Googlen päätösmalli pisteyttää jopa 1 000 kysymystä kerralla tekstiä tuottamatta
Tekoälyn kirjoittama
Gemini Decision 1 ei kirjoita vastausta vaan antaa todennäköisyydet kehittäjän määrittämille vaihtoehdoille, ja hinta on 0,10 $ miljoonalta syötetokenilta. Googlen omissa vertailuissa malli oli paras useimmissa testeissä, mutta TypeSafe AI:n Jev oli halvempi.
Google esitteli 11. marraskuuta blogissaan rajapinnan, joka valitsee vastauksen valmiista vaihtoehdoista. Gemini Decisions API käyttää uutta Gemini Decision 1 -mallia. Käyttökohteiksi Google mainitsee esimerkiksi mallin ja tekoälyagentin työkalun valinnan sekä sääntötarkistukset.
Tavallinen kielimalli tuottaa vastauksen token kerrallaan. Gemini Decision 1 pisteyttää kehittäjän antamat vaihtoehdot yhdellä läpiajolla ja palauttaa niille todennäköisyydet. Jokaisessa vastauksessa on luottamusluku väliltä 0–1, joten ohjelma voi ohjata epävarmat tapaukset varajärjestelmälle tai ihmiselle.
Pyyntöön mahtuu yksi enintään 256 000 tokenin syöte ja enintään 1 000 kysymystä. Syötteessä voi olla tekstiä, kuvia, ääntä, videota ja PDF-tiedostoja. Kysymys on kyllä/ei-tyyppinen (noul), monivalinta 2–255 vaihtoehdosta tai arvio järjestysasteikolla.
Googlen mukaan mediaaniviive on 150–250 millisekuntia, kun syöte on enintään 16 000 tokenia. Yhtiön mukaan aika pysyy lähes samana, kun kysymyksiä on 1–100.
Googlen vertailussa pienin kalibrointivirhe
Google vertasi mallia aiemmin julkaistuihin päätösmalleihin, TypeSafe AI:n Jev 1.14:ään ja OpenAI:n GPT-6 Lunaan, sekä omaan Gemini 3.5 Flash-Lite -malliinsa. MarkTechPostin lainaamassa Googlen taulukossa Gemini Decision 1 on paras seitsemässä yhdeksästä tarkkuustestistä. Kahdessa niistä (ääni ja video) mukana oli vain Flash-Lite. Mallin kalibrointivirhe on pienin. Mittari kertoo, kuinka paljon mallin ilmoittama varmuus poikkeaa sen todellisesta osumatarkkuudesta.
| Testi | Gemini Decision 1 | Jev 1.14 | GPT-6 Luna | Gemini 3.5 Flash-Lite |
|---|---|---|---|---|
| JevBench (julkinen osa) | 92,2 % | 90,0 % | 90,9 % | 86,6 % |
| Mind2Web Multimodal | 86,2 % | 86,8 % | 81,8 % | 78,0 % |
| When2Call | 79,9 % | 82,0 % | 70,4 % | 60,9 % |
| Kalibrointivirhe, Top-1 ECE (pienempi parempi) | 0,0250 | 0,0494 | 0,0721 | 0,2104 |
| Hinta, 7 yhteistä testiä | 0,88 $ | 0,68 $ | 0,93 $ | 4,14 $ |
Lähde: Googlen taulukko MarkTechPostin mukaan. Kieltäytymiset ja turvaestot on laskettu vääriksi vastauksiksi.
Luvut ovat Googlen ilmoittamia ja koskevat yhtiön valitsemia testejä. Yhteisissä testeissä halvin oli Jev. Googlen väite lähes viisi kertaa halvemmasta mallista koskee vertailua Flash-Lite-malliin.
Bloggaaja Simon Willison kokeili mallia omaan videoonsa. Hänen mukaansa Jev ja OpenAI palauttavat kyllä/ei-kysymykseen 1,0 tai 0,0, mutta Gemini antoi esimerkiksi kysymykseen robotin esiintymisestä noin 0,92. MarkTechPostin mukaan dokumentaatio rajaa kyllä-todennäköisyyden 0,01:n ja 0,99:n välille.
Hinta ja käyttöönotto
Tulostetokeneista ei laskuteta. Yhteinen syöte laskutetaan kerran pyyntöä kohden, ja kukin kysymys lisää siihen vain omat ohje- ja kriteeritokeninsa. MarkTechPostin mukaan välimuistia ja eräajoa ei vielä ole, joten toistuva syöte maksetaan joka kerta. Jevin hinta on 0,042 dollaria miljoonalta syötetokenilta.
MarkTechPostin mukaan mallia ei voi ladata omalle koneelle. Sitä käytetään Googlen Gemini API:n kautta (v1beta, google-genai SDK 3.2 tai uudempi), ja Google AI Studiossa sitä voi kokeilla maksutta. Tuki on tulossa OpenRouteriin, LangChainiin ja muihin palveluihin, Google Cloudiin yhtiön mukaan pian.