أعلنت جوجل في 11 نوفمبر 2026 عن Gemini Decisions API، وهي واجهة موجهة إلى المطورين الذين يحتاجون إلى إجابات محسومة ضمن خيارات محددة، بدلاً من نصوص مولدة طويلة. وتعمل الواجهة بواسطة نموذج Gemini Decision 1، المتاح عبر Gemini API وGoogle AI Studio، لتقييم أسئلة من نوع نعم أو لا، والاختيار بين بدائل، والتقدير وفق سلم معياري.
تفاصيل الخبر
الفكرة الأساسية هي نقل بعض مهام النماذج التوليدية من إنتاج الإجابات إلى ترجيح القرارات. وبدلاً من مطالبة النموذج بكتابة رد كامل ثم استخراج النتيجة منه، يرسل المطور مجموعة من الخيارات أو المعايير، وتحسب الواجهة الاحتمالات ودرجة الثقة لكل نتيجة ضمن تمريرة واحدة.
تدعم الخدمة مدخلات متعددة الوسائط تشمل النصوص والصور والصوت والفيديو وملفات PDF، ويمكن جمع أكثر من نوع من البيانات في الطلب نفسه. وتقول جوجل إن السياق المشترك قد يصل إلى 256 ألف رمز، بينما يمكن إرفاق ما يصل إلى ألف سؤال مستقل بالمدخل ذاته، وهو ما يتيح فحص ملف أو تسجيل أو مجموعة صور وفق عدة معايير في وقت واحد.
وتقسم الواجهة القرارات إلى ثلاثة أنماط رئيسية. الأول سؤال ثنائي لتقدير احتمال تحقق حالة معينة، والثاني اختيار متعدد يحدد البديل الأنسب من قائمة يمكن أن تضم بين خيارين و255 خياراً، أما الثالث فيمنح المدخل درجة وفق سلم مرتب، مع إرجاع احتمالات المستويات المختلفة بدلاً من رقم منفصل بلا تفسير احتمالي.
تراهن جوجل كذلك على زمن الاستجابة والتكلفة. وتقدر الشركة زمن التنفيذ الكامل للطلبات بين 150 و250 ميلي ثانية، مع زمن معالجة نموذجي داخل النموذج يتراوح بين 50 و100 ميلي ثانية. كما يبلغ السعر المعلن 0.10 دولار لكل مليون رمز إدخال، من دون رسوم على رموز الإخراج، مع احتساب المدخل المشترك مرة واحدة حتى عند طرح عدة أسئلة عليه.
وجود درجة ثقة بين صفر وواحد يضيف طبقة عملية للأنظمة التي لا تريد تنفيذ كل قرار آلياً. فبإمكان التطبيق تمرير الحالات الواضحة مباشرة، بينما يحيل النتائج غير الحاسمة إلى نموذج أقوى أو إلى موظف بشري. ويجعل ذلك الواجهة مناسبة نظرياً لفحص السياسات، واختيار الأدوات، وتوجيه الطلبات إلى نماذج مختلفة، ومراجعة جودة السياق.
قدمت جوجل أمثلة على استخدامات داخلية للواجهة، من بينها توجيه الأسئلة في Gemini Notebook إلى مستوى النموذج المناسب، وتسريع بعض التفاعلات في أداة Stitch، واختيار الرموز التعبيرية في تطبيق تجريبي، إضافة إلى فحص سلوكيات عدائية مرتبطة بأدوات MCP في البحث. وتوضح هذه الأمثلة أن الواجهة تستهدف وظائف التحكم السريعة أكثر من كونها بديلاً شاملاً عن النماذج الحوارية.
وتتوافر الواجهة للبدء التجريبي عبر Google AI Studio، مع حزمة تطوير Google GenAI وأدلة للاستخدام عبر Python وJavaScript وREST. كما بدأت تكاملات مع منصات وأطر عمل مثل OpenRouter وLangChain وVercel وLiteLLM وPydantic AI وPipecat وLiveKit وOpenCode، في حين قالت جوجل إن الدعم عبر Google Cloud سيأتي لاحقاً.
رغم ذلك، تظل جودة النتائج مرتبطة بصياغة الخيارات والمعايير التي يحددها المطور. فالواجهة لا تلغي الحاجة إلى اختبار الانحيازات أو مراجعة الحالات النادرة، خصوصاً عند استخدامها في قرارات تتعلق بالسلامة أو الامتثال أو تقييم العملاء. كما أن انخفاض التكلفة والسرعة لا يعنيان أن القرار الآلي مناسب لكل سياق، بل يرفعان أهمية وضع حدود واضحة للتصعيد إلى المراجعة البشرية.
هل ترى أن واجهة متخصصة للقرارات ستفيدك أكثر من نموذج محادثة عام عند بناء تطبيقاتك؟
هل ستستخدم واجهة متخصصة للقرارات في مشاريعك بدلاً من الاعتماد على نموذج محادثة عام؟
شاركنا رأيك في التعليقات



التعليقات
٠كن أول من يشارك رأيه في هذا الخبر.