پرش به محتوای اصلی
اخبار هوش مصنوعی

گوگل Gemini Decisions API را معرفی کرد؛ تصمیم‌گیری سریع با هوش مصنوعی

Gemini Decisions API با مدل Decision 1 تا هزار سؤال را روی ورودی چندرسانه‌ای بررسی می‌کند؛ قیمت، محدودیت‌ها و کاربرد آن چیست؟

۴ دقیقه مطالعه
اشتراک‌گذاری:
تصویرسازی مفهومی Gemini Decisions API برای ارزیابی ورودی‌های چندرسانه‌ای
تصویرسازی مفهومی Gemini Decisions API برای ارزیابی ورودی‌های چندرسانه‌ای
فهرست مطالب

گوگل در ۱۱ نوامبر ۲۰۲۶، برابر با ۲۰ آبان ۱۴۰۵، Gemini Decisions API را برای ارزیابی سریع پرسش‌های مشخص معرفی کرد. این سرویس با مدل Gemini Decision 1 می‌تواند روی یک ورودی مشترک، تا هزار پرسش مستقل درباره متن، تصویر، صدا، ویدیو یا PDF بررسی کند و پاسخ‌های ساختاریافته همراه با میزان اطمینان برگرداند. دسترسی از طریق Gemini API در Google AI Studio آغاز شده است.

Decisions API چه کاری انجام می‌دهد؟

توسعه‌دهنده به جای درخواست یک پاسخ متنی بلند، سؤال و گزینه‌های محدود را مشخص می‌کند. مدل گزینه‌ها را ارزیابی می‌کند و نتیجه‌ای قابل استفاده در برنامه برمی‌گرداند. گوگل سه نوع سؤال را معرفی کرده است: بررسی بله یا خیر، انتخاب از میان دو تا ۲۵۵ گزینه و امتیازدهی بر اساس معیارهای مرتب‌شده. هر پاسخ یک امتیاز اطمینان هم دارد.

برای مثال، یک فروشگاه می‌تواند تصویر کالای برگشتی و توضیح مشتری را در یک ورودی بدهد و هم‌زمان درباره آسیب‌دیدگی، اقدام بعدی و شدت مشکل سؤال کند. این نمونه کاربرد احتمالی است و نتیجه آن به داده‌ها و معیارهای انتخاب‌شده بستگی دارد. طبق مستندات گوگل، پرسش‌های یک درخواست مستقل‌اند و از نتیجه یکدیگر خبر ندارند.

تفاوت با تولید متن و ابزارهای مشابه

این API برای تصمیم‌های محدود طراحی شده و پاسخ آن مانند چت معمولی یک متن آزاد نیست. گوگل می‌گوید مدل به جای تولید پاسخ کلمه به کلمه، گزینه‌های تعریف‌شده را امتیازدهی می‌کند. به همین دلیل برای مسیریابی درخواست‌ها، بررسی شرایط و رتبه‌بندی ورودی‌ها کاربرد دارد. برای آشنایی با یک رویکرد مشابه، بررسی Decisions API اپن‌ای‌آی را بخوانید؛ مقایسه عملکرد دو سرویس به آزمون مستقل با داده‌های یکسان نیاز دارد.

امتیاز اطمینان تضمین درستی نیست. تیم‌ها باید آستانه مناسب را با داده‌های خود بسنجند و موارد نامطمئن را برای بررسی انسانی یا پردازش تکمیلی کنار بگذارند، به‌خصوص زمانی که نتیجه بر افراد اثر می‌گذارد.

سرعت، قیمت و محدودیت‌ها

گوگل حداکثر طول ورودی مشترک را ۲۵۶ هزار توکن اعلام کرده است. عدد ۱۵۰ تا ۲۵۰ میلی‌ثانیه‌ای که شرکت برای تأخیر سرتاسری گزارش می‌کند، در توضیح جزئی‌تر به ورودی‌های تا ۱۶ هزار توکن مربوط است و معیار تضمین‌شده برای تمام درخواست‌ها نیست. گوگل همچنین می‌گوید تأخیر در آزمون‌هایش بین یک تا ۱۰۰ سؤال تقریباً ثابت می‌ماند؛ این ادعا برای همه اندازه‌های ورودی و تا هزار سؤال تعمیم داده نشده است.

قیمت اعلام‌شده ۰٫۱۰ دلار به ازای هر یک میلیون توکن ورودی است و بابت توکن خروجی هزینه‌ای دریافت نمی‌شود. ورودی مشترک در هر درخواست یک بار محاسبه می‌شود، اما دستور و معیار هر سؤال نیز توکن ورودی مصرف می‌کند. گوگل سطح رایگان برای نمونه‌سازی در AI Studio را هم اعلام کرده است؛ محدودیت عملی حساب و منطقه را باید در تنظیمات و مستندات جاری بررسی کرد.

دسترسی و کاربرد عملی

به گفته گوگل، توسعه‌دهندگان می‌توانند با کلید API در Google AI Studio شروع کنند. مستندات، راهنماهای Python و JavaScript و REST را ارائه می‌دهند و نسخه بتای API را در نمونه‌ها نشان می‌دهند. ادغام با ابزارهای دیگر در حال عرضه است و پشتیبانی Gemini در Google Cloud بعداً اضافه می‌شود.

برای انتخاب این ابزار، یک سناریوی محدود مثل دسته‌بندی درخواست‌های پشتیبانی را با نمونه‌های واقعی و بدون داده حساس آزمون کنید. سپس هزینه، تأخیر و خطاهای مدل را در همان شرایط با راهکار فعلی بسنجید؛ اعداد اعلامی شرکت جای آزمون کاربرد شما را نمی‌گیرند.

منابع

 

برچسب‌ها:هوش مصنوعیجمینایگوگلهوش مصنوعی مولدبرنامه‌نویسی
اشتراک‌گذاری:

مطالب مرتبط

عضویت در خبرنامه

آخرین اخبار هوش مصنوعی و فناوری را در ایمیل خود دریافت کنید.

پس از عضویت یک ایمیل تأیید برایتان ارسال می‌شود. هر زمان می‌توانید اشتراک خود را لغو کنید و ایمیل شما برای هدفی جز ارسال خبرنامه استفاده نمی‌شود. جزئیات در صفحه حریم خصوصی آمده است.