Vzhľadom na mimoriadnu zložitosť fungovania umelej inteligencie musia firmy nielen neustále zdokonaľovať špičkové modely, ale aj poskytovať množstvo ďalších špecializovaných nástrojov, ktoré zlepšujú celý ekosystém. Práve s týmto zámerom vytvoril Google svoj prvý model zameraný výslovne na rozhodovanie.
Prostredníctvom úplne nového rozhrania Gemini Decisions API je dostupný rovnako nový model Gemini Decision 1. Google ho opisuje ako nový koncový bod na rýchle rozhodovanie v rámci uzavretej množiny možností.
Decisions API poskytuje základné stavebné prvky navrhnuté špeciálne pre úlohy s obmedzeným počtom možností, ako sú výber nástrojov, kontrola súladu s pravidlami, smerovanie požiadaviek medzi modelmi či vyhodnocovanie kontextu. Model Gemini Decision 1 môže výrazne zvýšiť efektivitu každodennej práce vo všetkých ohľadoch. Používatelia tak môžu ušetriť čas aj peniaze a nahradiť provizórne riešenia, ktoré na tieto účely používali doteraz.
Vo výkonnostných testoch zahŕňajúcich smerovanie agentov, vyvodzovanie záverov, zoraďovanie a multimodálne porozumenie sa Gemini Decision 1 dostal na absolútnu špičku. V rebríčku vedie s najvyššou úspešnosťou a najnižším počtom chýb.
Gemini Decision 1 negeneruje odpoveď token po tokene: zadané možnosti ohodnotí podľa požadovaných pravidiel počas jediného dopredného priechodu modelom. Keďže neprebieha dekódovanie jednotlivých tokenov, medián latencie zostáva na úrovni 50 – 100 ms potrebných na výpočet modelu a celková latencia od odoslania požiadavky po prijatie odpovede dosahuje najviac 150 – 250 ms. Za výstupné tokeny sa neúčtuje žiadny poplatok, a tak sa model Gemini Decision 1 používaný cez Decisions API ukázal v testoch ako takmer päťkrát lacnejší než Gemini 3.5 Flash-Lite s rozhraním Interactions API, ktorý sa na tieto účely používal predtým.
Pri tvorbe modelu Gemini Decision 1 výskumníci vychádzali z natívnej multimodálnej architektúry Gemini. Rozhodovací model tak dokáže priamo, v jedinom kroku spracovania, interpretovať text, obrázky, zvukové súbory, videá aj súbory PDF. Rôzne formáty údajov možno skombinovať do jedného spoločného vstupu. Napríklad v poisťovni tak dokáže v rámci jedného pracovného postupu spracovať hlásenie poistnej udalosti vo formáte PDF spolu s fotografiami škody. Vstup môže mať až 256.000 tokenov a model dokáže zodpovedať najviac 1.000 nezávislých otázok.
Otázky môžu byť troch typov, pričom v jednej požiadavke ich možno kombinovať. „Binárny“ typ odhaduje pravdepodobnosť, že tvrdenie s odpoveďou áno/nie je pravdivé. „Výber“ určí víťaznú možnosť spomedzi 2 až 255 možností a každej z nich priradí normalizovanú pravdepodobnosť. „Bodovanie“ zasa zaraďuje na usporiadanú stupnicu začínajúcu nulou, pričom poskytuje spojité vážené skóre a pravdepodobnosti pre jednotlivé úrovne. Nejednoznačné prípady možno automaticky presmerovať na záložný systém alebo na kontrolu človekom.
Google už Decisions API aktívne používa ako riadiacu vrstvu s nízkou latenciou. Funkcie pritom namiesto doterajších alternatívnych riešení realizuje jednoduchým definovaním možností. Aby lepšie priblížil potenciál nového modelu, uviedol aj konkrétne príklady využitia Gemini Decision 1.
Gemini Notebook používa Decisions API na smerovanie v reálnom čase, aby prichádzajúce požiadavky okamžite pridelil najvhodnejšiemu modelu a zvolil pre ne optimálnu úroveň uvažovania. Decisions API vybavuje bežné požiadavky s latenciou nižšou až o 40 % a po špičkových modeloch siaha len vtedy, keď je to skutočne potrebné na dosiahnutie lepšieho výsledku.
Vo Vyhľadávaní Google model Gemini Decision 1 zvyšuje bezpečnosť: systém vďaka nemu dokáže oveľa účinnejšie filtrovať správanie, ktoré porušuje pravidlá.
Google tiež uviedol, že nová funkcia rýchleho vytvárania návrhov v nástroji Stitch už naplno využíva Decisions API na tvorbu funkčných návrhov v priebehu niekoľkých sekúnd a takmer okamžité zapracovanie zmien. V experimentálnej službe CC od Google Labs umožní Decisions API okamžite vybrať najvhodnejšie reakcie pomocou emoji, aby používateľ mohol reagovať rýchlejšie.
Gemini Decision 1 je vďaka odlišnému spôsobu fungovania výrazne lacnejší, no napríklad pri spracovaní obrázkov či videí môžu náklady aj tu prudko narásť. Google preto umožní regulovať rozlíšenie spracovania nastavením úrovne vizuálnych detailov, čím sa budú dať náklady udržať pod kontrolou aj v tejto oblasti. Spracovanie 1 milióna vstupných tokenov môže v ideálnom prípade stáť len 0,1 dolára a, ako sme už spomenuli, za výstupné tokeny sa neplatí. S novinkou možno bezplatne experimentovať prostredníctvom Google AI Studio.
