Google anunció ayer el lanzamiento de la API Gemini Decisions, una decisión multimodal rápida impulsada por el nuevo modelo Gemini Decision 1. Esta API puede realizar hasta 1000 evaluaciones de verdadero/falso, selección de opciones y evaluaciones de estándares en un solo proceso rápido, sobre contenido de texto, imágenes, videos y PDF.
Según se indica, la API de Gemini Decisions está diseñada para tareas de decisión como la selección de herramientas, la revisión de estrategias, el enrutamiento de modelos y la evaluación de la calidad del contexto. Los desarrolladores pueden ingresar un contenido multimodal que incluya texto, imágenes, audio, video y PDF, con un soporte máximo de 256K tokens, y plantear hasta 1000 preguntas independientes sobre dicho contenido.
Al mismo tiempo, Gemini Decision 1 evalúa las opciones candidatas mediante un cálculo hacia adelante y devuelve probabilidades y puntuaciones de confianza. La latencia de todo el proceso es de 150 a 250 milisegundos, con un precio de entrada de 0,10 dólares por cada 1 millón de tokens, y sin cargos por tokens de salida.
Además, esta API se construye sobre la arquitectura multimodal nativa de Gemini. Los desarrolladores pueden combinar diferentes modalidades en una misma entrada, por ejemplo, integrar grabaciones de llamadas con metadatos de cuentas, o asociar archivos PDF escaneados de reclamaciones con fotos de daños. Además, se puede ajustar la resolución de las entradas de imagen y video para controlar el nivel de detalle visual y el costo de tokens.
Actualmente, esta API ya está disponible en Google AI Studio, y los desarrolladores pueden obtener un límite gratuito para el desarrollo de prototipos.