گوگل یک نقطه عطف در معماری استنتاج (inference) را عبور داد: یک API که به‌جای تولید توکن‌به‌توکن، هزار پرسش را در یک پاس ماتریسی امتیازدهی می‌کند و هزینه را به یک‌پنجم می‌کشاند. این تغییرِ بنیادینِ «تولید پاسخ» به «امتیازدهی گزینه» است که جریان کنترل (control flow) عامل‌ها (agents) را مستقیماً روی مقادیر ساختاریافته می‌کشاند.
API تصمیم‌گیری جمینای (Gemini Decisions API) در استودیو هوش مصنوعی گوگل (Google AI Studio) در دسترس است و پرسش‌های متنی، تصویری، صوتی، ویدیویی و PDF را در یک درخواست پردازش می‌کند. گوگل آن را برای قضاوت‌های محدود (bounded judgments) — انتخاب ابزار، بررسی سیاست، مسیریابی مدل، رتبه‌بندی بستر و ارزیابی — طراحی کرده، نه برای توضیح یا استدلال باز. یک درخواست شامل یک ورودی مشترک (shared input) و پرسش‌های مستقل است. به‌جای رمزگشایی (decoding) متن پاسخ، جمینای تصمیم ۱ (Gemini Decision 1) گزینه‌های کاندید را در یک پاس پیش‌رو امتیازدهی می‌کند تا برنامه‌ها مستقیماً روی پاسخ‌های تایپ‌شده شاخه‌بندی، مرتب‌سازی و مسیریابی کنند.
سه نوع پرسش با امتیاز اعتماد
مستندات API یک پنجره زمینه (context window) ۲۶۲،۱۴۴ توکنی برای ورودی مشترک و تمام پرسش‌ها تعیین می‌کند. درخواست‌ها می‌توانند سه نوع پرسش را ترکیب کنند:
- بررسی بله/خیر (Yes/no checks) برای تصمیم‌های دودویی.
- انتخاب از مجموعه ثابت (Fixed-set choices) با ۲ تا ۲۵۵ گزینه.
- امتیازدهی ربریک ترتیبی (Ordered rubric scores) که به‌عنوان میانگین احتمالیِ اندیس سطح با احتمالات سطح‌به‌سطح برمی‌گردند.
هر پاسخ شامل امتیاز اعتماد (confidence score) از ۰ تا ۱ است که احتمال صحت بهترین پاسخ را تخمین می‌زند. برنامه‌ها می‌توانند روی نتایج با اعتماد بالا به‌صورت خودکار عمل کنند یا موارد غیرمطمئن را ارتقا دهند. مستندات توصیه می‌کند آستانه‌ها با مثال‌های برچسب‌گذاری‌شده از ترافیک توسعه‌دهنده تنظیم شود و برای اقدامات پرریسک (مانند پرداخت) نظارت انسانی یا بررسی دوم حفظ گردد. پرسش‌ها یکدیگر را نمی‌بینند و افزودن یا حذف یکی، پاسخ‌های دیگر را تغییر نمی‌دهد. تصمیم‌های وابسته بنابراین در منطق برنامه قرار می‌گیرند. توسعه‌دهندگان می‌توانند پس از خواندن پاسخ اول، درخواست دوم بفرستند یا هر دو پرسش را همزمان بپرسند و پاسخِ غیرضروری را نادیده بگیرند.
تأخیر، قیمت‌گذاری و محک‌های گزارش‌شده
گوگل تأخیر میانه محاسبه مدل (model-compute latency) ۵۰ تا ۱۰۰ میلی‌ثانیه و تأخیر انتها-به‌انتها (end-to-end latency) ۱۵۰ تا ۲۵۰ میلی‌ثانیه را در ورودی‌های چندوجهی (multimodal) و بستر تا ۱۶ هزار توکن گزارش می‌دهد. تأخیر بین ۱ تا ۱۰۰ پرسش در هر تقریبا ثابت مانده. جمینای تصمیم ۱ در مجموعه محک‌های شرکت در مسیریابی عامل، استدلال، رتبه‌بندی و درک چندوجهی پیشتاز بوده و کمترین خطای کالیبراسیون (calibration error) را داشته است. قیمت‌گذاری ۰.۱۰ دلار در ازای ۱ میلیون توکن ورودی است، با صفر توکن خروجی قابل‌صورتحساب. ورودی مشترک یک‌بار در هر درخواست صورتحساب می‌شود، در حالی که هر پرسش توکن‌های دستور و معیار خود را اضافه می‌کند. هیچ شارژ متغیر توکن‌های تفکر (thinking-token) یا هزینه جداگانه رونویسی صوت (audio transcription) و OCR وجود ندارد. گوگل جمینای تصمیم ۱ با API تصمیم‌گیری را در مجموعه محک مشترک نزدیک به ۵ برابر ارزان‌تر از جمینای ۳.۵ فلش‌لایت (Gemini 3.5 Flash-Lite) با API تعاملات (Interactions API) توصیف می‌کند.
استقرارهای گوگل و دسترسی توسعه‌دهنده
گوگل از قبل این API را در تولید (production) اجرا می‌کند:
- جمینای نوت‌بوک (Gemini Notebook) از آن به‌عنوان مسیریاب بی‌درنگ برای سطوح مدل و تفکر استفاده می‌کند، تا ۴۰٪ تأخیر کمتر برای پرسش‌های روزمره و حفظ مدل‌های استدلال عمیق برای وظایف پیچیده.
- تجربه بوم سریع استیچ (Stitch's rapid canvas experiment) برای تولید وایر‌فریم‌های قابل‌اجرای (playable wireframes) از آن بهره می‌برد.
- سی‌سی از آزمایشگاه گوگل (CC from Google Labs) در میان بیش از ۲۰۰ واکنش ایموجی (emoji reactions) انتخاب می‌کند.
توسعه‌دهندگان می‌توانند از پایتون (Python)، جاوااسکریپت (JavaScript) یا REST استفاده کنند؛ راهنمای سریع SDK نیازمند google-genai ۳.۲ یا جدیدتر است. یک سطح رایگان استودیو هوش مصنوعی (AI Studio) برای نمونه‌سازی (prototyping) وجود دارد. یکپارچه‌سازی‌ها در OpenRouter، LangChain، Vercel، LiteLLM، Pydantic AI، Pipecat، LiveKit و OpenCode در حال انتشار هستند، در حالی که پشتیبانی جمینای در گوگل کلود (Google Cloud) به‌زودی اضافه می‌شود. دسترسی همچنان محدود است: دسترسی اولیه به API توسعه‌دهنده جمینای v1beta با جمینای تصمیم ۱ محدود می‌شود. دستورالعمل‌های پرسش فقط متنی هستند، و تاریخچه گفتگو (conversation history) و بلوک‌های فراخوانی ابزار (tool-call blocks) پشتیبانی نمی‌شوند. کش بستر (context caching)، API دسته‌ای (Batch API) و استنتاج انعطاف‌پذیر (Flex inference) یا اولویت‌دار (Priority inference) نیز در دسترس نیستند. برای تیم‌های سازنده عامل، API قضاوت‌های چندوجهی را در یک تماس تایپ‌شده واحد تجمیع می‌کند. اما مسئولیت ایمن‌سازی خودکارسازی همچنان با معیارهای توسعه‌دهنده، داده‌های ارزیابی برچسب‌گذاری‌شده و قوانین ارتقا است — به‌ویژه آنجا که یک اقدام پیامد مالی یا ایمنی دارد.
گام بعدی شما
- اگر عامل‌محور (agentic) مسیریابی مدل یا بررسی سیاست می‌سازید، API تصمیم‌گیری را در یک نمونه اولیه (prototype) با سطح رایگان AI Studio تست کنید تا تأخیر و کالیبراسیون را در ترافیک واقعی‌تان بسنجید.
- آستانه‌های اعتماد (confidence thresholds) را با داده‌های برچسب‌گذاری‌شده‌ی خود کالیبره کنید و برای هر اقدام پرریسک یک مسیر ارتقای انسانی (human escalation path) الزامی تعریف کنید.
- محدودیت‌های فعلی (فقط متن در دستورالعمل‌ها، عدم تاریخچه گفتگو، عدم فراخوانی ابزار) را در معماری عامل خود مدل‌سازی کنید تا در صورت گسترش API نیاز به بازنویسی اساسی نداشته باشید.
گفتگو