Google a annoncé hier le lancement de l'API Gemini Decisions, une prise de décision multimodale rapide alimentée par le nouveau modèle Gemini Decision 1. Cette API peut effectuer jusqu'à 1 000 jugements oui/non, sélections d'options et évaluations de critères en une seule opération rapide sur du texte, des images, des vidéos et des contenus PDF.
Selon les informations fournies, l'API Gemini Decisions est conçue pour des tâches de décision telles que le choix d'outils, l'inspection de stratégies, le routage de modèles et l'évaluation de la qualité du contexte. Les développeurs peuvent soumettre un contenu multimodal comprenant du texte, des images, de l'audio, des vidéos et des PDF, avec une prise en charge maximale de 256K tokens, et poser jusqu'à 1000 questions indépendantes sur ce contenu.
En même temps, Gemini Decision 1 évalue les options candidates via un calcul forward et retourne des probabilités et des scores de confiance. La latence totale du processus est de 150 à 250 millisecondes, avec un prix d'entrée de 0,10 USD pour 1 million de tokens, et les tokens de sortie sont gratuits.
De plus, cette API est construite sur l'architecture multimodale native de Gemini. Les développeurs peuvent combiner différents types de contenu dans une même entrée, par exemple associer un enregistrement vocal à des métadonnées de compte, ou regrouper un fichier de réclamation PDF numérisé avec des photos des dommages. En outre, il est possible d'ajuster la résolution des entrées image et vidéo pour contrôler le niveau de détail visuel et le coût en tokens.
L'API est désormais disponible sur Google AI Studio, permettant aux développeurs d'accéder à un quota gratuit pour le développement de prototypes.