Google Gemini Decision 1: 1000 pytań w jednym przebiegu

Google DeepMind dołącza do rosnącego grona dostawców, którzy stawiają na wąsko wyspecjalizowane modele decyzyjne. Nowością jest Gemini Decisions API - interfejs zaprojektowany z myślą o szybkim rozstrzyganiu pytań zamkniętych: odpowiedziach typu tak/nie, wyborze jednej opcji z listy oraz ocenach w skali. Sercem rozwiązania jest model Gemini Decision 1, który w jednym przebiegu potrafi ocenić nawet tysiąc niezależnych pytań, przyjmując na wejściu tekst, obrazy, dźwięk, wideo oraz pliki PDF.

Zamiast generować swobodną odpowiedź, model punktuje dostępne opcje i zwraca prawdopodobieństwa wraz z wartościami pewności. Cały proces zajmuje od 150 do 250 milisekund - to tempo, które w praktyce pozwala wpleść decyzje modelu w działanie aplikacji w czasie rzeczywistym, bez odczuwalnego opóźnienia dla użytkownika.

Jak Gemini Decision 1 radzi sobie z rzeczywistymi zadaniami

Google nie ogranicza się do zapowiedzi - API jest już wykorzystywane we własnych produktach firmy. W Gemini Notebook odpowiada za dynamiczny routing między modelami, w narzędziu Stitch wspiera prototypowanie projektów, a w wyszukiwarce Google realizuje kontrole bezpieczeństwa. To pokazuje, że zastosowania koncentrują się wokół klasyfikacji, wyboru ścieżki i weryfikacji - zadań, w których liczy się szybkość i powtarzalność, a nie kreatywność.

Dobrą ilustracją możliwości modelu jest przykład ze zdjęciem blatu kuchennego. W jednym przebiegu system odpowiada na trzy różne typy pytań jednocześnie: wykrywa plamę (odpowiedź tak/nie z pewnością 0,95), wskazuje właściwą czynność czyszczącą (98 proc.) oraz ocenia nasilenie zabrudzenia w skali (1,19 na 2). To pokazuje, że model nie tylko klasyfikuje, ale też łączy różne formaty decyzji w ramach jednego wywołania.

Wyniki benchmarków i multimodalność

Według Google Gemini Decision 1 prowadzi w zestawach testowych w kategoriach takich jak routing agentów, rozumowanie oraz rozumienie multimodalne. Model osiąga również najniższy błąd kalibracji (Top-1 ECE), co w praktyce oznacza, że deklarowana pewność odpowiedzi lepiej odpowiada rzeczywistej trafności. Dla systemów produkcyjnych to istotna cecha - pozwala bowiem sensownie ustalać progi pewności i kierować niepewne przypadki do dalszej analizy.

Cena i dostępność

Koszt korzystania z API ustalono na 0,10 USD za milion tokenów wejściowych, przy braku opłat za tokeny wyjściowe. Google przekonuje, że to około pięciokrotnie taniej niż w przypadku Gemini 3.5 Flash-Lite. Interfejs jest już dostępny przez Google AI Studio, a integracje z platformami takimi jak OpenRouter, LangChain czy Vercel mają być wdrażane sukcesywnie.

Nowy trend: modele decyzyjne zamiast uniwersalnych LLM

Premiera Gemini Decision 1 nie jest wydarzeniem w próżni. W ostatnich tygodniach podobne rozwiązania zaprezentowały kolejno startup Jev, OpenAI, Cloudflare oraz Microsoft. Rynek wyraźnie zmierza w stronę modeli wyspecjalizowanych w konkretnym typie zadania - takich, które są tańsze, szybsze i łatwiejsze w kalibracji niż duże modele ogólnego przeznaczenia.

Dla zespołów budujących aplikacje z AI oznacza to szersze pole wyboru: zamiast kierować każde zapytanie do jednego, dużego modelu, można rozdzielać zadania między wyspecjalizowane komponenty. Pytanie brzmi, jak szybko takie podejście stanie się standardem i czy uniwersalne LLM pozostaną pierwszą linią kontaktu z użytkownikiem, czy raczej warstwą nadzorującą pracę mniejszych, dedykowanych modeli.