Google于2026年11月11日发布Gemini Decisions API,由新的Gemini Decision 1模型提供支持,面向文本、图片、音频、视频和PDF等混合输入执行封闭集合决策。Google官方介绍称,开发者可以在一次请求中评估最多1000个问题,问题类型包括是非判断、多选和有序评分,并获得候选结果的概率与置信度。\n\n这项服务的重点不是生成长文本,而是把多模态理解压缩成可直接接入业务流程的判断信号,例如工具选择、内容审核、模型路由、上下文质量评估和理赔材料检查。Google称其端到端延迟约为150至250毫秒,输入价格为每百万Token 0.10美元且不收取输出Token费用;这些性能和成本数据属于Google发布的官方口径,尚未在此处独立复核。\n\n从产品形态看,API允许多个问题共享同一份多模态输入,减少重复的图像解析、音频转写或PDF处理。其返回的置信度还可用于设置人工复核或备用模型分流。不过,封闭集合决策依赖预先定义的选项、标准和评分规则,面对开放式问题、异常样本或标准本身存在偏差的场景,仍不能等同于可靠的通用推理。对企业而言,真正需要观察的是公开测试之外的误判率、跨模态输入的一致性、置信度是否校准,以及数据隐私和审计机制。
参考来源:
由 AI 整理,仅供参考;请以原始来源为准。
帖子详情