O Google anunciou ontem o lançamento da Gemini Decisions API, uma decisão multimodal rápida impulsionada pelo novo modelo Gemini Decision 1. A API pode realizar até 1.000 julgamentos de verdadeiro/falso, seleções de opções e avaliações de padrões em texto, imagens, vídeos e conteúdo PDF em um único processo rápido.
Segundo informado, a API Gemini Decisions foi desenvolvida para tarefas de decisão, como seleção de ferramentas, verificação de estratégias, roteamento de modelos e avaliação da qualidade do contexto. Os desenvolvedores podem inserir um conteúdo multimodal contendo texto, imagem, áudio, vídeo e PDF, com suporte de até 256K tokens, e fazer até 1.000 perguntas independentes sobre esse conteúdo.
Ao mesmo tempo, o Gemini Decision 1 avalia as opções candidatas por meio de um único cálculo direto, retornando probabilidades e pontuações de confiança. A latência de todo o processo é de 150 a 250 milissegundos, com um preço de entrada de US$ 0,10 por 1 milhão de tokens, e os tokens de saída são gratuitos.
Além disso, essa API é construída sobre a arquitetura multimodal nativa do Gemini. Os desenvolvedores podem combinar diferentes modalidades no mesmo input, como integrar gravações de chamadas com metadados da conta ou juntar arquivos de sinistro em PDF escaneado com fotos dos danos. Além disso, é possível ajustar a resolução das entradas de imagem e vídeo para controlar os detalhes visuais e o custo de tokens.
Atualmente, essa API está disponível no Google AI Studio, e os desenvolvedores podem obter um limite gratuito para desenvolvimento de protótipos.