IT之家 Le 12 novembre, Google a annoncé hier le lancement de l'API Gemini Decisions pour des décisions multimodales rapides, propulsée par le tout nouveau modèle Gemini Decision 1. Cette API peut, en 1 seul passage de traitement rapide, effectuer jusqu'à 1000 jugements oui/non, sélections d'options et évaluations de critères sur des contenus textuels, d'images, de vidéos et de PDF.
Selon les présentations, l'API Gemini Decisions est conçue pour des tâches de décision telles que la sélection d'outils, la vérification de politiques, le routage de modèles et l'évaluation de la qualité du contexte. Les développeurs peuvent saisir 1 contenu multimodal comprenant du texte, des images, de l'audio, des vidéos et des PDF (jusqu'à 256K Tokens pris en charge),et poser jusqu'à 1000 questions mutuellement indépendantes sur ce contenu。
Parallèlement, Gemini Decision 1 évalue les options candidates via 1 seul passage avant et renvoie des probabilités et des scores de confiance. La latence de l'ensemble du traitement est de 150 à 250 millisecondes, le prix d'entrée étant de 0,10 dollar pour 100万 Tokens (note IT之家 : environ 0,67 yuan au taux de change actuel), tandis que les Tokens de sortie sont gratuits.
De plus, cette API est construite sur l'architecture multimodale native de Gemini. Les développeurs peuvent combiner des contenus de différentes modalités dans une même entrée, par exemple en associant un enregistrement d'appel à des métadonnées de compte, ou en joignant des fichiers de réclamation PDF numérisés à des photos de dommages. Il est également possible d'ajuster la résolution des entrées d'images et de vidéos afin de contrôler le niveau de détails visuels et le coût en Tokens.
Actuellement, cette API est disponible dans Google AI Studio, et les développeurs peuvent obtenir un quota gratuit pour le développement de prototypes.