Вчора Google оголосила про запуск Gemini Decisions API — швидкого багатомодального рішення, яке працює на основі нової моделі Gemini Decision 1. Цей API може виконувати до 1000 оцінок «так/ні», вибору варіантів та стандартних аналізів за один швидкий процес обробки тексту, зображень, відео та PDF-файлів.
За даними, API Gemini Decisions створено для завдань прийняття рішень, таких як вибір інструментів, перевірка стратегій, маршрутизація моделей та оцінка якості контексту. Розробники можуть надати одномодальний контент, що містить текст, зображення, аудіо, відео та PDF, з максимальною підтримкою 256K токенів, і поставити до 1000 взаємно незалежних питань щодо цього контенту.
Одночасно Gemini Decision 1 оцінює варіанти за допомогою прямого обчислення та повертає ймовірності та бали впевненості. Загальна затримка обробки становить 150–250 мілісекунд, вартість вводу — 0,10 долара США за 1 мільйон токенів, а вивід токенів — безкоштовний.
Крім того, цей API побудований на основі нативної багатомодальної архітектури Gemini. Розробники можуть поєднувати різні модальності в одному вхідному файлі, наприклад, поєднувати аудіозапис розмови з метаданими облікового запису або скановані PDF-файли претензій разом із фотографіями пошкоджень. Крім того, можна налаштовувати роздільну здатність вхідних зображень і відео, щоб керувати візуальними деталями та витратами на токени.
Цей API вже доступний у Google AI Studio, розробники отримують безкоштовний ліміт для розробки прототипів.