AI 前沿
Google推出Gemini Decisions API,单次前向传播完成多模态判断
Google发布由Gemini Decision 1模型支持的Gemini Decisions API,面向工具选择、策略检查、模型路由和上下文评分等封闭选项任务。它可处理文本、图像、音频、视频和PDF,一次请求最多提出1000个独立问题,并返回概率与置信度。
Google AI宣布推出Gemini Decisions API,通过Google AI Studio中的Gemini API提供。该接口面向有明确候选范围的决策任务,包括工具选择、政策检查、模型路由和上下文分级,而不是逐词生成开放式回答。
Gemini Decision 1可在一次前向传播中为候选选项打分。接口支持文本、图像、音频、视频和PDF等多模态输入,上下文最高256K token,并可在同一输入上同时提出最多1000个独立问题。Google称,端到端延迟为150至250毫秒,价格为每百万输入token 0.10美元,且不按输出token计费。
该API支持三类问题:判断条件是否成立的是或否题、2至255个选项的选择题,以及按有序评分标准给出连续加权分数和各级概率的评分题。每个答案附带0到1的置信度,便于应用把模糊情形交给备用流程或人工审核。Google称,模型在代理路由、推理、排序和多模态理解等基准上表现领先,并具有最低校准误差;在共享基准中,相比使用Interactions API的Gemini 3.5 Flash-Lite,成本接近其五分之一。