Google выпустила Gemini Decisions API: выбор с вероятностями вместо ответа текстом
Новый интерфейс предназначен для ограниченного набора вариантов, проверки условий и оценки по шкале. Вероятность помогает выбрать маршрут обработки, но не заменяет проверку результата.

Отдельный интерфейс для ограниченного выбора
Google 11 ноября представила Gemini Decisions API на базе модели Gemini Decision 1. Интерфейс предназначен не для написания развёрнутого ответа, а для выбора среди заранее определённых исходов. Один общий вход может содержать текст, изображения, аудио, видео и PDF. К нему разрешено передать до тысячи независимых вопросов, не отправляя одни и те же материалы отдельным запросом для каждого вопроса.
Компания приводит маршрутизацию запросов, проверку правил и оценку контекста как возможные применения. Google приводит медианную сквозную задержку 150–250 миллисекунд для контекстов до 16 тысяч токенов; время почти не меняется при увеличении числа вопросов с одного до ста. Это показатель поставщика, а не результат нашего измерения. Быстрый классификатор и полноценный разговорный помощник решают разные задачи: первый возвращает структуру для дальнейшего выполнения кода, второй формулирует содержательный ответ пользователю.
Что именно возвращает запрос
Документация разделяет три вида ответа. Двоичная проверка оценивает вероятность выполнения условия. Выбор возвращает предпочтительный вариант и распределение вероятностей между вариантами. Оценка по рубрике использует упорядоченные уровни, поэтому её результат может оказаться промежуточным значением, а не номером одного уровня. Это разные контракты данных, а не три способа получить одинаковую строку.
Вопросы внутри одного запроса не видят ответы друг друга. Поэтому зависимость «сначала установить наличие дефекта, затем выбрать способ ремонта» должна оставаться в логике приложения. Можно отправить последующий запрос либо заранее запросить обе оценки и использовать вторую только при нужном результате первой. Ответ модели становится входом следующего шага, а не автоматически выполненной операцией с заказом или учётной записью.
Почему нужен путь для неопределённого случая
При закрытом выборе модель распределяет вероятности между предложенными вариантами, даже если подходящего среди них нет. Руководство предлагает предусмотреть общий запасной вариант, дополнительную проверку области применимости или порог уверенности. Такой порог следует подбирать на размеченных примерах собственного потока с учётом разной цены ложного согласия и ложного отказа.
Например, система обработки обращения может направлять уверенно распознанную тему в нужную очередь, а неоднозначный случай — оператору. Это пример организации процесса, не опубликованный тест качества сервиса. Уверенность не превращает решение в установленный факт; она лишь даёт приложению дополнительный сигнал. Отдельно остаются разрешения на действие, проверка исходных данных и возможность исправления неверной классификации. Их нельзя получить простым повышением порога до произвольного красивого числа.
Интеграция не равна готовому рабочему процессу
В документации LangChain для Google выделен отдельный класс GoogleGenAIClassifier: он предназначен для типизированных ответов и вероятностей в задачах классификации, маршрутизации и проверки. Он перечислен отдельно от чат-модели ChatGoogleGenerativeAI, хотя оба направления входят в пакет langchain-google-genai. Это подтверждает различие интерфейсов на уровне интеграции, а не только названий в анонсе.
Google объявила доступ через Gemini API и AI Studio; поддержку в Gemini в Google Cloud на странице запуска ещё описывает как предстоящую. Наличие примера или интеграционного класса само по себе не подтверждает доступность любого региона, аккаунта и выбранного корпоративного окружения. Перед включением в существующую систему потребуется сверить доступ конкретного проекта и форму ответа. Переход с генерации текста на закрытый выбор также требует явно определить допустимые исходы: неизвестный случай должен иметь собственный маршрут, а не исчезать между красивыми вероятностями.


