Google Deepmind ได้เปิดตัว Gemini Decisions API ซึ่งเป็นอินเทอร์เฟซสำหรับการตัดสินใจแบบปิด เช่น คำถามใช่/ไม่ใช่ หรือการให้คะแนน โดย Gemini Decision 1 สามารถประมวลผลคำถามอิสระได้สูงสุด 1,000 ข้อในครั้งเดียว
ระบบนี้รองรับการป้อนข้อมูลจากข้อความ ภาพ เสียง วิดีโอ และ PDF และสามารถให้ค่าความน่าจะเป็นพร้อมระดับความมั่นใจกลับมาได้ภายใน 150 ถึง 250 มิลลิวินาที
Google ระบุว่ามีการใช้งาน API นี้ภายในอยู่แล้วสำหรับงานต่างๆ เช่น การกำหนดเส้นทางโมเดลแบบไดนามิกใน Gemini Notebook และการตรวจสอบด้านความปลอดภัยใน Google Search
ในด้านราคา API นี้คิดค่าบริการที่ 0.10 ดอลลาร์ต่อล้านอินพุตโทเค็น โดยไม่มีค่าใช้จ่ายสำหรับเอาต์พุตโทเค็น และขณะนี้เปิดให้ใช้งานผ่าน Google AI Studio พร้อมการผสานรวมกับ OpenRouter, LangChain และ Vercel
Gemini Decision 1 มีประสิทธิภาพสูงในด้านการกำหนดเส้นทางเอเจนต์ การให้เหตุผล และความเข้าใจแบบหลายรูปแบบ (multimodal understanding) ในขณะที่ยังมีค่า Calibration error ต่ำที่สุด
ศัพท์ที่ควรรู้
- Gemini Decision 1 – คือโมเดลที่ใช้ประมวลผลคำถามและให้ผลลัพธ์การตัดสินใจในครั้งเดียว
- API – Application Programming Interface คือชุดเครื่องมือที่ช่วยให้ซอฟต์แวร์ต่างๆ สื่อสารกันได้
- Multimodal – หมายถึงความสามารถในการรับและประมวลผลข้อมูลจากหลายรูปแบบพร้อมกัน เช่น ข้อความ ภาพ เสียง
- Input Tokens – คือหน่วยข้อมูลที่ป้อนเข้าไปในโมเดลเพื่อทำการประมวลผล
ที่มา: The Decoder