コンテンツにスキップ
メインサイト ニュース コンソール

Gemini 意思決定 API (Gemini Decisions API)

· Simon Willison 翻訳済
技巧LLM

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
}
}