واجهة Gemini Decisions API تُطلق لاتخاذ قرارات متعددة الوسائط بسرعة

أطلقت Google واجهة Gemini Decisions API، المدعومة بنموذج Gemini Decision 1، لاتخاذ قرارات مغلقة المجموعة بسرعة عبر النصوص والصور والصوت والفيديو وملفات PDF. يمكن للواجهة تقييم ما يصل إلى 1000 سؤال مستقل من نوع نعم/لا، أو اختيارات متعددة، أو تقييم وفق معيار، مقابل إدخال متعدد الوسائط مشترك في مرور واحد. وهي تُرجع احتمالات ودرجات ثقة بزمن استجابة من 150 إلى 250 مللي ثانية من البداية إلى النهاية، من دون رسوم على رموز الإخراج.

النموذج والأداء

Gemini Decision 1 متاح عبر Gemini API في Google AI Studio. وهو يُقيّم خيارات المرشحين في مرور أمامي واحد بدلاً من توليد نص الإجابة رمزاً بعد رمز، مع وسيط حساب نموذجي من 50 إلى 100 مللي ثانية عبر المدخلات متعددة الوسائط والسياقات حتى 16K رمزاً، ويظل قريباً من الثبات من 1 إلى 100 سؤال لكل طلب. وتقول Google إنه يتصدر معايير تشمل توجيه الوكلاء والتفكير والترتيب والفهم متعدد الوسائط، مع أقل خطأ معايرة. ويُسعّر النموذج بـ 0.10 دولار لكل 1 مليون رمز إدخال، مع عدم فوترة رموز الإخراج، وهو أرخص بنحو 5 أضعاف عبر مجموعة المعايير المشتركة من Gemini 3.5 Flash-Lite مع Interactions API.

أنواع القرارات

تدعم الواجهة ثلاثة أنواع من القرارات. يقدّر النوع noul احتمال تحقق شرط نعم/لا، مع معايير وصف اختيارية للحالات true و false. ويختار النوع choice من بين 2 إلى 255 مرشحاً ويُرجع الفائز مع احتمالات مُطبّعة لكل مرشح. ويُقيّم النوع score إدخالاً عبر معيار مرتب يبدأ من 0، ويُرجع درجة مُرجّحة مستمرة واحتمالات لكل مستوى. تتضمن كل إجابة درجة ثقة من 0 إلى 1، ويستخدم حقل الإدخال نفس تنسيق Content block المستخدم في Interactions API.

المدخلات متعددة الوسائط وحالات الاستخدام

يمكن للفرق دمج الوسائط في إدخال مشترك واحد، مثل إقران تسجيل مكالمة ببيانات حساب، أو مطالبة PDF ممسوحة ضوئياً بصور أضرار، وضبط الدقة في مدخلات الصورة والفيديو للتحكم في التفاصيل المرئية وتكلفة الرموز. ويمكن للإدخال المشترك أن يمتد حتى 256K رمزاً. وتستخدم فرق في Google الواجهة كطبقة تحكم منخفضة الكمون: Gemini Notebook يوجّه الاستعلامات إلى مستويات النماذج ومستويات التفكير؛ وStitch يُنشئ إطارات سلكية قابلة للتشغيل ويُطبّق تعديلات صوتية أو لمسية؛ وCC يختار ردود فعل رموز تعبيرية من لوحة تضم أكثر من 200 خيار؛ وGoogle Search يكشف السلوك العدائي والمحتوى وفق تقييمات عدائية.

البدء

يمكن للمطورين البدء في Google AI Studio بمفتاح API واتباع أدلة Python وJavaScript وREST. ويُفوتر الإدخال المشترك مرة واحدة لكل طلب بغض النظر عن عدد الأسئلة المُقيّمة، مع إضافة كل سؤال رموز تعليماته ومعاييره فقط. وتُطرح تكاملات المنظومة عبر OpenRouter وLangChain وVercel وLiteLLM وPydantic AI وPipecat وLiveKit وOpenCode إلى جانب حزم google-genai SDKs، مع دعم قادم قريباً لـ Gemini in Google Cloud. وتتضمن تطبيقات تجريبية Doorstep Parcels وSpeed Sketch وFind the Zoo Keeper.

المصادر: blog.google · The Decoder · Simon Willison