Ipinahayag ng Google kahapon ang paglunsad ng Gemini Decisions API, isang mabilis na multi-modal na desisyon na hinahawakan ng bagong Gemini Decision 1 model. Ang API ay maaaring magbigay ng hanggang sa 1,000 na tama/mali na pagpapasya, pagpili sa mga opsyon, at pagtataya sa mga pamantayan sa isang mabilis na proseso para sa teksto, imahe, video, at PDF na nilalaman.
Ayon sa paglalarawan, ang Gemini Decisions API ay disenyo para sa mga gawain sa pagdedesisyon tulad ng pagpili ng mga kasangkapan, pagsusuri ng istratehiya, pagrout ng modelo, at pagtataya ng kalidad ng konteksto. Maaaring ipasok ng mga developer ang isang maramihang modalidad na nilalaman na naglalaman ng teksto, imahe, audio, video, at PDF, na may suporta hanggang 256K Tokens, at magtanong ng hanggang 1,000 na magkakaibang tanong batay sa nilalaman na ito.
Sambil mismo, ang Gemini Decision 1 ay magpapasa ng isang forward pass upang suriin ang mga kandidatong opsyon at ibabalik ang mga probabilidad at confidence score. Ang latency ng buong proseso ay 150 hanggang 250 milisegundo, ang presyo ng input ay $0.10 bawat 1 milyong Tokens, at walang bayad para sa output Tokens.
Dagdag pa, binuo ang API batay sa native na multimodal arkitektura ng Gemini. Maaaring mag-combine ang mga developer ng iba’t ibang modalidad sa isang parehong input, tulad ng pagpagsama ng recording ng tawag at metadata ng account, o ang pagpagsama ng scanned PDF na claim form at mga litrato ng pinsala. Bukod dito, maaaring ayusin ang resolusyon ng mga input na imahe at video upang kontrolin ang visual na detalye at gastos sa Token.
Kasalukuyang available na ang API sa Google AI Studio, at makakakuha ang mga developer ng libreng quota para sa pagbuo ng prototype.