谷歌昨日宣布推出 Gemini Decisions API 快速多模态决策，由全新 Gemini Decision 1 模型驱动。该 API 可在 1 次快速处理过程中，对文本、图像、视频和 PDF 内容进行至多 1000 项是非判断、选项选择和标准评估。

据介绍，Gemini Decisions API 专为工具选择、策略检查、模型路由和上下文质量评估等决策任务打造。开发者可以输入 1 份包含文本、图像、音频、视频和 PDF 的多模态内容，最多支持 256K Tokens，并针对这份内容提出最多 1000 个相互独立的问题。

同时，Gemini Decision 1 会通过一次前向计算对候选选项进行评分，并返回概率和置信度分数。整个处理过程的延迟为 150 至 250 毫秒，输入价格为每 100 万 Tokens 0.10 美元，输出 Tokens 则不收取费用。

此外，该 API 基于 Gemini 原生多模态架构构建。开发者可以在同一份输入中组合不同模态的内容，例如将通话录音与账户元数据结合，或将扫描版 PDF 理赔文件与受损照片放在一起。此外，还可以调整图像和视频输入的分辨率，以控制视觉细节和 Token 成本。

目前该 API 已在 Google AI Studio 提供，开发者可获得免费额度进行原型开发。