গুগল গতকাল ঘোষণা করেছে যে তারা জেমিনি ডিসিশনস API চালু করেছে, যা নতুন জেমিনি ডিসিশন 1 মডেল দ্বারা চালিত। এই API একটি দ্রুত প্রক্রিয়াকরণে টেক্সট, ইমেজ, ভিডিও এবং PDF কনটেন্টের জন্য প্রায় 1000টি হ্যাঁ/না প্রশ্ন, বিকল্প নির্বাচন এবং মানদণ্ড মূল্যায়ন করতে পারে।
Gemini Decisions API কে টুল নির্বাচন, কৌশল পরীক্ষা, মডেল রাউটিং এবং প্রসঙ্গের গুণমান মূল্যায়নের মতো সিদ্ধান্ত গ্রহণের কাজের জন্য তৈরি করা হয়েছে। ডেভেলপাররা 1টি মাল্টিমোডাল কনটেন্ট—যাতে টেক্সট, ইমেজ, অডিও, ভিডিও এবং PDF অন্তর্ভুক্ত থাকতে পারে—এবং সর্বোচ্চ 256K টোকেন সমর্থন করে, এই কনটেন্টের উপর ভিত্তি করে সর্বোচ্চ 1000টি পরস্পর স্বাধীন প্রশ্ন জিজ্ঞাসা করতে পারেন।
একইসাথে, জেমিনি ডিসিশন ১ একটি ফরওয়ার্ড কম্পিউটেশনের মাধ্যমে প্রতিটি বিকল্পকে স্কোর দেয় এবং সম্ভাব্যতা এবং আত্মবিশ্বাসের স্কোর ফেরত দেয়। পুরো প্রক্রিয়ার ল্যাটেন্সি ১৫০ থেকে ২৫০ মিলিসেকেন্ড, ইনপুট মূল্য ১০০ লক্ষ টোকেনের জন্য ০.১০ ডলার, এবং আউটপুট টোকেনের জন্য কোনও শুল্ক নেওয়া হয় না।
এছাড়াও, এই API জেমিনির ন্যাটিভ মাল্টিমোডাল আর্কিটেকচারের উপর ভিত্তি করে তৈরি করা হয়েছে। ডেভেলপাররা একই ইনপুটে বিভিন্ন মোডালিটির কন্টেন্ট কম্বাইন করতে পারেন, যেমন কলের রেকর্ডিং এবং অ্যাকাউন্টের মেটাডেটা একসাথে রাখা, বা স্ক্যান করা PDF দাবি ফাইল এবং ক্ষতিগ্রস্ত ছবি একসাথে রাখা। এছাড়াও, চিত্র এবং ভিডিও ইনপুটের রেজোলিউশন সামঞ্জস্য করে ভিজুয়াল ডিটেইলস এবং টোকেন খরচ নিয়ন্ত্রণ করা যায়।
এখন এই API গুগল এআই স্টুডিওতে উপলব্ধ, ডেভেলপাররা প্রোটোটাইপ বিকাশের জন্য বিনামূল্যের ক্ষমতা পান।