Google выпустила Gemini Decisions API: $0,10 за млн входных токенов и 10 000 запросов в день бесплатно

Google выпустила Gemini Decisions API, интерфейс для задач, в которых ИИ должен быстро оценивать данные, выбирать вариант действия и проверять заданные условия.

В основе нового API лежит модель Gemini Decision 1. Она способна анализировать сразу несколько типов информации и принимает до 1000 вопросов за один запрос. На общий вход вместе с вопросами отводится до 262 144 токенов. Текста модель не генерирует: она возвращает вероятность каждого заранее заданного варианта, и поле total_output_tokens в ответе всегда равно нулю.

Для разработчиков, которые строят автоматические решения поверх ИИ, это инструмент под задачи выбора и проверки условий, где важна скорость обработки пакета вопросов. Модель работает через Gemini API версии v1beta и в Google AI Studio, её идентификатор — gemini-decision-1. Поддержку в Google Cloud компания обещает «скоро», без даты.

Цена — $0,10 за миллион входных токенов, выход не тарифицируется. На бесплатном уровне доступно 200 запросов в минуту, 50 000 токенов в минуту и 10 000 запросов в день на проект. Кеширования, Batch API, Flex и Priority нет. России нет в списке регионов Gemini API; у агрегаторов модель уже появилась — в OpenRouter это google/gemini-decision-1.

Какие бывают вопросы

У каждого вопроса один из трёх типов: «да/нет» (возвращает вероятность ответа «да» от 0,01 до 0,99 и confidence), выбор одного варианта из фиксированного списка на 2–255 позиций (победивший вариант, вероятности всех вариантов и confidence) и оценка по упорядоченной рубрике на 2–255 уровней, которую советуют держать в пределах 2–10 (среднее номеров уровней, взвешенное по вероятностям, вероятности уровней и confidence). Все вопросы оцениваются за один проход модели по общему входу и не видят друг друга: добавление или удаление вопроса, по документации, не меняет остальные ответы.

Вход принимает не только текст: документация называет изображения, аудио, видео и PDF. По этому признаку Gemini Decision 1 отличается от вышедших раньше решений того же класса — модели Jev от стартапа TypeSafe и открытого в октябре Decisions API на GPT-6 Luna у OpenAI. По замерам самой Google, модель обходит обе в 5 из 7 общих тестов, а ошибка калибровки Top-1 ECE у неё 0,0250 против 0,0494 и 0,0721, хотя прогон этих тестов у Jev дешевле: $0,68 против $0,88.