We wtorek firma Google wprowadziła interfejs API Gemini Decisions, nowy punkt końcowy zbudowany z myślą o szybkich decyzjach o zamkniętym zbiorze, oparty na specjalnie zbudowanym modelu o nazwie Gemini Decision 1 (gemini-decision-1). Zgodnie z zapowiedzią Google, interfejs API jest już dostępny za pośrednictwem Gemini API w Google AI Studio.
Zasada jest prosta: duża klasa produkcyjnych prac AI nie potrzebuje modela piszącego eseje. Wybór narzędzi, weryfikacja zasad, routing modelu i ocena kontekstu to ograniczone możliwości — a w tym przypadku generowanie tekstu generatywnego jest powolne, kosztowne i źle skalibrowane. Zamiast tego interfejs Decisions API pobiera opcje kandydatów i ocenia je, zwracając prawdopodobieństwa i oceny pewności, a nie wygenerowany tekst odpowiedzi.
Więcej informacji na temat narzędzi dla programistów takich jak to znajdziesz w naszym opisie narzędzi AI.
Jedno wejście, do 1000 pytań, jedno przejście do przodu
Model wejściowy interfejsu API jest nietypowy i celowo. Programiści przekazują jedno multimodalne dane wejściowe — tekst, obrazy, dźwięk, wideo lub pliki PDF z kontekstami do 256 tys. tokenów — wraz z maksymalnie 1000 niezależnych pytań w jednym żądaniu. Pytania mogą łączyć kontrole „tak/nie”, opcje wielokrotnego wyboru i wyniki rubryk w oparciu o te same wspólne dane wejściowe.
Ponieważ decyzja Gemini 1 ocenia opcje kandydujące w jednym przebiegu do przodu, a nie dekoduje tokeny jeden po drugim, Google podaje, że średnie obliczenia modelu wynoszą 50–100 milisekund i całkowite opóźnienie wynoszące 150–250 milisekund. Firma twierdzi, że wydajność pozostaje prawie niezmienna, ponieważ liczba pytań na żądanie wynosi od 1 do 100, a opłata za wspólne dane wejściowe jest pobierana jednorazowo, niezależnie od liczby pytań, które zostały na nie ocenione.
Ceny: żadnych tokenów wyjściowych, nigdy
Cena decyzji Gemini 1 wynosi 0,10 USD za 1 milion tokenów wejściowych, a opłaty za tokeny wyjściowe są zerowe — co stanowi znaczącą różnicę strukturalną w porównaniu z generatywnymi interfejsami API, gdzie tokeny wyjściowe zwykle dominują na rachunku. Google twierdzi, że dzięki temu interfejs Decisions API jest prawie 5 razy tańszy we wspólnym pakiecie testów porównawczych niż Gemini 3.5 Flash-Lite używany za pośrednictwem interfejsu Interactions API, bez osobnej transkrypcji dźwięku i opłat za OCR. W Google AI Studio dostępna jest bezpłatna warstwa do prototypowania.
Kalibracja to główne twierdzenie
Oświadczenie Google zawiera twierdzenie dotyczące kalibracji: według testów porównawczych obejmujących routing agentów, rozumowanie, ranking i zrozumienie multimodalności, firma twierdzi, że decyzja Gemini 1 prowadzi w zestawie z najniższym błędem kalibracji. Każda odpowiedź ma współczynnik pewności od 0 do 1, więc kod aplikacji może skierować niejednoznaczne przypadki do modelu awaryjnego lub do osoby sprawdzającej, zamiast ufać klasyfikacji o niskim stopniu pewności.
Kalibracja ma znaczenie, ponieważ awarie routingu nasilają się w systemach agentów. Agent, który z dużą pewnością wybiera niewłaściwe narzędzie, ponosi porażkę; agent, który wie, kiedy jest niepewny, może z wdziękiem degradować. Zapewnienie skalibrowanej pewności pierwszorzędnemu wynikowi API – obok samej klasyfikacji – jest prawdopodobnie najbardziej zorientowaną na produkcję częścią wprowadzenia na rynek.
Natywna multimodalność w jednym przebiegu
Zbudowany w oparciu o natywną architekturę multimodalną Gemini, model przetwarza tekst, obrazy, dźwięk, wideo i pliki PDF bezpośrednio w jednym przebiegu do przodu. Przykłady Google pokazują łączenie różnych sposobów w praktyce: łączenie nagrania rozmowy z metadanymi konta lub zeskanowanego wniosku ubezpieczeniowego w formacie PDF ze zdjęciami uszkodzeń oraz dostrajanie rozdzielczości obrazu i wejść wideo, aby zrównoważyć szczegóły wizualne z kosztem tokena.
Firma podkreśliła również adopcję wewnętrzną. Google twierdzi, że zespoły w całej firmie korzystają już z interfejsu Decisions API jako płaszczyzny kontroli o niskim opóźnieniu i udostępniają funkcje poprzez definiowanie opcji, a nie szkolenie niestandardowych klasyfikatorów — w tym Stitch Rapid, który według ogłoszenia wykorzystuje interfejs API do projektowania całego przepływu produktów w ciągu kilku sekund.
Wsparcie ekosystemu od pierwszego dnia
Google umieściło w dniu premiery integracje z OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit i OpenCode, a także pakiety SDK Google-genai dla Pythona, JavaScript i REST. Z zapowiedzi wynika, że wkrótce pojawi się wsparcie w Gemini w Google Cloud.
Programiści mogą zacząć już dziś od klucza API w Google AI Studio i opublikowanych przez Google aplikacji demonstracyjnych – Doorstep Parcels, Speed Sketch i Find the Zoo Keeper – aby pokazać wzorce żądań w akcji.
Dlaczego ma to znaczenie dla gospodarki agentów
Interfejs API decyzji jest przeznaczony dla najmniej efektownej, ale najbardziej obciążonej warstwy powstającego stosu agentów: ciągłych, małych decyzji, które agent podejmuje dziesiątki razy w ramach każdego zadania. Jeśli routing, sprawdzanie zasad i ocenianie kontekstu będą mogły trwać 150–250 milisekund przy przewidywalnych cenach, ekonomika długotrwałych przepływów pracy agentów ulegnie istotnej zmianie — warstwa decyzyjna przestaje być wąskim gardłem modelu generatywnego i staje się bliższa tradycyjnej infrastrukturze.
Wprowadzenie na rynek wzmacnia także pozycję Google na tle konkurentów tworzących dedykowane modele klasyfikacji i wyznaczania tras, łącząc możliwości multimodalne w laboratorium pionierskim z ceną towaru. Sygnalizuje również, gdzie Google widzi podział rynku API: modele generatywne dla pracy otwartej, modele decyzyjne dla ograniczonych, masowych kontroli, które utrzymują systemy agentów w dobrej kondycji. To, czy niezależne testy porównawcze potwierdzą twierdzenia dotyczące kalibracji, będzie miernikiem, który należy obserwować w miarę wzrostu adopcji.
---
Wyprzedź sztuczną inteligencjęOtrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.
Przeczytaj więcej aktualności o sztucznej inteligencji →
