Gemini决策API:快速、精准的多模态决策
6 天前 15 阅读来源:Google AI Blog
AI 中文改写
原文为英文,由 AI 改写为中文报道,内容完整。如需参考原文请点击下方链接
Google DeepMind 今日发布 Gemini Decisions API,由全新模型 Gemini Decision 1(gemini-decision-1)驱动,通过 Google AI Studio 的 Gemini API 开放调用。这套接口的定位很明确:不做内容生成,只做“封闭式判断”——把工具选择、政策核查、模型路由、上下文评分这类有边界的选择题,交给模型一次性打分。开发者可以传入一段多模态输入(文本、图片、音频、视频、PDF,上限 25.6 万 token),同时附带最多 1000 个独立问题,模型在一次前向计算中给出每个选项的概率和置信度,端到端延迟 150 到 250 毫秒,输入定价为每百万 token 0.1 美元(约合人民币 0.7 元),输出 token 不计费。
这套 API 的核心变化在于绕开了逐 token 生成答案的传统路径。Gemini Decision 1 直接对候选选项打分,因此延迟几乎不随问题数量增长——从 1 个问题到 100 个问题,响应时间基本持平,模型计算中位数维持在 50 到 100 毫秒。官方在智能体路由、推理、排序和多模态理解等基准测试中称其全面领先,且校准误差最低。按共享基准套件测算,相比搭配 Interactions API 的 Gemini 3.5 Flash-Lite,成本便宜近 5 倍。对跨境电商卖家和 AI 工具开发者来说,这意味着过去需要调用大模型反复生成文本才能完成的判断任务——比如给商品图片和描述做合规审查、把客服工单分派到对应处理队列、判断一条评论是否涉及侵权或违禁词——现在可以用一次调用批量完成,成本结构也从“按输出字数付费”变成“按输入量付费”。
接口支持三类判断:是/否题(可附加真、假判定标准描述)、多选题(2 到 255 个选项,返回胜出项及全部候选的归一化概率)、有序评分题(按评分标准从 0 分起给出连续加权分数和各档位概率)。每个答案都带 0 到 1 的置信度,代码可以把低置信度的模糊案例自动转交人工复核或备用流程。图片和视频输入支持调节分辨率,以平衡视觉细节与 token 开销。多模态输入可以混合使用,例如把一段通话录音与账户元数据放在一起,或将扫描的 PDF 理赔单与损坏照片配对评估。输入字段沿用 Interactions API 的 Content block 格式,开发者可在 Google AI Studio 获取 API key,官方已提供 Python、JavaScript 和 REST 三种接入指南。
这篇文章对你有帮助吗?
觉得有用?分享给更多人
留言 · 0 条
暂无留言,来说两句吧
