Funcționarea extrem de complexă a inteligenței artificiale impune companiilor să dezvolte permanent modelele de vârf, dar și să ofere numeroase instrumente specializate pentru îmbunătățirea ecosistemului. În acest scop Google a creat primul său model axat exclusiv pe luarea deciziilor.
Modelul nou Gemini Decision 1 este disponibil prin Gemini Decisions API, o interfață lansată odată cu el. Compania îl descrie drept un endpoint nou pentru luarea rapidă a deciziilor dintr-un set închis de opțiuni.
Decisions API oferă componente de bază concepute special pentru sarcini cu opțiuni limitate, precum selectarea instrumentelor, verificarea respectării politicilor, rutarea bazată pe modele și evaluarea contextului. Gemini Decision 1 poate crește semnificativ eficiența activităților cotidiene din toate punctele de vedere. Utilizatorii pot economisi astfel timp și bani și pot înlocui soluțiile de compromis folosite anterior în acest scop.
În testele de performanță care acoperă rutarea agenților, raționamentul, clasificarea și înțelegerea multimodală, Gemini Decision 1 s-a impus ca lider absolut. Modelul ocupă prima poziție cu ratele cele mai ridicate de succes și cele mai puține erori.
Gemini Decision 1 nu generează răspunsuri token cu token. Evaluează opțiunile furnizate într-o singură trecere prin model, pe baza regulilor stabilite. Eliminarea decodării token cu token menține latența mediană de calcul a modelului la 50-100 ms, iar latența totală poate fi de cel mult 150-250 ms. Token-urile de ieșire nu sunt taxate. Astfel, în teste, Gemini Decision 1 folosit prin Decisions API s-a dovedit de aproape cinci ori mai ieftin decât Gemini 3.5 Flash-Lite prin Interactions API, soluția utilizată anterior pentru astfel de sarcini.
La crearea Gemini Decision 1 cercetătorii au folosit arhitectura multimodală nativă Gemini. Datorită acesteia, modelul decizional poate interpreta direct texte, imagini, fișiere audio, videoclipuri și fișiere PDF într-o singură etapă de procesare. Poate combina tipurile diferite de date într-o intrare comună. De exemplu, într-o companie de asigurări poate prelucra un formular PDF de cerere de despăgubire împreună cu fotografiile daunelor în același proces de lucru. Datele de intrare pot însuma până la 256.000 token-uri, iar modelul poate răspunde la cel mult 1.000 întrebări independente.
Întrebările pot fi de trei tipuri, care pot fi combinate în aceeași cerere. Tipul „binar” estimează probabilitatea ca o afirmație de tip da/nu să fie adevărată. Tipul „alegere” selectează opțiunea câștigătoare dintre 2 până la 255 posibilități și atribuie fiecărei opțiuni o probabilitate normalizată. Tipul „punctaj” clasifică pe o scară ordonată care începe de la zero și oferă un punctaj ponderat continuu, alături de probabilități pentru fiecare nivel. Cazurile incerte pot fi direcționate automat către un sistem de rezervă sau către un evaluator uman.
Google folosește deja Decisions API ca strat de control cu latență redusă. Funcțiile sunt implementate prin simpla definire a opțiunilor, înlocuind soluțiile alternative folosite anterior. Pentru a ilustra mai bine posibilitățile modelului nou, compania a prezentat și câteva utilizări concrete ale Gemini Decision 1.
Gemini Notebook folosește Decisions API pentru rutare în timp real, direcționând imediat fiecare solicitare către modelul cel mai potrivit și nivelul optim de raționament. Interfața procesează solicitările cotidiene cu o latență redusă cu până la 40% și apelează la modelele de vârf doar când sunt cu adevărat necesare pentru un rezultat mai bun.
În Google Search, Gemini Decision 1 îmbunătățește siguranța și permite sistemului să filtreze mult mai eficient comportamentele care încalcă politicile.
Compania a precizat că funcția nouă din Stitch pentru schițare rapidă se bazează deja integral pe Decisions API. Aceasta creează schițe funcționale în câteva secunde și aplică modificările aproape instantaneu. În serviciul experimental CC al Google Labs, interfața va putea evidenția imediat reacțiile emoji cele mai potrivite, permițând utilizatorului să răspundă mai repede.
Modul diferit de funcționare face ca Gemini Decision 1 să fie mult mai ieftin, dar procesarea imaginilor sau a videoclipurilor poate crește considerabil costurile și aici. Pentru a limita cheltuielile, Google va permite setarea rezoluției de procesare prin nivelul de detaliu vizual. Astfel vor putea fi ținute sub control și costurile procesării vizuale. În condiții ideale, procesarea a 1 milion token-uri de intrare costă doar 0,1 dolari. După cum am menționat mai sus, token-urile de ieșire nu sunt taxate. Modelul poate fi testat gratuit prin Google AI Studio.
