हणते की डिसिजन API त्याच्या शेअर केलेल्या बेंचमार्क सूटमध्ये जेमिनी 3.5 फ्लॅश-लाइट पेक्षा जवळजवळ 5x स्वस्त बनवते जे इंटरॅक्शन API द्वारे वापरले जाते, कोणतेही वेगळे ऑडिओ ट्रान्सक्रिप्शन किंवा OCR शुल्क नाही. प्रोटोटाइपिंगसाठी Google AI स्टुडिओमध्ये विना-किंमत श्रेणी उपलब्ध आहे.

कॅलिब्रेशन हा मथळा दावा आहे

Google ची घोषणा कॅलिब्रेशनबद्दलच्या दाव्यासह आघाडीवर आहे: एजंट राउटिंग, तर्क, रँकिंग आणि मल्टीमॉडल समज या सर्व बेंचमार्कमध्ये, कंपनी म्हणते की जेमिनी निर्णय 1 सर्वात कमी कॅलिब्रेशन त्रुटीसह संच आघाडीवर आहे. प्रत्येक उत्तर 0 ते 1 पर्यंत आत्मविश्वास स्कोअरसह पाठवले जाते, त्यामुळे अनुप्रयोग कोड अस्पष्ट केसेस फॉलबॅक मॉडेल किंवा कमी-आत्मविश्वास वर्गीकरणावर विश्वास ठेवण्याऐवजी मानवी समीक्षकाकडे पाठवू शकतो.

कॅलिब्रेशन महत्त्वाचे आहे कारण एजंट सिस्टीममध्ये रूटिंग अयशस्वी होते. उच्च आत्मविश्वासाने चुकीचे साधन निवडणारा एजंट शांतपणे अपयशी ठरतो; एजंट ज्याला खात्री नसते तेव्हा माहीत असते ते कृपादृष्टीने खराब होऊ शकते. कॅलिब्रेटेड आत्मविश्वासाला प्रथम श्रेणीचे API आउटपुट बनवणे — वर्गीकरणाबरोबरच — लाँचचा सर्वात उत्पादन-मनाचा भाग आहे.

एकाच पासमध्ये नेटिव्ह मल्टीमोडॅलिटी

जेमिनीच्या मूळ मल्टीमोडल आर्किटेक्चरवर तयार केलेले, मॉडेल मजकूर, प्रतिमा, ऑडिओ, व्हिडिओ आणि PDF वर थेट एका फॉरवर्ड पासमध्ये प्रक्रिया करते. Google ची उदाहरणे व्यवहारातील पद्धतींचे मिश्रण दर्शवतात: खाते मेटाडेटासह कॉल रेकॉर्डिंग जोडणे, किंवा नुकसान फोटोंसह स्कॅन केलेला PDF विमा दावा, आणि टोकन खर्चाविरूद्ध व्हिज्युअल तपशील संतुलित करण्यासाठी प्रतिमा आणि व्हिडिओ इनपुटवर ट्यूनिंग रिझोल्यूशन.

कंपनीने अंतर्गत दत्तक देखील ठळक केले. Google म्हणते की संपूर्ण कंपनीतील संघ आधीच कमी-विलंब नियंत्रण विमान म्हणून निर्णय API वापरतात, कस्टम क्लासिफायर्सचे प्रशिक्षण देण्याऐवजी पर्याय परिभाषित करून शिपिंग वैशिष्ट्ये — स्टिच रॅपिडसह, ज्या घोषणा म्हणते की सेकंदात संपूर्ण उत्पादन प्रवाह डिझाइन करण्यासाठी API वापरते.

पहिल्या दिवसापासून इकोसिस्टम सपोर्ट

Google ने Python, JavaScript आणि REST साठी google-genai SDK सोबत OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit आणि OpenCode वर लॉन्च-डे इंटिग्रेशन सूचीबद्ध केले. घोषणेनुसार, Google Cloud वर जेमिनी मध्ये समर्थन लवकरच येत आहे.

डेव्हलपर आज Google AI स्टुडिओमधील API की सह प्रारंभ करू शकतात आणि Google ने प्रकाशित डेमो ॲप्स — डोअरस्टेप पार्सल, स्पीड स्केच आणि फाईंड द जू कीपर — विनंतीचे नमुने कृतीत दर्शविण्यासाठी.

एजंट अर्थव्यवस्थेसाठी ते महत्त्वाचे का आहे

Decisions API हे उदयोन्मुख एजंट स्टॅकच्या सर्वात कमी मोहक परंतु सर्वात जास्त वापरल्या जाणाऱ्या लेयरला लक्ष्य करते: एजंट प्रत्येक कार्यासाठी डझनभर वेळा सतत छोटे निर्णय घेतो. जर राउटिंग, पॉलिसी चेक आणि संदर्भ ग्रेडिंग अंदाजे किंमतीसह 150-250 मिलिसेकंदांवर चालू शकते, तर दीर्घकाळ चालणाऱ्या एजंट वर्कफ्लोचे अर्थशास्त्र भौतिकरित्या बदलते — निर्णय स्तर जनरेटिव्ह-मॉडेल अडथळे बनणे थांबवते आणि पारंपारिक पायाभूत सुविधांच्या जवळ जाते.

कमोडिटी किमतीच्या बिंदूशी फ्रंटियर-लॅब मल्टिमोडल क्षमता संलग्न करून, समर्पित वर्गीकरण आणि रूटिंग मॉडेल्स बनवणाऱ्या प्रतिस्पर्ध्यांच्या विरूद्ध Google चे स्थान अधिक धारदार करते. हे Google API मार्केट स्प्लिटिंग कुठे पाहते हे देखील सूचित करते: ओपन-एंडेड कामासाठी जनरेटिव्ह मॉडेल्स, बाउंडेड, उच्च-व्हॉल्यूम चेकसाठी निर्णय मॉडेल जे एजंट सिस्टमला रेलवर ठेवतात. स्वतंत्र बेंचमार्क कॅलिब्रेशन दाव्यांची पुष्टी करतात की नाही हे दत्तक वाढत असताना पाहण्यासाठी मेट्रिक असेल.

---

एआयच्या पुढे राहा

नवीनतम AI बातम्या, विश्लेषण आणि यश मिळवा — सर्व एकाच ठिकाणी.

अधिक AI बातम्या वाचा →