Google представила Gemini Decisions API для мультимодальной оценки данных

Google DeepMind представила специализированный интерфейс Gemini Decisions API на базе новой модели Gemini Decision 1. Инструмент предназначен для ускоренной вероятностной оценки закрытых сценариев выбора на основе текста, изображений, аудио, видео и PDF-файлов, о чем разработчики сообщили в официальном блоге Google.

В отличие от стандартных генеративных систем, Gemini Decision 1 рассчитывает вероятности вариантов без пошагового декодирования токенов за один прямой проход (forward pass). Модель способна проанализировать до 1000 независимых вопросов к единому входному контексту объемом до 256 000 токенов. Сквозная задержка (end-to-end) составляет 150–250 мс при времени работы самой модели в 50–100 мс. При объеме контекста до 16 000 токенов задержка остается практически неизменной в диапазоне от 1 до 100 вопросов. Тариф составляет 0,10 доллара за 1 млн входных токенов при полном отсутствии платы за выходные токены.

Интерфейс поддерживает три базовых типа решений: бинарные проверки (да/нет), множественный выбор в диапазоне от 2 до 255 вариантов с распределением нормализованных вероятностей, а также ранжирование по упорядоченной шкале (рубрике) начиная с нулевого уровня. Для каждого ответа система вычисляет оценку достоверности от 0 до 1, что позволяет программно перенаправлять пограничные результаты на проверку человеку или запасным алгоритмам. Модель оптимизирована для выбора инструментов ИИ-агентами, проверки политик безопасности, сортировки обращений и модерации контента.

По заявлениям Google DeepMind, на тестах агентной маршрутизации, логического вывода и мультимодального анализа Gemini Decision 1 показала наименьшую ошибку калибровки среди сопоставимых решений компании. Благодаря отказу от генерации текстового ответа использование Decisions API вышло почти в пять раз дешевле применения модели Gemini 3.5 Flash-Lite через Interactions API на сопоставимом наборе бенчмарков.

Интерфейс уже доступен в Google AI Studio с поддержкой библиотек на Python, JavaScript и REST-запросов, используя формат блоков Content. Протестировать Gemini без VPN и подписок можно в ИИ-студии Нейро.PRO.

Архитектура позволяет объединять несколько модальностей в одном контексте — например, аудиозапись телефонного разговора с метаданными пользователя или скан страхового акта со снимками повреждений, регулируя разрешение медиафайлов для контроля расхода токенов.