Annonce de l'API Gemini Decisions
Google a présenté l'API Gemini Decisions, un nouveau point d'accès conçu pour effectuer des décisions rapides et fermées sur des entrées multimodales. L'API s'appuie sur le modèle Gemini Decision 1 (identifié par `gemini-decision-1`) et est disponible via l'API Gemini dans Google AI Studio.
L'objectif de cet outil est de fournir des primitives spécifiques pour des choix bornés, tels que la sélection d'outils, la vérification de politiques, le routage de modèles ou la notation de contexte. Contrairement aux modèles génératifs standards qui produisent du texte token par token, ce système évalue les options candidates en une seule passe avant, en renvoyant des probabilités et des scores de confiance.
Architecture et types de décision
Le modèle traite directement le texte, les images, l'audio, la vidéo et les PDF en une seule passe, permettant de combiner des modalités dans une entrée partagée. Par exemple, il est possible d'associer un enregistrement d'appel avec des métadonnées de compte ou un PDF scanné avec des photographies de dommages. Le système prend en charge jusqu'à 256K tokens de contexte et permet d'ajuster la résolution des images et des vidéos pour contrôler le détail visuel et le coût en tokens.
L'API prend en charge trois types de questions dans une même requête : noul (oui/non), choice (choix multiple) et score (notation par grille). Chaque réponse inclut un score de confiance compris entre 0 et 1, ce qui permet aux développeurs de rediriger les cas ambigus vers un relecteur humain ou un système de secours.
Types de questions pris en charge par l'API
Comparaison des trois types d'évaluation disponibles dans l'API Gemini Decisions.
| Type | Description | Sortie |
|---|---|---|
| noul | Estime la probabilité qu'une condition oui/non soit remplie. | Probabilité et critères optionnels de vrai/faux. |
| choice | Sélectionne parmi 2 à 255 options. | Option gagnante et probabilités normalisées pour chaque candidat. |
| score | Note les entrées selon une grille ordonnée (commençant à 0). | Score continu pondéré et probabilités par niveau. |
Performance, latence et coût
Sur des benchmarks couvrant le routage d'agents, le raisonnement, le classement et la compréhension multimodale, Gemini Decision 1 présente la plus faible erreur de calibration de la suite évaluée. En évaluant les options sans décodage token par token, la latence médiane de calcul du modèle se situe entre 50 et 100 ms, avec une latence totale de bout en bout de 150 à 250 ms.
Les performances restent pratiquement stables lorsque le nombre de questions par requête augmente, de 1 à 100. En termes de coût, l'API facture 0,10 dollar par million de tokens d'entrée et 0 dollar pour les tokens de sortie. Google indique que cela la rend presque 5 fois moins chère que Gemini 3.5 Flash-Lite avec l'API d'Interactions sur la suite de benchmarks partagée.
Implémentation et exemples de code
L'API utilise le même format de blocs de contenu que l'API d'Interactions. Les développeurs peuvent commencer à construire immédiatement en obtenant une clé d'API dans Google AI Studio. La documentation officielle propose des guides pour Python, JavaScript et REST.
L'exemple suivant montre comment vérifier une image d'un comptoir avec une note de texte contre les trois types de questions en une seule requête en utilisant la bibliothèque Python.
Code pour évaluer une image et du texte avec des questions de type noul, choice et score.
from google import genai
client = genai.Client(http_options={"api_version": "v1beta"})
result = client.decisions.create(
model="gemini-decision-1",
input=[
{
"type": "image",
"uri": "https://storage.googleapis.com/generativeai-downloads/images/spill.jpg",
"mime_type": "image/jpeg",
},
{
"type": "text",
"text": "Breakroom counter check before the 9 AM client meeting.",
},
],
questions={
"has_spill": {
"type": "noul",
"instructions": "Is there an uncleaned liquid spill on the counter?",
},
"next_action": {
"type": "choice",
"instructions": "Which cleanup action fits the scene?",
"criteria": {
"wipe_with_cloth": "Small counter spill with a cloth or towel already nearby.",
"dispatch_janitorial": "Large floor hazard, broken glass, or active leak.",
"ready_for_meeting": "Counter is clean and ready.",
},
},
"severity": {
"type": "score",
"instructions": "Rate the severity of the counter mess.",
"criteria": [
"Clean and ready.",
"Minor localized spill.",
"Major spill or safety hazard.",
],
},
},
)
Cas d'usage internes chez Google
Plusieurs équipes de Google utilisent déjà l'API Decisions comme un plan de contrôle à faible latence. Dans Gemini Notebook, l'API agit comme un routeur en temps réel qui dirige les requêtes entrantes vers le niveau de modèle et de raisonnement optimal, réduisant la latence jusqu'à 40 % pour les requêtes courantes.
Dans Stitch, l'outil de conception, l'API génère des maquettes interactives d'un flux produit en quelques secondes et applique les modifications effectuées par la voix ou le toucher presque instantanément. Dans CC (de Google Labs), elle est utilisée pour sélectionner la réaction emoji appropriée parmi une palette de plus de 200 options en une fraction de seconde. De plus, Google Search l'emploie comme couche de sécurité pour détecter les comportements adverses dans les outils MCP.
Disponibilité et écosystème
L'API est disponible aujourd'hui avec un niveau gratuit pour le prototypage dans Google AI Studio. Le modèle Gemini Decision 1 est facturé à 0,10 dollar par million de tokens d'entrée et ne facture pas les tokens de sortie, la transcription audio ni l'OCR. L'entrée partagée est facturée une fois par requête, quel que soit le nombre de questions évaluées.
Les intégrations de l'écosystème sont en cours de déploiement sur des plateformes telles qu'OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit et OpenCode, aux côtés des SDK google-genai. Le support est attendu prochainement pour Gemini sur Google Cloud.
Poursuivre l’exploration
Corrections et transparence
Si vous repérez une information incorrecte ou obsolète, envoyez-nous la page et la source à vérifier.
Proposer une correction