[控场AI]
· 4 分钟阅读· 2,078 字

谷歌发布Gemini Decisions API:多模态概率决策新工具

谷歌发布Gemini Decisions API:多模态概率决策新工具

谷歌推出Gemini Decisions API,以校准概率支持多模态批量封闭式决策。

谷歌发布由Gemini Decision 1模型驱动的Gemini Decisions API,可将大模型推理转化为可量化的决策信号。该API不输出自由文本,而是针对用户定义的封闭式问题返回校准概率,单次请求最多支持1000个是/否、多选或评分标准问题,输入覆盖文本、图像、音频、视频和PDF。定价为每百万输入token 0.10美元,处于谷歌产品线较低价位,适合大规模批处理决策场景,如内容审核、文档分类和多媒体筛选。文章指出,校准概率便于下游直接设定阈值和风险加权,但模型在专业领域的可靠性缺乏基准数据支撑,且封闭式问题需人工预先定义,不适用于开放性任务。

谷歌近日推出Gemini Decisions API,该API由Gemini Decision 1模型驱动,能够针对文本、图像、音频、视频和PDF等多种输入,返回经过校准的概率结果,支持最多1000个是/否、选择或评分标准问题。定价为每百万输入token 0.10美元。

谷歌发布Gemini Decisions API

多模态决策API的核心能力

Gemini Decisions API的设计目标是将大模型的推理能力转化为可量化的决策信号。与常规的文本生成接口不同,它不输出自由形式的回答,而是针对用户定义的封闭式问题给出概率判断。这些问题可以是简单的“是/否”判断,也可以是多选一,或是按照评分标准进行打分。

单次请求支持最多1000个问题,这意味着开发者可以在一次调用中完成批量化的决策评估。输入模态覆盖文本、图像、音频、视频和PDF,使得该API可以应用于内容审核、文档分类、多媒体素材筛选等场景。返回的“校准概率”是其中值得关注的设计:校准意味着模型输出的概率值在统计上更接近真实频率,便于下游系统直接设定阈值或进行风险加权。

校准概率(Calibrated Probability) 是指模型输出的概率值在统计意义上与真实世界的事件发生频率相一致。举例来说,如果模型对100个不同问题都给出“0.8”的概率判断,那么在这100个问题中应当大约有80个的真实答案为“是”。未经校准的模型往往存在过度自信或信心不足的倾向,比如对实际只有60%把握的判断输出0.95。校准通常通过温度缩放、保序回归等后处理手段,或在大规模标注数据上进行专门训练来实现。对下游系统而言,校准良好的概率可以直接用于设定阈值、计算期望损失或进行风险加权,而不必再额外做分数到概率的映射。在内容审核等场景中,这意味着运营团队可以按“误放行成本”与“误拦截成本”的比值直接确定截断点。

定价策略与成本考量

每百万输入token 0.10美元的定价在谷歌的模型产品线中处于较低价位。对于需要大规模、高频次进行二元判断的任务,这一价格结构可能比调用通用大模型再解析输出更具成本优势。不过需要注意,素材仅披露了输入token价格,未提及输出计费方式或是否存在其他附加费用。开发者在评估总成本时,仍需结合自身问题的数量和输入内容的长度进行测算。

从产品定位看,这一定价更像是面向批处理决策场景的“基础设施型”价格,而非面向对话交互的定价。对于已经使用谷歌云或Gemini生态的团队,接入门槛相对较低。

输入token与输出token的计费差异 是大模型API定价中的常见结构。Token是模型处理文本的最小单位,大致相当于一个词或词的一部分;多模态输入(图像、音频、视频)通常会被编码为一定数量的token。多数生成式API对输入和输出分别计价,且输出单价往往显著高于输入,因为自回归生成需要逐token计算。Gemini Decisions API的定价只按输入token计费,这与它的输出形态一致——返回的是每个问题的概率值,输出体量极小且结构固定,因此可能不计费或计入极低的固定开销。开发者在测算成本时,主要变量是单次请求中输入内容的总token量乘以问题数量所对应的处理开销,而非传统生成任务中难以预估的输出长度。

适用场景与潜在局限

概率化决策API的典型用途包括:对用户提交内容进行合规性判断、对海量文档按评分标准进行优先级排序、对多媒体素材进行多标签筛选等。由于返回的是概率而非确定性答案,系统可以设置保守或激进的阈值,灵活平衡召回率与精确率。

局限同样存在。校准概率的实际质量取决于模型在具体领域数据上的表现,素材未提供基准测试数据,因此无法判断其在专业领域的可靠性。此外,封闭式问题的设计需要人工预先定义,对于开放性、探索性任务并不适用。多模态输入的具体格式要求和大小限制,素材中也未说明。

召回率与精确率的权衡 是评估二分类决策系统的核心框架。召回率指所有真实正例中被正确识别出来的比例,精确率指被判定为正例的样本中真正为正例的比例。二者通常此消彼长:降低判定阈值可以抓到更多正例(召回率上升),但会引入更多误判(精确率下降)。概率化API的价值在于把这一权衡交给业务方显式控制——例如在违规内容审核中,若漏放代价高就调低阈值以保召回,若误杀代价高就调高阈值以保精确。由于返回的是连续概率而非硬标签,同一套接口可以在不同业务线配置不同阈值,而无需重新训练模型。

对开发者的意义

Gemini Decisions API代表了一种趋势:将大模型能力封装为更窄、更可控的接口,降低集成复杂度。开发者无需处理自然语言输出的解析和容错,直接获得结构化概率值。对于需要将AI判断嵌入业务流程的团队,这类API可以缩短从原型到生产的路径。是否选择该API,取决于具体任务对校准质量、模态覆盖和成本结构的匹配程度。

#Gemini Decisions API#Gemini Decision 1#谷歌AI API#多模态决策#校准概率#AI决策接口
分享:

相关推荐