گوگل روز چهارشنبه ۲۰ آبان ۱۴۰۵ (۱۱ نوامبر ۲۰۲۶) «Gemini Decisions API» را معرفی کرد؛ درگاهی تازه برای تصمیم‌های سریع و بسته که روی مدل جدید «Gemini Decision 1» کار می‌کند. طبق وبلاگ رسمی گوگل این مدل به‌جای نوشتن متن، به گزینه‌هایی که شما می‌دهید نمره می‌دهد و می‌تواند در یک درخواست تا ۱۰۰۰ پرسش جدا را درباره‌ی یک ورودی جواب بدهد.
مدل تصمیم‌گیر یعنی چه؟
مدل‌های معمول گفتگو جواب را واژه به واژه می‌سازند. ولی خیلی وقت‌ها برنامه فقط یک تصمیم ساده می‌خواهد: این پیام هرزنامه است یا نه؟ کدام ابزار باید صدا زده شود؟ این پاسخ از ۰ تا ۴ چه نمره‌ای می‌گیرد؟ مدل تصمیم‌گیر برای همین کار ساخته شده است. متن تولید نمی‌کند و فقط احتمال هر گزینه را برمی‌گرداند؛ برای همین هم تندتر است و هم ارزان‌تر.
نمونه‌ی خودت را می‌توانی با چت با هوش مصنوعی به فارسی در هوش نو بسازی؛ هزینه را پیش از ساخت می‌بینی.
چطور کار می‌کند؟
شما یک ورودی می‌فرستید و چند پرسش به آن می‌چسبانید. ورودی می‌تواند متن، عکس، صدا، ویدیو یا PDF باشد، تا ۲۵۶ هزار توکن، و می‌شود چند نوع را کنار هم گذاشت؛ مثلا صدای ضبط‌شده‌ی یک تماس به‌همراه اطلاعات حساب مشتری. سه نوع پرسش وجود دارد:
- بله یا نه: مدل می‌گوید یک شرط با چه احتمالی برقرار است.
- چندگزینه‌ای: از میان ۲ تا ۲۵۵ گزینه یکی را برمی‌دارد و احتمال همه‌ی گزینه‌ها را هم می‌دهد.
- نمره‌دهی: ورودی را با یک جدول معیار پله‌ای (از صفر به بالا) می‌سنجد و نمره می‌دهد.
هر پاسخ یک «نمره‌ی اطمینان» بین ۰ و ۱ هم دارد. اگر اطمینان پایین بود، برنامه می‌تواند کار را به یک مدل بزرگ‌تر یا به آدم بسپارد. می‌شود هر سه نوع پرسش را در یک درخواست با هم فرستاد.
سرعت و قیمت
| مورد | مقدار اعلام‌شده |
|---|---|
| زمان کل پاسخ | ۱۵۰ تا ۲۵۰ میلی‌ثانیه |
| زمان محاسبه‌ی خود مدل (میانه) | ۵۰ تا ۱۰۰ میلی‌ثانیه |
| بیشترین پرسش در یک درخواست | ۱۰۰۰ |
| قیمت ورودی | ۰٫۱۰ دلار برای هر یک میلیون توکن |
| قیمت خروجی | رایگان |
ورودی مشترک در هر درخواست فقط یک بار حساب می‌شود، هر چند پرسش که بپرسید؛ هر پرسش فقط به اندازه‌ی متن خودش هزینه دارد. گوگل می‌گوید این درگاه در مجموعه‌ی آزمون‌هایش نزدیک به ۵ برابر ارزان‌تر از Gemini 3.5 Flash-Lite تمام می‌شود و زمان پاسخ از ۱ تا ۱۰۰ پرسش تقریبا ثابت می‌ماند. در Google AI Studio یک سطح رایگان هم برای آزمایش هست.
گوگل خودش کجا از آن استفاده می‌کند؟
- Gemini Notebook: هر پرسش کاربر را به مدل و سطح فکرکردن مناسب می‌فرستد؛ گوگل می‌گوید پاسخ پرسش‌های روزمره تا ۴۰ درصد تندتر شده است.
- Stitch: در ساخت تند نمونه‌ی طراحی و اعمال ویرایش‌های صوتی یا لمسی.
- جست‌وجوی گوگل: به‌عنوان لایه‌ی ایمنی برای ابزارهای MCP تا رفتار و محتوای خراب‌کارانه را بگیرد.
موج مدل‌های تصمیم‌گیر
گوگل تنها نیست. The Decoder می‌نویسد پیش از این استارتاپ Jev، OpenAI، Cloudflare و مایکروسافت هم مدل‌های مشابهی داده‌اند. ما هم پیش‌تر درباره‌ی Decisions API از OpenAI و مدل هندی Sarvam Prism نوشته بودیم. دلیل این موج روشن است: ایجنت‌ها در هر کار ده‌ها تصمیم کوچک می‌گیرند و اگر هر تصمیم با یک مدل بزرگ گرفته شود، کار کند و گران می‌شود.
گوگل می‌گوید Gemini Decision 1 در آزمون‌های مسیردهی ایجنت، استدلال، رتبه‌بندی و فهم چندرسانه‌ای پیشتاز است و کمترین خطای «کالیبراسیون» را دارد؛ یعنی وقتی می‌گوید ۹۰ درصد مطمئن است، واقعا نزدیک به همان اندازه درست می‌گوید. ولی این نتیجه‌ها فقط در نمودار آمده، عدد دقیق ندارد و از آزمون خود گوگل است؛ سنجش مستقلی هنوز منتشر نشده.
این یعنی چه برای کاربر فارسی‌زبان؟
این خبر بیشتر برای برنامه‌نویس‌ها و کسانی است که ربات یا ایجنت می‌سازند: دسته‌بندی پیام مشتری، بررسی محتوا، نمره‌دادن به پاسخ‌ها یا انتخاب ابزار. گوگل درباره‌ی دقت مدل روی زبان فارسی چیزی نگفته، پس پیش از تکیه روی آن با داده‌ی فارسی خودتان آزمایش کنید. پشتیبانی در Google Cloud هم «به‌زودی» اعلام شده است. اگر تازه با این موضوع آشنا می‌شوید، ایجنت هوش مصنوعی چیست؟ را بخوانید. برای گفتگو با Gemini و مدل‌های دیگر به فارسی هم به ابزارهای هوش‌نو سر بزنید.
منبع‌ها
سؤالات متداول
Gemini Decision 1 متن هم می‌نویسد؟
نه. فقط به گزینه‌ها نمره می‌دهد و احتمال و اطمینان برمی‌گرداند.
قیمت Gemini Decisions API چقدر است؟
۰٫۱۰ دلار برای هر یک میلیون توکن ورودی؛ خروجی هزینه ندارد.
از کجا می‌شود آن را امتحان کرد؟
با کلید API از Google AI Studio؛ سطح رایگان برای آزمایش هم دارد.
