Вчера Google объявила о запуске Gemini Decisions API — быстрого мультимодального решения, основанного на новой модели Gemini Decision 1. Этот API позволяет за один быстрый процесс обработать до 1000 вопросов типа «да/нет», выбор вариантов и оценку по стандартам для текста, изображений, видео и содержимого PDF.
Согласно информации, API Gemini Decisions создан специально для задач принятия решений, таких как выбор инструментов, проверка стратегий, маршрутизация моделей и оценка качества контекста. Разработчики могут ввести мультимодальный контент, включающий текст, изображения, аудио, видео и PDF, с максимальной поддержкой 256K токенов, и задать до 1000 независимых вопросов по этому контенту.
В то же время Gemini Decision 1 оценивает варианты с помощью одного прямого прохода и возвращает вероятности и показатели уверенности. Задержка всего процесса составляет от 150 до 250 миллисекунд, стоимость ввода — 0,10 доллара США за 1 миллион токенов, а вывод токенов бесплатен.
Кроме того, этот API построен на основе нативной мультимодальной архитектуры Gemini. Разработчики могут комбинировать различные модальности в одном входе, например, объединяя аудиозапись звонка с метаданными аккаунта или помещая сканированный PDF-файл претензии вместе с фотографиями повреждений. Кроме того, можно настраивать разрешение изображений и видео для контроля детализации и стоимости токенов.
Сейчас этот API доступен в Google AI Studio, и разработчики могут получить бесплатный лимит для создания прототипов.