Gemini Decision 1

Что такое Gemini Decision 1

Gemini Decision 1 – модель для быстрых закрытых решений по тексту, изображениям, аудио, видео и PDF. Она доступна через Gemini Decisions API и, в отличие от привычных генеративных моделей, не формирует развёрнутый ответ слово за словом. Вместо этого ИИ оценивает заранее заданные варианты.

Такой подход удобен в ситуациях, когда приложению нужно быстро выбрать действие, проверить соблюдение правила или выставить оценку по набору критериев. Модель рассчитана на сценарии с ограниченным набором ответов: маршрутизацию запросов между моделями, проверку политик, выбор инструмента, классификацию намерений и оценку контента.

Ключевая особенность Gemini Decision 1 – способность обрабатывать множество независимых вопросов по одному общему входному материалу. В одном запросе можно передать до 1 000 вопросов в формате «да/нет», выбора из вариантов или оценки по шкале. При этом общий контекст оплачивается только один раз за запрос, а не отдельно для каждого вопроса.

Для каждого решения модель возвращает вероятности и показатель уверенности – confidence score от 0 до 1. Это позволяет не только получить выбранный вариант, но и выявить неоднозначные случаи, чтобы передать их на дополнительную проверку другой модели или человеку.

Gemini Decision 1 в первую очередь ориентирована на разработчиков и команды, создающие продукты на базе Gemini API. Доступ есть через Google AI Studio: там можно получить API-ключ и изучить руководства для Python, JavaScript и REST.

Ключевые возможности Gemini Decision 1

Оценка до 1 000 вопросов в одном запросе

Gemini Decisions API позволяет передать общий входной материал и до 1 000 независимых вопросов. Они могут относиться к разным типам решений: «да/нет», выбору из вариантов или оценке по упорядоченной шкале.

Модель обрабатывает все вопросы за один проход, не запуская отдельную генерацию ответа для каждого критерия. Это полезно, когда один документ, запись звонка или набор медиафайлов требуется проверить по длинному перечню условий.

Например, приложение может проанализировать отсканированный страховой документ вместе с фотографиями повреждений и одновременно проверить полноту сведений, соответствие правилам и уровень риска. Общий контекст передаётся один раз, а каждый вопрос добавляет только свои инструкции и критерии.

При увеличении числа вопросов в запросе с 1 до 100 задержка остаётся почти неизменной. Это делает API подходящим для массовой проверки критериев без пропорционального роста времени ответа.

Работа с текстом, изображениями, аудио, видео и PDF

Gemini Decision 1 напрямую оценивает мультимодальные данные: текст, изображения, аудио, видео и PDF. Все эти форматы можно объединить в одном входе, например, добавить к записи звонка метаданные аккаунта или приложить к PDF-документу фотографии повреждений.

Функция избавляет от необходимости заранее сводить разные типы материалов к текстовому описанию. Это особенно важно, когда решение зависит одновременно от содержания документа, речи, визуальных деталей и дополнительного контекста.

Для визуальных данных доступны настройки разрешения изображений и видео: они помогают контролировать детализацию анализа и расход токенов. Также имеется отсутствие отдельных затрат на транскрибацию аудио и OCR – распознавание текста на изображениях.

Проверки формата «да/нет»

Первая разновидность решений, поддерживаемая Gemini Decision 1, представляет собой бинарную классификацию Yes/No, которую Google обозначает как noul . С её помощью можно определить вероятность того, что конкретное условие выполняется или не выполняется в предоставленном информационном контексте.

Разработчик задаёт вопрос и при необходимости описывает критерии, по которым должны определяться положительный и отрицательный результаты. Модель анализирует входные данные и возвращает оценку вероятности выполнения условия, а также показатель уверенности в результате.

Например, в системе видеонаблюдения можно автоматически проверять, находится ли сотрудник в защитном шлеме, присутствует ли посторонний человек в охраняемой зоне или обнаружен ли на производственном участке потенциально опасный объект. В электронной коммерции такая функция может использоваться для проверки того, содержит ли отзыв покупателя оскорбительные выражения, соответствует ли изображение товара требованиям площадки или присутствуют ли в обращении признаки мошенничества. В корпоративных системах модель может определять, содержит ли договор обязательные юридические положения, соответствует ли заявка внутренним правилам компании и имеются ли основания для передачи документа на дополнительную проверку.

Выбор из нескольких вариантов

Вторая разновидность решений называется choice и предназначена для выбора одного наиболее подходящего варианта из заранее определённого набора альтернатив. Разработчик может предоставить от двух до 255 вариантов ответа, описать критерии каждого варианта и поручить модели определить наиболее подходящий результат.

В отличие от обычной текстовой генерации, здесь модель работает с ограниченным пространством возможных ответов, что делает результат более удобным для автоматической обработки программным обеспечением. При этом API возвращает не только выбранный вариант, но и нормализованные вероятности для всех предложенных альтернатив.

Например, интеллектуальный чат-бот может анализировать входящий запрос пользователя и определять, какой инструмент необходимо задействовать: поиск по внутренней базе знаний, обращение к CRM, выполнение финансового расчёта, поиск информации в интернете или передача вопроса оператору. В системе технической поддержки модель может определять категорию проблемы: неисправность оборудования, ошибка программного обеспечения, проблема с авторизацией, сетевой сбой или запрос консультации. Ещё один сценарий – автоматическое распределение документов по подразделениям компании, когда модель выбирает между юридическим, финансовым, кадровым и техническим отделами.

Оценка по упорядоченной рубрике

Третья разновидность решений – score , предназначенная для оценки информации по упорядоченной системе критериев. В отличие от бинарной классификации и выбора одного варианта, эта функция позволяет определить степень соответствия объекта определённому набору требований. Разработчик задаёт шкалу оценивания, начиная с нулевого уровня, и описывает характеристики каждого уровня.

Модель анализирует предоставленные данные, определяет наиболее подходящий уровень и возвращает непрерывную взвешенную оценку вместе с вероятностями принадлежности к каждому уровню. Например, образовательная платформа может оценивать письменные работы студентов по критериям полноты раскрытия темы, логичности аргументации, грамотности и соответствия заданию. В системе контроля качества клиентского обслуживания можно оценивать разговоры операторов по шкале от низкого до высокого качества, учитывая соблюдение сценария общения, корректность предоставленной информации, вежливость и успешность решения проблемы. В производственной сфере аналогичный механизм позволяет оценивать степень серьёзности обнаруженного дефекта, определяя, является ли он незначительным косметическим недостатком, существенным отклонением от стандарта или критической неисправностью, требующей остановки производственного процесса.

Таким образом, score позволяет создавать гибкие системы оценки, в которых результат определяется не одним условием, а совокупностью заранее установленных характеристик.

Вероятности и обработка неоднозначных случаев

Важной особенностью Gemini Decision 1 является то, что модель возвращает не только итоговое решение, но и показатель уверенности в каждом полученном результате. Для каждого ответа предусмотрено значение confidence в диапазоне от 0 до 1, где более высокое значение указывает на большую уверенность модели в соответствующем решении. Это позволяет разработчикам создавать системы, которые учитывают не только сам результат классификации, но и степень его надёжности.

Например, если система анализирует заявку на получение кредита и определяет её соответствие установленным требованиям с высокой уверенностью, заявку можно направить на следующий этап автоматизированной обработки. Если же показатель уверенности оказывается низким, система может передать документы специалисту для дополнительной проверки. В медицинской информационной системе модель может предварительно классифицировать обращения пациентов по степени срочности, а случаи с неоднозначными результатами направлять медицинскому персоналу, не принимая окончательных клинических решений самостоятельно. В системах модерации контента низкая уверенность может служить основанием для передачи публикации на ручную проверку вместо автоматического удаления или блокировки.

Таким образом, вероятностный подход позволяет строить гибридные системы, в которых искусственный интеллект выполняет основную массу типовых операций, а человек подключается в ситуациях, требующих дополнительного анализа. Важно учитывать, что confidence отражает оценку модели, а не гарантированную вероятность фактической правильности решения.

Маршрутизация запросов между моделями искусственного интеллекта

Одним из наиболее перспективных направлений применения Gemini Decision 1 является интеллектуальная маршрутизация запросов между различными моделями искусственного интеллекта. В современных AI-системах не каждый запрос требует использования самой мощной и дорогой модели, поскольку многие задачи можно решить с помощью более быстрых и экономичных моделей.

Gemini Decision 1 позволяет предварительно проанализировать пользовательский запрос, определить его сложность и выбрать наиболее подходящую модель или уровень вычислительных ресурсов. Например, простой вопрос о погоде или запрос на переформулирование предложения можно направить в быструю компактную модель, тогда как сложную аналитическую задачу, требующую многоэтапных рассуждений, можно передать модели с расширенными возможностями логического анализа.

Такой подход уже применяется в Gemini Notebook: Decisions API используется для определения оптимального уровня модели и глубины рассуждений для каждого входящего запроса. Подобная маршрутизация позволяет снизить задержку обработки повседневных запросов до 40%, сохраняя возможность использовать более мощные модели для сложных задач. Это делает Gemini Decision 1 особенно интересной для разработчиков многоуровневых AI-архитектур и автономных интеллектуальных агентов.

Высокая скорость обработки и снижение стоимости вычислений

Gemini Decision 1 разработана с учётом необходимости выполнять большое количество решений с минимальными задержками и относительно небольшими затратами. Ключевое техническое отличие заключается в том, что модель оценивает предложенные варианты за один прямой проход (forward pass), не формируя последовательный текстовый ответ посредством генерации токенов.

Вычислительная задержка модели составляет приблизительно 50–100 миллисекунд по медианному значению, а полная задержка обработки запроса составляет около 150–250 миллисекунд. При этом задержка остаётся практически неизменной при увеличении количества вопросов с одного до ста в пределах описанного компанией сценария тестирования.

Стоимость использования составляет 0,10 доллара за миллион входных токенов, а выходные токены не тарифицируются. Это особенно важно для приложений, которым необходимо выполнять множество небольших решений в режиме реального времени, например для определения маршрута обработки пользовательского запроса, выбора подходящей языковой модели или проверки безопасности действий AI-агента.

В сравнительном тестировании Gemini Decision 1 с Decisions API оказалась почти в пять раз дешевле Gemini 3.5 Flash-Lite с Interactions API на общей группе тестов. Следовательно, модель может быть экономически эффективным инструментом для масштабных систем, в которых требуется постоянно выполнять большое количество классификационных и оценочных операций.

Условия использования Gemini Decision 1

У Gemini Decision есть бесплатный тариф (Free Tier) через Gemini API и Google AI Studio.

Gemini Decision 1 тарифицируется по входным токенам: $0,10 за 1 млн токенов. Выходные токены предоставляются без дополнительной платы.

Для создания прототипов в Google AI Studio доступен бесплатный уровень API. Плата за общий объём входных токенов аккаунта взимается при каждом запросе. Если в запросе оценивается несколько вопросов, каждый из них добавляет только собственные токены инструкций и критериев.

Токены мышления, расшифровка аудио и оптическое распознавание символов отдельно не тарифицируются.