Gemini Decisions API(出典)Google は「Gemini Decision 1」を引っ提げて、Jev や OpenAI がしのぎを削る意思決定モデル(decision model)の分野に参入しました。この新しいモデル API は Jev とほぼ完全に同一です。同じ3つの質問タイプ(Yes/No 問題、多肢選択問題、ルーブリック評価問題 [rubric-scoring])をサポートしているだけでなく、Jev が Yes/No 問題を表すために使っている「Noul」という用語までそのまま踏襲しています。
価格設定は GPT-6 Luna の意思決定モデルと同じで、入力 100 万トークンあたり 10 セント、出力は無料となっています。3つの中では依然として Jev が最も安価で、100 万トークンあたり 4.2 セントです。
Jev はテキスト(および JSON)のみをサポートし、OpenAI はテキストと画像を処理できます。それに対し、Gemini Decision 1 は完全なマルチモーダル対応となっており、テキスト、画像、音声、動画、そして PDF をカバーしています。
その動画処理能力をテストするため、私が作成したヨンカーズ(Yonkers)を闊歩するロボットの動画ファイルを、以下の質問とともに渡してみました。
dragon: Does this video have a dragon in it?robot: Does this video have a robot in it?france: Is this video set in France?usa: Is this video set in the USA?Jev と OpenAI はどちらも Yes/No 問題に対して 1.0 または 0.0 を返しますが、Gemini はそこまで絶対的な自信を見せないスタンスを貫いています。
{ "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 }}