谷歌昨日宣布推出 Gemini Decisions API 快速多模態決策，由全新的 Gemini Decision 1 模型驅動。該 API 可在 1 次快速處理過程中，對文本、圖像、視頻和 PDF 內容進行多達 1000 項是非判斷、選項選擇和標準評估。

據介紹，Gemini Decisions API 是專為工具選擇、策略檢查、模型路由和上下文質量評估等決策任務而打造。開發者可以輸入一份包含文本、圖像、音頻、視頻和 PDF 的多模態內容，最大支持 256K Tokens，並針對這份內容提出最多 1000 個相互獨立的问题。

同時，Gemini Decision 1 會透過一次前向計算對候選選項進行評分，並返回概率和置信度分數。整個處理過程的延遲為 150 至 250 毫秒，輸入價格為每 100 萬 Tokens 0.10 美元，輸出 Tokens 則不收取費用。

此外，該 API 是基於 Gemini 原生多模態架構構建的。開發者可以在同一份輸入中組合不同模態的內容，例如將通話錄音與賬戶元數據結合，或將掃描版的 PDF 理賠文件與損壞的照片放在一起。此外，還可以調整圖像和視頻輸入的解析度，以控制視覺細節和 Token 成本。

目前該 API 已在 Google AI Studio 提供，開發者可獲得免費額度進行原型開發。