Gemini Decision 1, Google cambia approccio: decisioni in pochi millisecondi

Google amplia la propria strategia nel settore dell’Intelligenza Artificiale con un modello progettato per affrontare un compito diverso dalla generazione di contenuti: scegliere tra più alternative.

Si chiama Gemini Decision 1 ed è pensato per supportare i flussi di lavoro nei quali un sistema deve valutare informazioni e individuare l’opzione più adatta, senza produrre una risposta testuale articolata.

L’annuncio introduce anche una nuova interfaccia di programmazione, destinata agli sviluppatori che vogliono integrare queste capacità nelle proprie applicazioni. La novità riflette un cambiamento nell’evoluzione degli agenti intelligenti, sempre più chiamati a prendere decisioni operative anziché limitarsi a elaborare richieste e restituire contenuti.

Gemini Decision 1 punta sulle decisioni multimodali

Il nuovo modello si basa sull’architettura multimodale Gemini e può analizzare informazioni provenienti da fonti differenti. Testi, immagini, registrazioni audio, video e documenti PDF possono essere utilizzati come elementi di un’unica valutazione. La caratteristica distintiva consiste nel fatto che il sistema non deve generare una sequenza di parole per arrivare al risultato: assegna punteggi alle alternative disponibili attraverso un singolo passaggio di elaborazione, restituendo probabilità e livelli di confidenza.

Questo approccio consente di contenere i tempi di risposta. Google indica una latenza complessiva compresa tra 150 e 250 millisecondi, con prestazioni che rimangono pressoché stabili anche quando aumentano le domande associate allo stesso input. Il modello può gestire fino a 16.000 token nel contesto di elaborazione descritto dall’azienda.

Un altro elemento interessante riguarda la possibilità di sottoporre più quesiti indipendenti partendo dallo stesso contenuto. Questa caratteristica può risultare utile quando un agente deve classificare documenti, selezionare percorsi operativi o stabilire quale azione intraprendere sulla base di informazioni visive e testuali. Il vantaggio non consiste quindi nel sostituire i modelli linguistici generalisti, ma nell’affiancarli con uno strumento specializzato nella valutazione delle alternative.

API, costi e applicazioni per gli agenti AI

Per rendere disponibile la tecnologia, Google ha introdotto Gemini Decisions API, accessibile in anteprima attraverso Google AI Studio. L’interfaccia permette di inviare un singolo input multimodale fino a 256.000 token e associarlo a un massimo di 1.000 domande indipendenti. Il prezzo dichiarato è di 0,10 dollari per milione di token in ingresso, mentre non vengono addebitati costi per i token in uscita.

Nei test dedicati al routing degli agenti, al ranking e alla comprensione multimodale, il modello ha mostrato risultati interessanti, ottenendo il più basso errore di calibrazione nelle valutazioni citate da Google. Artificial Analysis gli ha assegnato 66 punti nel proprio Decision Index v2.1, un risultato che lo colloca nella fascia dei modelli specializzati in questo genere di attività.

L’azienda ha inoltre mostrato un impiego interno della tecnologia attraverso una dimostrazione condivisa da Sundar Pichai, nella quale viene realizzata un’interfaccia grafica in circa dieci secondi. Gli sviluppatori possono già sperimentare alcune applicazioni dimostrative, tra cui strumenti per classificare immagini e interpretare situazioni.