wtorek, 17 listopada 2026

Nowości

Google uruchamia Gemini Decisions API: model zwraca pewność odpowiedzi zamiast tekstu, 0,10 dolara za milion tokenów

ModelePatryk Raba
Google uruchamia Gemini Decisions API: model zwraca pewność odpowiedzi zamiast tekstu, 0,10 dolara za milion tokenów
Fot. Asoundd, Wikimedia Commons (CC BY-SA 4.0)
Spis treści
  1. Jak to działa
  2. Cena i szybkość
  3. Testy i zastosowania
  4. Dostępność i co dalej

Google DeepMind wprowadził Gemini Decisions API, nowy endpoint w Gemini API i Google AI Studio, który nie pisze odpowiedzi słowo po słowie. Model Gemini Decision 1 ocenia dane wejściowe względem zestawu pytań i oddaje prawdopodobieństwa wraz z oceną pewności. Całość ma służyć do szybkich decyzji w aplikacjach i agentach.

Jak to działa

Według wpisu autorstwa Min Choi i Felixa Yu z Google DeepMind endpoint jest przeznaczony do zamkniętych decyzji: wyboru narzędzia, sprawdzania zgodności z polityką, routingu między modelami czy oceny przydatności kontekstu. Model ocenia opcje w jednym przebiegu i zwraca prawdopodobieństwa oraz wartości pewności w skali od 0 do 1.

Dostępne są trzy typy pytań. Pytanie tak/nie zwraca prawdopodobieństwo, z opcjonalnymi kryteriami prawdy i fałszu. Pytanie wyboru obejmuje od 2 do 255 opcji i zwraca znormalizowane prawdopodobieństwa dla każdej z nich. Pytanie punktowe ocenia wynik względem uporządkowanej skali zaczynającej się od 0 i zwraca ważoną ocenę oraz prawdopodobieństwa dla poszczególnych poziomów.

Wspólne wejście może łączyć różne typy materiałów, a rozdzielczość obrazów i wideo da się dostosować, by wyważyć szczegółowość i koszt tokenów. Format danych jest ten sam co w Interactions API. W przykładzie z wpisu model analizuje zdjęcie z pokoju socjalnego i notatkę tekstową, odpowiadając na pytania wszystkich trzech typów.

Cena i szybkość

Google rozlicza wyłącznie tokeny wejściowe: 0,10 dolara za milion, bez opłat za tokeny wyjściowe i tokeny myślenia, a także bez osobnych opłat za transkrypcję audio i OCR. Wspólne wejście jest liczone raz na zapytanie, a każde pytanie dokłada tylko tokeny własnej instrukcji i kryteriów. W AI Studio jest też bezpłatny poziom do prototypowania.

Firma podaje, że przy wejściach multimodalnych i kontekstach do 16 tys. tokenów opóźnienie wynosi 150-250 ms end-to-end i pozostaje niemal stałe przy zwiększeniu liczby pytań z 1 do 100. Google twierdzi również, że rozwiązanie jest prawie pięciokrotnie tańsze w całym wspólnym zestawie testów niż Gemini 3.5 Flash-Lite z Interactions API. To porównanie pochodzi od producenta.

Testy i zastosowania

Google deklaruje, że Gemini Decision 1 prowadzi w zestawie benchmarków obejmującym routing agentów, rozumowanie, ranking i rozumienie multimodalne, oraz ma najniższy błąd kalibracji. Wpis zawiera tylko wykresy, bez liczb w tekście, więc wyników nie da się tu niezależnie sprawdzić.

Wśród zastosowań wewnętrznych Google wymienia Gemini Notebook, gdzie model kieruje zapytania do odpowiedniego modelu i poziomu myślenia, co ma dawać do 40 procent niższe opóźnienie przy codziennych zapytaniach. Google Search używa go jako warstwy bezpieczeństwa dla narzędzi MCP, wykrywającej wrogie zachowania i treści. Laboratoryjny projekt CC wybiera reakcję emoji spośród ponad 200.

Dostępność i co dalej

Endpoint jest dostępny w Gemini API i Google AI Studio, z przewodnikami dla Pythona, JavaScriptu i REST. Integracje wdrażane są w OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit i OpenCode oraz w SDK google-genai. Obsługa w Gemini w Google Cloud jest zapowiedziana jako wkrótce.

Dla zespołów budujących agentów to propozycja odciążenia dużych modeli w prostych krokach, takich jak routing czy filtrowanie. Ponieważ każda odpowiedź ma ocenę pewności, niepewne przypadki można kierować do człowieka lub modelu zapasowego. Skuteczność w konkretnym zastosowaniu trzeba jednak sprawdzić na własnych danych, bo deklaracje o jakości pochodzą od Google.

Udostępnij: