Искусственный интеллект перестал пытаться быть собеседником там, где от него требуется простое «да» или «нет». Google представила Gemini Decisions API — инструмент, который принципиально меняет подход к работе с данными, отказываясь от генерации текста в пользу мгновенной классификации.

В основе системы лежит новая модель Gemini Decision 1. Вместо того чтобы выстраивать длинные предложения, тратя время и вычислительные мощности на каждый токен, модель делает один «проход» по данным. Она оценивает вероятности и выдает результат с уверенностью от 0 до 1 всего за 150–250 миллисекунд.

Это важный сдвиг для индустрии. Долгое время мы привыкли, что ИИ — это генератор, который должен «написать» ответ. Но для прикладных задач, таких как проверка политики безопасности, маршрутизация запросов или оценка контента, эта разговорчивость была избыточной и дорогой. Теперь разработчики могут задать до 1000 вопросов к одному мультимодальному входу — будь то текст, аудио, видео или PDF — и получить четкие ответы без лишних затрат.

Экономика процесса тоже изменилась. Поскольку модель не генерирует выходные токены, Google не берет за них плату. В результате Gemini Decision 1 оказывается почти в пять раз дешевле, чем Gemini 3.5 Flash-Lite при использовании стандартного Interactions API. Это делает автоматизацию не просто быстрой, но и предсказуемой по бюджету.

Подобные изменения мы уже видели в других сегментах рынка. Например, OpenAI недавно открыла доступ к своему Decisions API, что также подстегнуло конкуренцию среди инструментов для быстрой автоматизации. В то же время платформы вроде Agent OS от Binance показывают, что ИИ-агенты всё чаще получают прямой доступ к финансовым операциям, где скорость принятия решения критически важна.

На практике это означает, что ваш ИИ-ассистент теперь может работать как «контрольный пункт». Внутри Google, например, Gemini Notebook уже использует этот API для мгновенной маршрутизации запросов: простые задачи решаются быстро, а сложные — передаются более мощным моделям. Это позволяет экономить ресурсы, не теряя в качестве.

Однако вопрос о том, как именно модель будет справляться с пограничными случаями, остается открытым. Разработчики получают коэффициент уверенности, но решение о том, что делать с «неуверенным» ответом — отправить его на доработку или передать человеку — остается на стороне создателей конкретного продукта.

Пока неясно, насколько гибко система будет адаптироваться к специфическим отраслевым критериям, которые выходят за рамки стандартных рубрик. Но одно можно сказать точно: эра, когда мы платили за каждый «лишний» токен в ответе нейросети, стремительно уходит в прошлое.

Похожие материалы