در تصمیم‌گیری مشکل دارید؟ ۲۵۰ میلی‌ثانیه از زمان‌تان را به هوش مصنوعی جدید گوگل بدهید!

هوش مصنوعی قرار نیست همیشه متن بنویسد یا به پرسش‌های پیچیده پاسخ‌های طولانی بدهد. گاهی تنها کاری که از آن انتظار می‌رود، انتخاب بهترین گزینه از میان چند احتمال یا تشخیص درست‌بودن یک شرط است. گوگل در همین راستامدل جدیدی معرفی کردهکه دقیقاً برای چنین وظایفی ساخته شده است؛ مدلی که می‌تواند صدها تصمیم را در کسری از ثانیه بررسی کند و هزینه‌ی استفاده از آن نیز بسیار کمتر از مدل‌های مولد معمولی است.

گوگل می‌گوید Gemini Decisions API به توسعه‌دهندگان اجازه می‌دهد اطلاعات متنی، تصویری، صوتی و ویدیویی را در اختیار هوش مصنوعی قرار دهند و پاسخ مجموعه‌ای از پرسش‌های مشخص را تنها با یک درخواست دریافت کنند.

تفاوت اصلی این مدل با نسخه‌های معمول جمنای در نحوه‌ی تولید پاسخ است. مدل‌های زبانی متداول معمولاً پاسخ خود را به‌صورت مرحله‌به‌مرحله و با تولید توکن‌های متوالی می‌سازند؛ اما Gemini Decision 1 به‌جای تولید متن طولانی، گزینه‌های ازپیش‌تعریف‌شده را در یک مرحله‌ی پردازشی ارزیابی می‌کند و برای هر پاسخ، احتمال و میزان اطمینان ارائه می‌دهد.

این رویکرد باعث شده است که مدل جدید برای فعالیت‌هایی مانند دسته‌بندی اطلاعات، انتخاب ابزار مناسب برای عامل‌های هوش مصنوعی، بررسی رعایت قوانین و تعیین مدل مناسب برای پاسخ‌گویی به درخواست کاربران کاربرد داشته باشد.

یکی از ویژگی‌های مهم Gemini Decisions API، امکان بررسی حداکثر هزار سؤال مستقل درباره‌ی یک ورودی مشترک است.

توسعه‌دهنده می‌تواند یک سند PDF را در اختیار مدل قرار دهد و از آن بخواهد وجود اطلاعات مشخص، رعایت استانداردهای تعیین‌شده و میزان کامل‌بودن بخش‌های مختلف سند را بررسی کند.

به‌جای ارسال درخواست‌های جداگانه برای هر پرسش، تمام این موارد در یک درخواست بررسی می‌شوند.

گوگل می‌گوید Gemini Decision 1 می‌تواند متن، تصویر، صوت، ویدیو و اسناد PDF را پردازش کند و از ورودی‌هایی با حداکثر ۲۵۶ هزار توکن پشتیبانی می‌کند.

براساس آزمایش‌های گوگل، زمان پاسخ‌گویی سرتاسری این مدل در شرایط اعلام‌شده بین ۱۵۰ تا ۲۵۰ میلی‌ثانیه است. بخش پردازشی مدل نیز معمولاً بین ۵۰ تا ۱۰۰ میلی‌ثانیه زمان می‌برد.

گوگل می‌گوید در آزمایش‌هایی با ورودی‌های حداکثر ۱۶ هزار توکن، افزایش تعداد پرسش‌ها از یک مورد به ۱۰۰ مورد تأثیر بسیار کمی بر زمان پردازش داشته است.

مدل جدید گوگل به‌جای پاسخ‌گویی آزاد، از سه نوع تصمیم‌گیری ساختاریافته پشتیبانی می‌کند.

نخستین روش، پاسخ به پرسش‌های بله یا خیر است. برای مثال، می‌توان تصویری از یک محیط کاری را به مدل داد و پرسید آیا مانع خطرناکی روی زمین وجود دارد یا خیر.

در روش دوم، هوش مصنوعی از میان گزینه‌های مشخص یکی را انتخاب می‌کند. توسعه‌دهندگان می‌توانند بین ۲ تا ۲۵۵ گزینه تعریف کنند و مدل علاوه‌بر گزینه‌ی منتخب، احتمال مربوط به تمام گزینه‌ها را نیز ارائه می‌دهد.

روش سوم برای امتیازدهی براساس معیارهای ازپیش‌تعریف‌شده است. برای مثال، می‌توان از مدل خواست وضعیت نظافت یک محیط را براساس سطح‌های مختلف، از کاملاً تمیز تا دارای خطر ایمنی، ارزیابی کند. در این حالت، مدل یک امتیاز پیوسته‌ی وزن‌دار و احتمال مربوط به هر سطح را ارائه می‌دهد.

یکی از مزیت‌های مهم این ساختار، ارائه‌ی امتیاز اطمینان بین صفر تا یک برای هر پاسخ است. این ویژگی به توسعه‌دهندگان اجازه می‌دهد برای تصمیم‌هایی که مدل درباره‌ی آن‌ها اطمینان کمتری دارد، مرحله‌ی بررسی انسانی یا استفاده از یک مدل هوش مصنوعی دیگر را در نظر بگیرند.

البته امتیاز اطمینان بالا لزوماً به معنای صحیح‌بودن پاسخ نیست و میزان دقت واقعی مدل باید در کاربردهای مختلف آزمایش شود.

Gemini Decision 1 براساس معماری چندوجهی جمنای توسعه یافته است. به همین دلیل، می‌تواند چند نوع اطلاعات را هم‌زمان بررسی کند و برای تصمیم‌گیری از ترکیب آن‌ها استفاده کند.

برای مثال، یک شرکت بیمه می‌تواند تصویر خسارت خودرو را همراه با سند اسکن‌شده‌ی درخواست بیمه در اختیار مدل قرار دهد تا اطلاعات مربوط به پرونده بررسی شود.

در نمونه‌ای دیگر، می‌توان فایل صوتی تماس با مشتری را همراه با اطلاعات حساب کاربری او به مدل داد تا درخواست مشتری دسته‌بندی و به بخش مناسبی ارجاع داده شود.

گوگل همچنین امکان تنظیم وضوح تصاویر و ویدیوهای ورودی را فراهم کرده است. توسعه‌دهندگان می‌توانند با کاهش جزئیات بصری در مواردی که به دقت بسیار بالا نیاز نیست، تعداد توکن‌های مصرفی و هزینه‌ی پردازش را کنترل کنند.

یکی از مهم‌ترین ویژگی‌های Gemini Decision 1، قیمت‌گذاری آن است.

گوگل هزینه‌ی استفاده از مدل جدید را به‌ازای هر یک میلیون توکن ورودی، تنها ۰٫۱۰ دلار تعیین کرده است. برای توکن‌های خروجی هزینه‌ای دریافت نمی‌شود.

دلیل این تفاوت آن است که مدل برخلاف مدل‌های مولد معمولی، برای ارائه‌ی پاسخ نیازی به تولید تدریجی متن ندارد.

به‌گفته‌ی گوگل، در مجموعه‌ی آزمون‌های مقایسه‌ای مشترک، استفاده از Decisions API تقریباً پنج برابر ارزان‌تر از Gemini 3.5 Flash-Lite با رابط Interactions API تمام می‌شود.

نکته‌ی مهم دیگر این است که اطلاعات ورودی مشترک، صرف‌نظر از تعداد پرسش‌های مطرح‌شده درباره‌ی آن، تنها یک‌بار محاسبه می‌شوند. البته دستورها و معیارهای مربوط به هر سؤال، توکن‌های ورودی جداگانه‌ای به درخواست اضافه می‌کنند.

گوگل همچنین اعلام کرده است که برای این مدل هزینه‌ی اضافی مربوط به توکن‌های تفکر، تبدیل گفتار به متن یا تشخیص نوشته‌های موجود در تصاویر دریافت نمی‌شود.

در نتیجه، توسعه‌دهندگانی که باید حجم بزرگی از اطلاعات را به‌صورت مداوم دسته‌بندی یا ارزیابی کنند، می‌توانند از این مدل برای کاهش هزینه‌ی برخی فرایندهای نرم‌افزاری استفاده کنند.

مدل Gemini Decision 1 صرفاً یک پروژه‌ی آزمایشی نیست و گوگل می‌گوید تعدادی از تیم‌های داخلی شرکت هم‌اکنون از آن در محصولات واقعی استفاده می‌کنند.

یکی از مهم‌ترین نمونه‌ها، Gemini Notebook است. این سرویس از Decisions API برای تشخیص نوع درخواست کاربر و انتخاب مدل هوش مصنوعی مناسب استفاده می‌کند. زمانی که کاربر پرسش ساده‌ای مطرح می‌کند، سیستم می‌تواند درخواست را به مدلی سریع‌تر و کم‌هزینه‌تر ارسال کند؛ اما برای مسائل پیچیده، مدل قدرتمندتری با توانایی استدلال بیشتر انتخاب می‌شود.

براساس اعلام گوگل، استفاده از این روش زمان پاسخ‌گویی به درخواست‌های روزمره را تا ۴۰ درصد کاهش داده است.

گوگل اعلام کرده است که Gemini Decisions API از امروز ازطریق Gemini API در محیط Google AI Studio در دسترس قرار گرفته است.

توسعه‌دهندگان می‌توانند با دریافت کلید API، از مدل gemini-decision-1 در پروژه‌های خود استفاده کنند.

امکان آزمایش رایگان مدل در سطح دسترسی بدون هزینه‌ی Google AI Studio نیز فراهم شده است.

پشتیبانی از Gemini Decision 1 در سرویس‌های جمنای در Google Cloud نیز برای آینده برنامه‌ریزی شده است.

این مدل برای کاربران عادی به‌عنوان یک چت‌بات مستقل عرضه نشده است. Gemini Decision 1 ابزاری تخصصی برای توسعه‌دهندگان محسوب می‌شود که می‌خواهند قابلیت تصمیم‌گیری سریع و ساختاریافته را به نرم‌افزارها و عامل‌های هوش مصنوعی اضافه کنند.