Google wprowadza Gemini Decision 1 z multimodalnymi danymi wejściowymi i darmowym poziomem
Google zaprezentowało Gemini Decision 1, model decyzyjny przyjmujący tekst, obrazy, audio, wideo i PDF, który oferuje deweloperom darmowy poziom API.
Google wypuściło własny model decyzyjny, Gemini Decision 1. Model wygląda na dość konkurencyjny.
Najważniejszą przewagą nad Jev i OpenAI jest to, że jako dane wejściowe przyjmuje nie tylko tekst i obrazy, ale także audio, wideo i pliki PDF.
W jednym zapytaniu można zawrzeć do 1000 różnych pytań, o ile mieszczą się w kontekście 262K tokenów.
Ceny za 1M tokenów wejściowych:
- Jev: $0.042
- Gemini Decision: $0.10
- OpenAI Decisions API: $0.10
W odróżnieniu od Jev i OpenAI, które wymagają płatnego API, Gemini oferuje darmowy poziom:
- 200 zapytań na minutę
- 50K tokenów na minutę
- 10K zapytań dziennie
Klucze API można utworzyć w Google AI Studio.
Poza tym różnice są niewielkie: to dobra, niemal bezlimitowa opcja do projektów osobistych.
Możliwe zastosowania:
- W Gemini Notebook model działa już jako router, wybierając odpowiedni model i wysiłek dla każdego zapytania.
- W Google Labs wybiera emoji spośród ponad 200 opcji dla agenta AI.
- W Google Search sprawdza zapytania do narzędzi MCP pod kątem ataków i szkodliwych treści.
Wspominano też, że dziś wieczorem może pojawić się Gemini 4 Hydrogen.
Dlaczego to ważne
AnalizaModel obniża koszty i złożoność zadań związanych z routingiem, moderacją i decyzjami multimodalnymi, szczególnie w małych projektach.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
Google wprowadza wielomodalny model Gemini Decisions
Gemini Decisions przyjmuje wideo, audio, obrazy i tekst; cena tokenów wejściowych wynosi 0,10 USD za milion.
Google prezentuje Gemini Decision 1 — model AI do podejmowania decyzji
Google zaprezentowało Gemini Decision 1 — model AI do podejmowania decyzji dostępny przez Gemini API z obsługą multimodalną.
Google AI Studio: darmowe klucze API Gemini
Oficjalne środowisko testowe Google: jak uzyskać darmowy klucz API Gemini bez karty płatniczej, skonfigurować prompty systemowe oraz limity kontekstu do 2 mln tokenów.
Gemini Flash & Pro (Google Gemini)
Rodzina multimodalnych modeli od Google DeepMind, łącząca rekordowe okno kontekstowe (do 2 mln tokenów), ekstremalną szybkość generacji (ponad 150 tokenów/s) oraz natywne przetwarzanie wideo i audio.