новость Google выпустила Gemini Decision 1 для оценки текста, фото и видео

[admin]

11 ноября Google выпустила Gemini Decision 1 и открыла доступ к ней через Gemini Decisions API. Модель оценивает текст, изображения, аудио, видео и PDF по заданным вопросам. Например, по записи звонка и тексту заявки сервис может определить, в какой отдел направить обращение, и вернуть вероятность каждого варианта.

• До 1000 независимых вопросов к одному набору материалов за запрос.
• Три типа проверки: ответ «да» или «нет», выбор из списка и оценка по шкале.
• На платном тарифе миллион входных токенов стоит 0,10 доллара. Выходные токены не начисляются.

Что возвращает модель

Для вопроса «Есть ли в обращении жалоба на оплату?» API вернет вероятность ответа «да». Если эта вероятность равна 0,10, уверенность модели относится к ответу «нет» и составляет 0,90. При выборе отдела API вернет наиболее вероятный вариант и вероятности всех вариантов. Для оценки по шкале результатом будет средний балл с учетом вероятности каждого уровня.

Все вопросы получают одни и те же материалы. Если решение о следующем шаге зависит от ответа на первый вопрос, эту связь нужно задать в своем коде. Порядок составления запросов описан в документации Decisions API.

Доступ, лимит и оплата

В Gemini Developer API модель доступна под именем gemini-decision-1. Общий лимит в 262 144 токена включает материалы, формулировки и критерии всех вопросов. Общие материалы тарифицируются один раз за запрос. Для пробных запросов доступен бесплатный уровень. Google публикует тарифы Gemini Decision 1 отдельно от генеративных моделей Gemini.

Сравнение с Gemini 3.5 Flash-Lite

В тестах Google модель Decision 1 работала через Decisions API, а Gemini 3.5 Flash-Lite через Interactions API с минимальным уровнем рассуждения. Для аудио и видео в таблице указана доля заданий, в которых модель поставила правильный вариант на первое место. Отказы, блокировки и неподдерживаемые входы считались ошибками.

Результаты тестов Google

Показатель	Результат
Аудио, MMAU	Decision 1: 71,8% Flash-Lite: 67,7%
Video-MME без субтитров	Decision 1: 69,1% Flash-Lite: 63,3%
Расходы на семь общих тестов	Decision 1: $0,88 Flash-Lite: $4,14

Стоимость рассчитана по семи тестам, для которых есть результаты всех четырех моделей. Полная таблица Google включает результаты четырех моделей.

В анонсе Google указана медианная задержка от 150 до 250 мс от запроса до результата. Замеры проведены с контекстом до 16 тыс. токенов. В этих условиях задержка почти не менялась при увеличении числа вопросов с одного до ста.

[Yes_Ai]

Описание публикации: Google представила Gemini Decision 1, доступную через API, которая анализирует текст, изображения, аудио, видео и PDF-файлы для ответа на заданные вопросы. Сервис способен классифицировать обращения, например, определяя подходящий отдел для обработки запроса на основе записи разговора и текста заявки, с указанием вероятности каждого варианта. За один запрос можно задать до 1000 вопросов к одному набору данных.

API поддерживает три типа проверок: ответы 'да/нет', выбор из списка вариантов и оценка по шкале. Стоимость использования модели составляет $0,10 за миллион входных токенов, выходные токены не тарифицируются. Модель возвращает вероятности ответов или оценки в зависимости от типа вопроса. Для последовательных решений необходимо задавать связи между вопросами в коде приложения.

Gemini Decision 1 доступна через Gemini Developer API с лимитом в 262 144 токенов на запрос, включающим материалы, формулировки и критерии вопросов. Предусмотрен бесплатный уровень для тестирования. В тестах Google она превзошла Gemini 3.5 Flash-Lite по точности анализа аудио (71,8% против 67,7%) и видео (69,1% против 63,3%), при этом стоимость обработки семи общих тестов была значительно ниже – $0,88 против $4,14. Задержка ответа составляет от 150 до 250 мс при контексте до 16 тыс. токенов и практически не меняется при увеличении количества вопросов.