Перейти к содержимому
Новости

Gemini Decisions API: быстрые мультимодальные решения

Сравнение архитектуры Gemini Decision 1 с другими API на бенчмарках

Gemini Decisions API: быстрые мультимодальные решения

Google представила новый инструмент для разработчиков — Gemini Decisions API на базе модели Gemini Decision 1. Он позволяет обрабатывать до 1000 вопросов за один проход по тексту, изображениям, аудио, видео и PDF — и делает это с минимальной задержкой и предсказуемой стоимостью.

Что такое Gemini Decisions API и зачем он нужен

Gemini Decisions API — это специализированный endpoint для быстрых закрытых решений: выбора инструмента, проверки политик, маршрутизации запросов и оценки контента. В отличие от обычных генеративных моделей, которые формируют ответ токен за токеном, Gemini Decision 1 за один прямой проход вычисляет вероятности для всех вариантов ответа и возвращает результат с показателями уверенности.

Задержка составляет 150–250 мс end-to-end (50–100 мс непосредственно на вычисления модели) — и практически не растёт при увеличении числа вопросов от 1 до 100 в рамках одного запроса. Контекст поддерживает до 256К токенов, а при запросах до 16К токенов задержка остаётся стабильной. Стоимость — 0.30 BYN ($0.10) за 1 млн входных токенов, выходные токены не тарифицируются вообще.

По данным Google, это делает Decisions API почти в 5 раз дешевле, чем Gemini 3.5 Flash-Lite через Interactions API на том же наборе тестовых задач.

Высокая точность и калибровка

На тестах по маршрутизации агентов, рассуждению, ранжированию и мультимодальному пониманию Gemini Decision 1 демонстрирует лидирующие результаты во всём наборе бенчмарков — с наименьшей ошибкой калибровки. Это означает, что показатели уверенности модели хорошо соответствуют реальной точности, что критично для автоматических систем принятия решений.

Три типа вопросов в одном запросе

API поддерживает три формата оценки, которые можно комбинировать в одном запросе к единому мультимодальному входу:

noul (да/нет) — оценивает вероятность выполнения условия. Можно задать критерии для каждого из вариантов ответа.

choice (выбор из вариантов) — выбирает из 2 до 255 вариантов, возвращает победителя и нормализованные вероятности для каждого кандидата.

score (оценка по рубрике) — оценивает входные данные по упорядоченной шкале, возвращая непрерывный взвешенный балл и вероятности по каждому уровню.

Каждый ответ включает показатель уверенности от 0 до 1, что позволяет автоматически направлять неоднозначные случаи на повторную обработку или к живому оператору.

Нативная мультимодальная архитектура

Gemini Decision 1 построен на нативной мультимодальной архитектуре Gemini и обрабатывает текст, изображения, аудио, видео и PDF напрямую — в рамках одного общего входа. Например, можно объединить запись звонка с метаданными аккаунта или отсканированный документ с фотографиями повреждений и задать к ним сразу несколько разных вопросов. Разрешение изображений и видео настраивается — это позволяет управлять детализацией и стоимостью.

Формат поля `input` совпадает с форматом блоков `Content` из Interactions API, что облегчает миграцию существующего кода.

Как API уже используется внутри Google

Несколько команд Google применяют Decisions API в продакшене:

Gemini Notebook использует его как роутер в реальном времени: API классифицирует намерение запроса за миллисекунды и направляет его к оптимальной модели. Это снизило задержку для повседневных запросов на 40%, сохранив сложные задачи для более мощных моделей с глубоким рассуждением.

Stitch (инструмент для прототипирования интерфейсов) применяет API в режиме «rapid canvas»: за секунды генерируются кликабельные вайрфреймы продуктового флоу, а голосовые правки и правки по тапу применяются почти мгновенно.

CC от Google Labs использует API для выбора подходящей эмодзи-реакции из палитры более чем 200 вариантов — реакции появляются без ощутимой задержки.

Google Search задействует Decision API как защитный слой для MCP-инструментов: система обнаруживает нежелательное поведение и контент в рамках жёстких требований к задержке.

Как начать использовать

Для прототипирования доступен бесплатный уровень в Google AI Studio. Общий входной токен тарифицируется один раз на запрос, независимо от числа вопросов — каждый вопрос добавляет только токены своих инструкций и критериев. Никаких дополнительных затрат на выходные токены, thinking-токены, транскрипцию аудио или OCR не предусмотрено.

API уже доступен в Google AI Studio. Там же можно получить ключ и попробовать демо-приложения. Интеграции развёртываются в OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit и OpenCode, а поддержка в Google Cloud появится в ближайшее время.

Gemini Decisions API — это прагматичный инструмент для разработчиков, которым нужны скорость и предсказуемость: вместо обучения кастомных классификаторов достаточно просто описать варианты ответов.

Источник: Google Blog