HyperAIHyperAI

Command Palette

Search for a command to run...

谷歌推出Gemini Decisions API提供校准多模态决策

谷歌日前推出全新的Gemini Decisions API,该API基于其新发布的Gemini Decision 1模型,面向快速、闭合集合式决策场景设计,已可通过Gemini API在Google AI Studio中使用。该接口专为工具选择、策略检查、模型路由和上下文分级等受限决策任务打造,支持单次传入文本、图像、音频、视频和PDF等多模态输入,最大输入长度达256K tokens,并可同时处理最多1000个独立问题。 与传统生成式模型逐词生成答案不同,Gemini Decision 1在一次前向推理中对候选选项进行评分,直接返回概率和置信度。其端到端延迟约为150至250毫秒,模型计算中位延迟为50至100毫秒,在16K tokens上下文内、每请求1至100个问题的范围内,延迟表现基本保持稳定。定价方面,该模型输入为每百万tokens 0.10美元,输出不额外计费,因此整体成本显著低于Gemini 3.5 Flash-Lite配合Interactions API的调用方式,在相关测试中接近5倍成本优势。 Gemini Decisions API的核心能力在于原生多模态评估与多问题并行处理。开发者可在同一请求中混合使用是非判断、多选选项和评分标准等决策类型,所有回答均附带0至1之间的置信度分数,便于系统将模糊结果自动路由至备用模型或人工复核。例如,在检查清洁场景时,系统可依据一张照片与文本说明同时判断是否存在污渍、选择相应处理动作并评估严重程度。 该服务现已面向开发者开放,用户可在Google AI Studio申请API密钥并开始构建应用。谷歌还发布了多个演示案例,并提供Python、JavaScript和REST等接入指南。目前,该API正逐步接入OpenRouter、LangChain、Vercel、LiteLLM、Pydantic AI、Pipecat、LiveKit和OpenCode等生态系统,未来还将扩展至Google Cloud中的Gemini平台。

相关链接