Gemini Decisions API 单次前向 150-250ms 完成多模态判定
McDonaghMatthew · x · 2026-11-18
博主 Matthew McDonagh 介绍 Google 新推出的 Gemini Decisions API:对 PDF、音频、视频、图像、文本中的封闭集问题做判定,单次前向传播即可输出,延迟 150-250ms、0 输出 token,无需单独的 OCR 或转录步骤。支持最多 256K token 的多模态输入。
一次调用可混合三类问题:
- 是/否判定:如发票 PDF 是否含 PO 号、通话中是否出现同意表述
- 多选题:将通话、文档或 prompt 路由到不同队列、工具或模型
- 评分量表:按有序等级为音频表达、视频事件或文档质量打分
核心主张:简单判定任务不需要万亿参数大模型的开放式生成,输出带置信度的结构化答案更高效。
「模型」频道最新
- 澳大利亚夫妻团队用不足千万美元造出 220B 主权模型 — aakashgupta · 2026-11-18
- 实测称 Astra 6.2 令人失望:写作倒退、编码常过早收工 — danshipper · 2026-11-18
- 开发者称每个新模型发布都成了 Opus 5.5 的广告 — dejavucoder · 2026-11-18
- 博主实测 GPT-6.2 Sol Ultra Fast:又快又聪明 — vista8 · 2026-11-18
- Mistral 推出 vibe 桌面应用,主打 Large 4 网络防御能力 — b_roziere · 2026-11-18
- Astra 6.2 秒变侦探:从数小时素材中读出投影URL找到目标网站 — gabrielchua · 2026-11-18