A Google bevezette a Gemini Decision 1-et, egy döntésmodell API-t, amely a Jev és az OpenAI mellett lép a piacra. A Gemini Decision 1 ugyanazokat a kérdéstípusokat támogatja, amelyeket a riválisok is használnak: igen/nem (yes/no), választás (choice) és rubrikán alapuló pontozás (rubric-scoring). A Google a Jev által használt "Noul" kifejezést is átveszi az igen/nem típusú kérdések jelölésére.
Miben hasonlít és miben különbözik
- Kérdéstípusok: Gemini Decision 1 azonos kérdéstípusokat kínál, tehát technikailag kompatibilis a Jev-hez és az OpenAI döntésmodelleihez hasonló felhasználási esetekkel. Jev korábban csak szöveg és JSON bemenetet fogadott.
- Multimodalitás: míg Jev csak szöveget és JSON-t kezel, OpenAI döntésmodelljei képesek szöveg és képek feldolgozására, a Gemini Decision 1 teljes multimodális támogatást nyújt: szöveg, képek, hang, videó és PDF fájlok is használhatók bemenetként.
Ár és költségszerkezet
A Gemini Decision 1 ára megegyezik az OpenAI GPT-6 Luna döntésmodelljével: 0,10 USD (10 cent) per millió input token, az output tokenekért nem számolnak fel külön díjat. Összehasonlításképp a Jev jelenleg olcsóbb: 0,042 USD (4,2 cent) per millió input token.
Valós használati példa: videóteszt
A modellt egy videófájllal tesztelték (a tesztelt anyag címe: "Yonkers stomping robot"). Négy igen/nem jellegű kérdést adtak a videó mellé:
- "dragon": Does this video have a dragon in it? (Van-e sárkány a videóban?)
- "robot": Does this video have a robot in it? (Van-e robot a videóban?)
- "france": Is this video set in France? (Franciaországban játszódik-e?)
- "usa": Is this video set in the USA? (Az USA-ban játszódik-e?)
A Jev és az OpenAI döntésmodelljei a teszt szerint 1.0 vagy 0.0 értékkel adtak egyértelmű igen/nem választ. A Gemini Decision 1 ezzel szemben valószínűségi kimeneteket adott, kevésbé végletes biztosítékkal; a visszakapott JSON részlete a következő valószínűségeket tartalmazta:
{ "dragon": { "type": "yes_no", "probability": 0.04976021841520312 }, "robot": { "type": "yes_no", "probability": 0.9234055387792485 }, "france": { "type": "yes_no", "probability": 0.08329171353166241 }, "usa": { "type": "yes_no", "probability": 0.9230459995157706 } }
Ez a válaszstruktúra azt mutatja, hogy a Gemini Decision 1 például nagy valószínűséggel azonosította a robot jelenlétét és az USA-helyszínt, míg a sárkány és Franciaország esetében alacsonyabb valószínűséget jelzett.
Miért számít ez?
A Gemini Decision 1 megjelenése erősíti a döntésmodellek piacának versenyét, különösen a multimodális képességek terén. A valószínűségi kimeneteket adó megközelítés finomabb, bizonytalanságot tükröző választ biztosít, ami bizonyos alkalmazásoknál hasznos lehet a hibakezelés és a további döntéshozatal szempontjából. Az árképzés és a bemeneti formátumok támogatása a felhasználói igényektől függően határozza meg, hogy melyik szolgáltatás lesz gazdaságilag előnyösebb.
Források
A bejelentésről és a tesztről közösségi források számoltak be, a téma megvitatása megtalálható többek között a Hacker News fórumán.
