Google представила ИИ-модель, которая принимает решения за доли секунды

Компания Google запустила Gemini Decisions API — инструмент для разработчиков, которым нужно быстро оценивать данные и выбирать действия без генерации развернутых ответов. В его основе лежит модель Gemini Decision 1.

В отличие от обычных языковых моделей, которые последовательно генерируют текст, Gemini Decision 1 оценивает заранее заданные варианты. Например, система может определить, соответствует ли запрос правилам, какой инструмент лучше использовать или к какой модели направить задачу. Результат включает вероятности и оценки уверенности, а полный цикл обработки занимает 150–250 миллисекунд.

Как работает модель принятия решений

Разработчики могут задавать три типа вопросов. Первый — проверки с ответом «да» или «нет». Второй — выбор одного варианта из списка, в котором может быть до 255 пунктов. Третий — оценка по заранее установленным критериям, например соответствие определенным требованиям или качество предложенного решения.

Все эти операции выполняются в рамках одного обращения к API. При этом модель может учитывать до 256 000 токенов контекста. Общие входные данные не приходится повторно передавать для каждого вопроса, что упрощает обработку больших объемов информации.

По данным Google, среднее время вычислений самой модели составляет 50–100 миллисекунд, а общая задержка с учетом обработки запроса — 150–250 миллисекунд. Компания также утверждает, что скорость практически не меняется при увеличении числа вопросов в одном запросе со 100 до 1000.

Google сравнила Gemini Decision 1 с другими системами по нескольким показателям, включая маршрутизацию ИИ-агентов, рассуждения, ранжирование и работу с разными типами данных. По заявлению компании, ее модель показала лучшие результаты в этих тестах, в том числе самую низкую ошибку калибровки. Этот показатель отражает, насколько заявленная моделью вероятность ответа соответствует его фактической точности.

Сколько стоит использование API

Стоимость Gemini Decisions API составляет 0,10 доллара за миллион входных токенов. За выходные токены Google не взимает плату. Если разработчик задает несколько вопросов на основе одного изображения, документа или другого общего набора данных, повторно оплачивать этот входной материал не нужно. При этом инструкции и критерии для каждого вопроса добавляют собственные токены.

Google также заявляет, что Gemini Decision 1 почти в пять раз дешевле Gemini 3.5 Flash-Lite при использовании через Interactions API в рамках проведенного компанией сравнения.

Где Google уже применяет новую технологию

Модель используется в нескольких продуктах компании. В Gemini Notebook она помогает определять, какую модель или уровень логических рассуждений выбрать для обработки запроса. По данным Google, благодаря этому повседневные обращения обрабатываются с задержкой до 40% меньше, а более мощные модели остаются доступными для сложных задач.

В сервисе Google Stitch технология ускоряет создание интерактивных прототипов. Пользователи могут менять дизайн с помощью голосовых команд и сенсорного ввода. Голосовой помощник CC применяет модель для выбора подходящей реакции из более чем 200 эмодзи.

Еще одна область применения — защита поиска Google. Gemini Decision 1 помогает выявлять потенциально опасные действия, связанные с использованием инструментов через протокол контекста модели (MCP). Такой механизм может служить дополнительной проверкой перед выполнением команды.

Доступ для разработчиков

Gemini Decisions API уже доступен через Google AI Studio. Для знакомства с технологией предусмотрен бесплатный тариф, позволяющий создавать и проверять прототипы.

Google также добавляет поддержку API в инструменты для разработки ИИ-приложений. Среди платформ, для которых заявлена интеграция, — OpenRouter, LangChain, Vercel, LiteLLM и Pydantic AI.

Новый инструмент рассчитан прежде всего на системы, которым приходится постоянно выбирать между несколькими действиями, проверять входящие данные и направлять запросы к нужным сервисам. В таких сценариях отдельная модель для принятия решений может оказаться быстрее и дешевле, чем использование универсальной нейросети для генерации текста.