Google DeepMind, Temelli Karar Verme İçin Gemini Karar 1'i Başlatıyor

Google DeepMind, Gemini Decision 1 ve özel Decisions API'yi tanıttı; Agent sistemlerindeki “hangi araca çağrı yapılmalı”, “politikaya uygun mu”, “hangi model türüne atanmalı”, “risk ne kadar yüksek” gibi kapalı yargıları genel üretken modellerden ayırmayı amaçlıyor. Geliştiriciler, aynı materyal etrafında en fazla 1000 bağımsız soru sormak üzere, tek bir gönderimde en fazla 256.000 Token metin, resim, ses, video veya PDF gönderebilir; model, kelime kelime açıklama üretmez, bir ileri hesaplama sırasında doğrudan seçeneklere olasılık ve güven düzeyi verir. Google tarafından açıklanan tipik uçtan uca gecikme süresi 150 ila 250 milisaniye, fiyat ise milyon girdi Token başına 0,10 dolar, çıktı ücretsiz. Ancak bu gecikme verileri çoğunlukla 16.000 Token'i aşmayan ve en fazla 100 soru içeren testlerden gelmektedir; tam bağlamda ve 1000 soruyla aynı hızın korunup korunmadığını kanıtlamaz; bağımsız değerlendirmeler, modeli 18 decision modeli arasında 9. sıraya yerleştirmiştir; bu da modelin kalibrasyon ve çoklu modallik yeteneklerinin öne çıktığını, ancak tüm karar verme görevlerinde genel şampiyon olmadığını göstermektedir.

Yazar ve kaynak: Google DeepMind

Şu anda birçok Agent, sadece “evet” veya “hayır” yanıtı vermesi gereken durumlarda bile tam bir üretim modelini çağırıyor. Model, bağlamı okumak, çıkarım yapmak ve her bir tokeni sırayla çıktı olarak vermek zorunda kalıyor; uygulama ise ardından cevaptan bir boole değeri veya kategori çıkarıyor.

Bu yöntem esnek olsa da, yüksek frekanslı iş akışlarında çok fazla zaman kaybına neden olur. Bir müşteri hizmetleri temsilcisi, kullanıcı niyetini, hesap riskini, uygun politikaları, araç izinlerini, yükseltme kuyruğunu ve yanıt modelini sırayla değerlendirmek zorunda kalabilir; her adımda üretici model çağrıldığında gecikme, maliyet ve biçim çözümleme hataları birikir.

Gemini Karar 1, farklı bir yaklaşım kullanır: Geliştiriciler öncelikle sınırlı aday cevapları tanımlar, model ise yalnızca bu seçeneklere puan verir. Bu bir sohbet modeli değildir, açıklama yazmaz, uzun bağlamı ve çok modallı bilgileri anlayabilen genel bir sınıflandırma, sıralama ve stratejik karar verme katmanına daha yakındır.

Google, üç soru formatı sunar:

• Evet / Hayır kararı, koşulun gerçekleşme olasılığını döndürür;
• 2 ile 255 arasında bir seçenek seçin ve her seçeneğin normalize edilmiş olasılığını döndürün;
• Önceden tanımlanmış sıralı bir ölçek üzerinde puanlama yapın ve her seviyenin olasılığını ve ağırlıklı puanını döndürün.

Her sonuç, 0 ile 1 arasında bir güven düzeyi ile birlikte gelir. Uygulama, yüksek güven düzeyinde otomatik olarak işlem yapabilir, yeterli güven yoksa daha güçlü bir modele veya insan denetimine yönlendirilebilir. blog.google

Bir istek en fazla 256.000 token içerebilir ve aynı girdi için 1.000 bağımsız soru sorabilirsiniz.

Örneğin, sigorta şirketleri aynı anda bir tarama talep formu, olay yerindeki hasar fotoğrafları, müşteri ile yapılan görüşmelerin kayıtları ve hesap bilgilerini sunabilir ve modelin belgelerin tam olup olmadığını, hangi tür bir kaza olduğunu, dolandırıcılık işaretleri olup olmadığını, hangi kuyruğa atanması gerektiğini ve ne kadar acil bir şekilde ele alınması gerektiğini belirlemesini isteyebilir.

Paylaşılan materyal yalnızca bir kez ücretlendirilir; her soru yalnızca kendi talimat ve seçenek Token'larını ekler. Bu nedenle, onlarca denetim aynı uzun dosyayı okumak zorunda kalırsa, dosyayı onlarca kez tekrar göndermekten daha ekonomiktir. Resmi fiyatlandırma, milyon girdi Token başına 0,10 ABD dolarıdır, çıktı Token'ları için ücret alınmaz ve ayrı OCR veya ses transcription ücreti yoktur.

Ancak bu 1000 soru birbirinden bağımsız olmalıdır. Model, ikinci kararın ilk kararın sonucunu okumasına izin vermez. İş akışı “önce belge türünü belirle, ardından türüne göre farklı denetim kuralları uygula” şeklinde olsa bile, geliştiriciler hâlâ kodda bu iki adımı birleştirmek veya API’yi tekrar çağırmak zorundadır. Açıklama metni oluşturmak, herhangi bir alanı çıkarmak veya yanıt yazmak gerektiğinde de hâlâ bir üretim veya bilgi çıkarma modeli gereklidir.

Gemini Kararı 1, her bir Token'i tek tek çözmeden, tüm adayları tek bir ileri hesaplama adımıyla puanlar. Google, modelin hesaplama medyan süresinin 50 ile 100 milisaniye arasında olduğunu, servis ve ağ bileşenlerini de dahil ederek端到端 gecikmenin yaklaşık 150 ile 250 milisaniye arasında olduğunu belirtiyor.

Resmi testler, 16.000 Token'a kadar olan çok modalli girişlerde, tek bir istekteki soru sayısını 1'den 100'e çıkardığınızda gecikmenin neredeyse sabit kaldığını gösteriyor. Aynı referansda, maliyetin Interactions API aracılığıyla Gemini 3.5 Flash-Lite çağrısından neredeyse beş kat daha düşük olduğu iddia ediliyor.

Bu sayılar tüm durumlara doğrudan uygulanamaz. Model, 256.000 token ve 1.000 soruya izin verir, ancak Google, her iki sınırı da aynı anda doldurmanın hala 250 milisaniye içinde tamamlanabileceğini kanıtlamamıştır; büyük video, ses ve PDF dosyalarının yükleme süreleri model hesaplama süresine dahil değildir. Gerçek dağıtım, kendi dosya uzunluklarınız, soru sayılarınız ve ağ konumlarınızla yeniden ölçülmelidir.

Geleneksel sınıflandırıcılar genellikle önceden sabitlenmiş bir veri formatına yöneliktir, ancak Gemini Decision 1 aynı istekte metin, resim, ses, video ve PDF’leri birlikte okuyabilir.

Resmi örnek, modelin bir mutfak masasının fotoğrafını ve bir metin açıklamasını göndermesini ve üç şeyi sormasını istedi: temizlenmemiş sıvı var mı, silinmesi mi yoksa temizlik görevlisini çağırılması mı gerekiyor, sahada ciddiyet düzeyi nedir. Model, az miktarda döküldüğünü tespit etti, bezle silinmesini önerdi ve her seçeneğin olasılığını verdi.

Geliştiriciler, Token ve ücretleri azaltmak için görsellerin veya videoların çözünürlüğünü düşürebilir. Bu, tazminat talepleri, içerik denetimi, ürün kontrolü veya video olay tanıma için OCR, ses tanıma, görsel modeller ve kural motorlarını ayrı ayrı çalıştırmaktan daha kolay bir kurulum sağlar; ancak tek bir model, görsel veya ses içeriğini yanlış anladığında, birden fazla sonraki karar aynı anda etkilenebilir.

Google, Gemini Decision 1'in rota, çıkarım, sıralama ve çok modlu anlama testlerinde önde geldiğini ve en düşük kalibrasyon hatasını sağladığını belirtti. Resmi karşılaştırmalarda, model JevBench'te %92,2 performans gösterdi; bu, GPT‑6 Luna'nın %90,9 ve Jev 1.14'ün %90,0'ından daha yüksektir; kalibrasyon hatası 0,0250'dir ve bu, Jev'in 0,0494'ünün yaklaşık yarısıdır.

Ancak tüm görevleri tek başına üstlenmedi. Jev, tarayıcı görev kararı verme görevi olan Mind2Web Multimodal'de %86,8 ile Gemini'nin %86,2'sini geçti ve araç çağrılma zamanını belirleme görevi olan When2Call'de %82,0 ile Gemini'nin %79,9'unu geride bıraktı.

Bağımsız Artificial Analysis Decision Index v2.1, Gemini Decision 1'e 18 adet karar modeli arasında 66 puan vererek 9. sırada yer aldı. Bilgi ve muhakeme kategorisinde birinci oldu, ancak AA-Paperclip testindeki tam bir özgeçmiş, fatura, makbuz veya makaleyi aynı anda doğru şekilde anlama gerektiren durumlarda yalnızca %33 belge tamamen doğru cevaplandı; Drex Max v1.1 ise %63. Bağımsız When2Call testinde de Drex Max ve Jev'den geride kaldı.

Bu, "güvenlik kalibrasyonunun iyi yapılması" ile "her kararın en doğru şekilde yapılması"nın aynı şey olmadığını gösterir. İyi kalibre edilmiş modeller, ne zaman hata yapma olasılıkları olduğunu daha iyi anlar ve insan denetimi eşiğini ayarlamaya yardımcı olur; ancak yüksek güven düzeylerini gerçeklik garantisi olarak yanlışlıkla yorumlarsanız, hala yanlış kararları otomatik olarak uygulayabilirsiniz.

Google, bu API'yi birden fazla üründe kullanıyor. Gemini Notebook, sorgunun hangi modele ve ne kadar düşünme yoğunluğuyla iletilmesi gerektiğini belirlemek için bunu kullanıyor; resmi olarak normal sorgular için gecikmenin en fazla %40 azaldığını belirtiyor; Stitch, sesli veya tıklama ile oluşan tasarım değişikliklerine hızlı cevap vermek için bunu kullanıyor; Google Labs'ın CC'si 200'den fazla emojiden tepki seçiyor; Google Search ise MCP aracını çağırmadan önce, saldırgan davranışları ve tehlikeli içerikleri tespit etmek için bunu kullanıyor.

Bu senaryolar, bunun kullanıcıların nihayetinde gördüğü akıl değil, Arka planda yer alan kontrol düzlemi olduğunu ortaya koyuyor. Üretim modelleri kod yazmak, dili organize etmek ve açık sorunları çözmekten sorumludur; karar verme modelleri ise bir sonraki çağrının ne olacağını, çağrının izin verilip verilmeyeceğini, hangi güçte bir modelin gerektiğini ve otomasyonun ne zaman durdurulup insanlara teslim edileceğini belirlemekten sorumludur.

Bu bölümleme, büyük ölçekli Agent sistemleri için yalnızca genel modeli genişletmekten daha uygun olabilir, çünkü birçok günlük adımın “daha iyi yazmak” gerektirmesi değil, yeterince hızlı, ucuz ve olasılıksal olarak doğru dalı seçmek gerektirmesi gerekir.

Gemini Decision 1, şu anda Gemini Developer API'nin `v1beta` uç noktasından sağlanmaktadır ve Google Cloud desteği hâlâ "yakında" olarak işaretlenmiştir. Google, parametre sayısı, eğitim verileri, eğitim hesaplama gücü, spesifik mimari veya tam sistem kartı hakkında herhangi bir bilgiyi açıklayamadığından, bu modelin mevcut Gemini modellerinden distile edilip edilmediğini veya eğitim düzeyindeki güvenlik ve veri iddialarını bağımsız olarak doğrulayamıyoruz.