เมื่อวันอังคารที่ผ่านมา Google ได้เปิดตัว Gemini Decisions API ซึ่งเป็นปลายทางใหม่ที่สร้างขึ้นเพื่อการตัดสินใจที่รวดเร็วและปิด โดยขับเคลื่อนโดยโมเดลที่สร้างขึ้นตามวัตถุประสงค์ที่เรียกว่า Gemini Decision 1 (gemini-decision-1) API พร้อมใช้งานแล้วผ่าน Gemini API ใน Google AI Studio ตามประกาศของ Google

การนำเสนอนั้นเรียบง่าย: งาน AI การผลิตระดับใหญ่ไม่จำเป็นต้องใช้แบบจำลองในการเขียนเรียงความ การเลือกเครื่องมือ การตรวจสอบนโยบาย การกำหนดเส้นทางโมเดล และการจัดระดับบริบท ล้วนเป็นตัวเลือกที่มีขอบเขตจำกัด และสำหรับสิ่งเหล่านั้น การสร้างข้อความแบบสร้างสรรค์นั้นช้า มีราคาแพง และปรับเทียบได้ไม่ดี Decisions API จะนำตัวเลือกของผู้สมัครมาให้คะแนนแทน โดยส่งคืนคะแนนความน่าจะเป็นและความมั่นใจ แทนที่จะสร้างข้อความคำตอบ

หากต้องการบริบทเพิ่มเติมเกี่ยวกับเครื่องมือสำหรับนักพัฒนาซอฟต์แวร์เช่นนี้ โปรดติดตาม ความครอบคลุมของเครื่องมือ AI

หนึ่งอินพุต มากถึง 1,000 คำถาม หนึ่งส่งต่อ

โมเดลอินพุตของ API นั้นผิดปกติและจงใจเป็นเช่นนั้น นักพัฒนาส่งอินพุตหลายรูปแบบ เช่น ข้อความ รูปภาพ เสียง วิดีโอ หรือ PDF พร้อมบริบทสูงถึง 256,000 โทเค็น พร้อมด้วยคำถามอิสระมากถึง 1,000 คำถามในคำขอเดียว คำถามสามารถผสมผสานการตรวจสอบใช่/ไม่ใช่ ตัวเลือกแบบปรนัย และคะแนนตามเกณฑ์กับข้อมูลที่ใช้ร่วมกันเดียวกัน

เนื่องจาก Gemini Decision 1 ให้คะแนนตัวเลือกของผู้สมัครในการส่งต่อเพียงครั้งเดียว แทนที่จะถอดรหัสโทเค็นทีละรายการ Google จึงรายงานค่ามัธยฐานของโมเดลการคำนวณที่ 50–100 มิลลิวินาที และเวลาแฝงจากต้นทางถึงปลายทางที่ 150–250 มิลลิวินาที บริษัทกล่าวว่าประสิทธิภาพยังคงไม่เปลี่ยนแปลง เนื่องจากคำถามมีขนาดตั้งแต่ 1 ถึง 100 ต่อคำขอ และอินพุตที่แชร์จะถูกเรียกเก็บเงินหนึ่งครั้งไม่ว่าจะมีคำถามกี่ข้อที่ประเมินเทียบกับคำถามก็ตาม

ราคา: ไม่มีโทเค็นเอาท์พุตเลย

Gemini Decision 1 มีราคาอยู่ที่ 0.10 ดอลลาร์ต่อโทเค็นอินพุต 1 ล้านโทเค็น โดยมีการเรียกเก็บเงินโทเค็นเอาต์พุตเป็นศูนย์ ซึ่งเป็นความแตกต่างทางโครงสร้างที่มีความหมายจาก generative API ซึ่งโทเค็นเอาต์พุตมักจะครองบิล Google กล่าวว่าสิ่งนี้ทำให้ Decisions API เกือบ 5 เท่าถูกกว่าในชุดเบนช์มาร์กที่ใช้ร่วมกันมากกว่า Gemini 3.5 Flash-Lite ที่ใช้ผ่าน Interactions API โดยไม่มีการถอดเสียงหรือค่าบริการ OCR แยกต่างหาก Google AI Studio มีระดับที่ไม่มีค่าใช้จ่ายสำหรับการสร้างต้นแบบ

การสอบเทียบเป็นการอ้างพาดหัวข่าว

การประกาศของ Google นำไปสู่การอ้างสิทธิ์เกี่ยวกับการสอบเทียบ: เมื่อเทียบกับการวัดประสิทธิภาพซึ่งครอบคลุมการกำหนดเส้นทางตัวแทน การใช้เหตุผล การจัดอันดับ และความเข้าใจหลายรูปแบบ บริษัทกล่าวว่า Gemini Decision 1 เป็นผู้นำชุดโปรแกรมที่มีข้อผิดพลาดในการสอบเทียบต่ำที่สุด ทุกคำตอบมาพร้อมกับคะแนนความเชื่อมั่นตั้งแต่ 0 ถึง 1 ดังนั้นโค้ดแอปพลิเคชันจึงสามารถกำหนดเส้นทางกรณีที่คลุมเครือไปยังโมเดลสำรองหรือผู้ตรวจสอบที่เป็นมนุษย์ แทนที่จะเชื่อถือการจัดหมวดหมู่ที่มีความมั่นใจต่ำ

การสอบเทียบมีความสำคัญเนื่องจากความล้มเหลวในการกำหนดเส้นทางจะปะปนอยู่ในระบบเอเจนต์ ตัวแทนที่เลือกเครื่องมือผิดด้วยความมั่นใจสูงจะล้มเหลวอย่างเงียบๆ ตัวแทนที่รู้ว่าเมื่อใดที่ไม่แน่ใจสามารถลดระดับลงได้อย่างสวยงาม การสร้างความมั่นใจในการปรับเทียบแล้วเอาต์พุต API ระดับเฟิร์สคลาส ควบคู่ไปกับการจำแนกประเภทเอง ถือเป็นส่วนที่คำนึงถึงการผลิตมากที่สุดในการเปิดตัว

ความหลากหลายดั้งเดิมในการผ่านครั้งเดียว

แบบจำลองนี้สร้างขึ้นบนสถาปัตยกรรมต่อเนื่องหลายรูปแบบดั้งเดิมของ Gemini โดยจะประมวลผลข้อความ รูปภาพ เสียง วิดีโอ และ PDF โดยตรงในการส่งต่อครั้งเดียว ตัวอย่างของ Google แสดงการผสมผสานของวิธีการในทางปฏิบัติ: จับคู่การบันทึกการโทรกับข้อมูลเมตาของบัญชี หรือการเคลมประกัน PDF ที่สแกนพร้อมภาพถ่ายที่เสียหาย และการปรับความละเอียดของอินพุตรูปภาพและวิดีโอเพื่อสร้างสมดุลระหว่างรายละเอียดภาพกับต้นทุนโทเค็น

บริษัทยังเน้นย้ำถึงการยอมรับภายใน Google กล่าวว่าทีมงานทั่วทั้งบริษัทใช้ Decisions API เป็นระนาบควบคุมที่มีความหน่วงต่ำอยู่แล้ว โดยจัดส่งฟีเจอร์โดยการกำหนดตัวเลือกแทนที่จะฝึกตัวแยกประเภทที่กำหนดเอง รวมถึง Stitch Rapid ซึ่งประกาศระบุว่าใช้ API เพื่อออกแบบโฟลว์ผลิตภัณฑ์ทั้งหมดภายในไม่กี่วินาที

การสนับสนุนระบบนิเวศตั้งแต่วันแรก

Google แสดงรายการการผสานรวมในวันเปิดตัวระหว่าง OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit และ OpenCode ควบคู่ไปกับ google-genai SDK สำหรับ Python, JavaScript และ REST การสนับสนุนใน Gemini บน Google Cloud ในเร็ว ๆ นี้ตามประกาศ

นักพัฒนาสามารถเริ่มต้นตั้งแต่วันนี้ด้วยคีย์ API ใน Google AI Studio และแอปสาธิตที่เผยแพร่โดย Google ได้แก่ Doorstep Parcels, Speed ​​Sketch และ Find the Zoo Keeper เพื่อแสดงรูปแบบคำขอที่ใช้งานจริง

เหตุใดจึงสำคัญสำหรับเศรษฐกิจตัวแทน

Decisions API กำหนดเป้าหมายไปที่เลเยอร์ที่มีเสน่ห์น้อยที่สุดแต่มีการใช้ทรัพยากรมากที่สุดของสแต็กเอเจนต์เกิดใหม่ นั่นคือการตัดสินใจเล็กๆ น้อยๆ อย่างต่อเนื่องที่เอเจนต์ทำหลายสิบครั้งต่องาน หากการกำหนดเส้นทาง การตรวจสอบนโยบาย และการจัดระดับบริบทสามารถทำงานที่ 150–250 มิลลิวินาทีด้วยราคาที่คาดการณ์ได้ ความคุ้มค่าของเวิร์กโฟลว์ตัวแทนที่ทำงานระยะยาวจะเปลี่ยนไปอย่างมาก — ชั้นการตัดสินใจจะหยุดเป็นคอขวดของโมเดลเชิงสร้างสรรค์และจะเข้าใกล้โครงสร้างพื้นฐานแบบเดิมมากขึ้น

การเปิดตัวครั้งนี้ยังทำให้จุดยืนของ Google คมชัดขึ้นเมื่อเทียบกับคู่แข่งที่สร้างโมเดลการจำแนกประเภทและการกำหนดเส้นทางโดยเฉพาะ โดยแนบความสามารถ multimodal ของห้องปฏิบัติการชายแดนเข้ากับจุดราคาสินค้าโภคภัณฑ์ นอกจากนี้ยังส่งสัญญาณว่า Google มองเห็นการแยกตลาด API ในด้านใด เช่น โมเดลเชิงกำเนิดสำหรับงานปลายเปิด โมเดลการตัดสินใจสำหรับการตรวจสอบที่มีขอบเขตและมีปริมาณมากที่ทำให้ระบบตัวแทนอยู่ในแนวทางเดิม การวัดประสิทธิภาพอิสระจะยืนยันการอ้างสิทธิ์ในการสอบเทียบหรือไม่ จะเป็นตัวชี้วัดที่ต้องจับตามองเมื่อมีการนำไปใช้เพิ่มมากขึ้น

---

ก้าวนำหน้า AI

รับข่าวสาร AI การวิเคราะห์ และความก้าวหน้าล่าสุด ทั้งหมดในที่เดียว

อ่านข่าว AI เพิ่มเติม →