فهرست مطالب
شرکت گوگل از رابط برنامه‌نویسی Gemini Decisions API رونمایی کرد که می‌تواند هزار پرسش را در ۱۵۰ تا ۲۵۰ میلی‌ثانیه پردازش کند.
به گزارش سرویس هوش مصنوعی تک‌ناک، این شرکت با معرفی این رابط برنامه‌نویسی جدید، امکان تصمیم‌گیری سریع‌تر و کم‌هزینه‌تر را برای عامل‌های هوش مصنوعی فراهم کرده است. این فناوری از مدل Gemini Decision 1 استفاده می‌کند و به توسعه‌دهندگان اجازه می‌دهد وظایف مشخصی را بدون نیاز به تولید پاسخ‌های متنی طولانی انجام دهند.
مهم‌ترین ویژگی این سرویس، قابلیت ارزیابی هم‌زمان حداکثر هزار پرسش مستقل با استفاده از داده‌های مشترک است. این داده‌ها می‌توانند شامل متن، تصویر، صدا، ویدیو و فایل‌های PDF باشند. توسعه‌دهندگان می‌توانند انواع مختلف اطلاعات را در یک درخواست ارسال کنند و نتایج ارزیابی را دریافت نمایند.
مدل Gemini Decision 1 برخلاف مدل‌های زبانی متداول، پاسخ‌ها را به صورت متوالی و توکن‌به‌توکن تولید نمی‌کند. این مدل گزینه‌های ازپیش‌تعریف‌شده را در یک مرحله پردازش شبکه عصبی بررسی می‌کند و برای هر گزینه، احتمال انتخاب و میزان اطمینان را مشخص می‌کند.
به گفته گوگل، کل فرایند ارسال درخواست تا دریافت پاسخ بین ۱۵۰ تا ۲۵۰ میلی‌ثانیه طول می‌کشد. این سرعت می‌تواند برای سیستم‌هایی اهمیت داشته باشد که باید در زمان کوتاهی تعداد زیادی تصمیم مستقل بگیرند.
گوگل این فناوری را برای وظایفی طراحی کرده است که محدوده و گزینه‌های مشخصی دارند. انتخاب ابزار مناسب برای عامل‌های هوش مصنوعی، بررسی رعایت سیاست‌ها، هدایت درخواست‌ها به مدل‌های مختلف و ارزیابی اطلاعات زمینه‌ای از کاربردهای اصلی آن هستند.
توسعه‌دهندگان می‌توانند پرسش‌های بله یا خیر، سؤال‌های چندگزینه‌ای با حداکثر ۲۵۵ گزینه و درخواست‌های امتیازدهی بر اساس معیارهای مشخص را در یک فراخوانی API ثبت کنند. این قابلیت امکان ترکیب چند نوع ارزیابی را در یک فرایند فراهم می‌کند.
پردازش سریع‌تر و کاهش هزینه تصمیم‌گیری هوش مصنوعی
گوگل اعلام کرده است که زمان میانه پردازش داخلی مدل Gemini Decision 1 بین ۵۰ تا ۱۰۰ میلی‌ثانیه است. این زمان با تأخیر کلی رابط برنامه‌نویسی گوگل تفاوت دارد که شامل ارسال درخواست، پردازش و دریافت نتیجه می‌شود.
عملکرد مدل هنگام پردازش یک تا صد پرسش در هر درخواست نیز تقریبا ثابت باقی می‌ماند. این ویژگی به توسعه‌دهندگان اجازه می‌دهد چندین ارزیابی را بدون افزایش چشمگیر زمان پردازش انجام دهند.
مدل جدید از پنجره زمینه‌ای با ظرفیت حداکثر ۲۵۶ هزار توکن پشتیبانی می‌کند. این ظرفیت امکان بررسی حجم زیادی از اطلاعات را در یک درخواست فراهم می‌کند.
پشتیبانی هم‌زمان از چند نوع داده نیز یکی دیگر از قابلیت‌های مهم این فناوری است. توسعه‌دهندگان می‌توانند تصاویر، اسناد و فایل‌های صوتی را ترکیب کنند و بدون استفاده از سیستم‌های پردازشی جداگانه، پرسش‌های مشخصی را درباره محتوای آنها مطرح نمایند.
گوگل مدعی است که مدل جدید در آزمون‌های مربوط به هدایت عامل‌های هوش مصنوعی، استدلال، رتبه‌بندی و درک داده‌های چندرسانه‌ای، عملکرد بهتری نسبت به سیستم‌های رقیب ثبت کرده است.
همچنین این شرکت اعلام کرده است که Gemini Decision 1 کمترین خطای کالیبراسیون را در آزمون‌های مقایسه‌ای داشته است. خطای کالیبراسیون نشان می‌دهد میزان اطمینان اعلام‌شده مدل تا چه اندازه با احتمال واقعی درست بودن تصمیم‌های آن مطابقت دارد.
هزینه استفاده از رابط برنامه‌نویسی Gemini Decisions API گوگل به‌ازای هر یک میلیون توکن ورودی ۰٫۱۰ دلار تعیین شده است. گوگل برای توکن‌های خروجی هزینه‌ای دریافت نمی‌کند.
همچنین اطلاعات ورودی مشترک فقط یک بار در محاسبه هزینه لحاظ می‌شوند. بنابراین، توسعه‌دهندگان برای ارزیابی چندین پرسش درباره یک مجموعه داده، هزینه پردازش مجدد همان اطلاعات را پرداخت نمی‌کنند.
البته دستورالعمل‌ها و معیارهای اختصاصی هر پرسش به تعداد توکن‌های ورودی اضافه می‌شوند و در محاسبه هزینه تأثیر دارند.
گوگل اعلام کرده است که Gemini Decision 1 در مجموعه بنچمارک های مشترک این شرکت تقریبا پنج برابر ارزان‌تر از Gemini 3.5 Flash-Lite از طریق Interactions API عمل می‌کند.
معرفی این سرویس هم‌زمان با افزایش رقابت شرکت‌های فناوری در توسعه مدل‌های تخصصی تصمیم‌گیری انجام شده است.
شرکت OpenAI در اکتبر ۲۰۲۶ رابط Decisions API را با استفاده از مدل GPT-6 Luna معرفی کرد. به گفته این شرکت، سرویس مذکور می‌تواند تصمیم‌ها را حداکثر ده برابر سریع‌تر از Responses API ارائه دهد.
رابط OpenAI از حداکثر ۴۰۰ پرسش در هر درخواست پشتیبانی می‌کند و امکاناتی مانند: بررسی احتمالات، انتخاب پاسخ‌های چندگزینه‌ای و امتیازدهی بر اساس معیارهای مشخص را ارائه می‌دهد.
تعرفه این سرویس نیز از ۰٫۱۰ دلار به‌ازای هر یک میلیون توکن ورودی آغاز می‌شود. با وجود این، تفاوت تعداد پرسش‌های قابل پردازش و عملکرد واقعی دو سرویس به نوع درخواست و شرایط استفاده بستگی دارد.
کاربرد رابط برنامه‌نویسی Gemini Decisions API گوگل
گوگل استفاده از فناوری Gemini Decision 1 را در چند محصول خود آغاز کرده است. این شرکت تلاش می‌کند با واگذاری تصمیم‌های ساده به مدل‌های تخصصی، سرعت پاسخ‌گویی سیستم‌های هوش مصنوعی را افزایش دهد.
یکی از کاربردهای این فناوری در Gemini Notebook است. رابط جدید درخواست‌های کاربران را بررسی می‌کند و آنها را بر اساس پیچیدگی به مدل‌ها و سطوح استدلال مناسب هدایت می‌کند.
گوگل اعلام کرده است که این روش می‌تواند تأخیر پاسخ‌گویی به درخواست‌های روزمره را تا ۴۰ درصد کاهش دهد. در مقابل، وظایف پیچیده‌تر همچنان به مدل‌های قدرتمندتر با توانایی استدلال بیشتر سپرده می‌شوند.
پلتفرم طراحی Stitch نیز از این فناوری استفاده می‌کند. کاربران این سرویس می‌توانند نمونه‌های اولیه تعاملی رابط کاربری محصولات را ایجاد کنند و تغییرات مورد نظر خود را از طریق فرمان‌های صوتی یا ورودی‌های لمسی اعمال نمایند.
کاربرد دیگر مدل جدید در دستیار CC گوگل است. این دستیار می‌تواند از میان بیش از ۲۰۰ ایموجی، واکنش مناسب را در کسری از ثانیه انتخاب کند.
موتور جست‌وجوی گوگل نیز از این فناوری به‌عنوان یک لایه امنیتی استفاده می‌کند. هدف این قابلیت، شناسایی رفتارهای مخرب و تلاش‌های فریبکارانه مرتبط با ابزارهای پروتکل زمینه مدل یا MCP است.
این پروتکل امکان ارتباط مدل‌های هوش مصنوعی با ابزارها و منابع اطلاعاتی خارجی را فراهم می‌کند. مدل تصمیم‌گیری گوگل می‌تواند در شناسایی رفتارهای مشکوک هنگام استفاده از این ابزارها نقش داشته باشد.
فراتر از محصولات گوگل، توسعه‌دهندگان می‌توانند از رابط برنامه‌نویسی Gemini Decisions API برای انتخاب خودکار ابزارها، ارزیابی اطلاعات دریافتی و تشخیص موقعیت‌هایی استفاده کنند که به دخالت انسان نیاز دارند.
این رابط برنامه‌نویسی اکنون از طریق Google AI Studio در دسترس قرار گرفته است. گوگل یک سطح استفاده رایگان نیز برای ساخت و آزمایش نمونه‌های اولیه ارائه می‌دهد.
همچنین این شرکت در حال گسترش یکپارچه‌سازی سرویس جدید با پلتفرم‌های توسعه‌دهندگان است. OpenRouter، LangChain، Vercel، LiteLLM و Pydantic AI از جمله ابزارهایی هستند که پشتیبانی از این فناوری برای آنها در حال ارائه است.