جوجل تطلق Decisions API: توجيه وتصنيف بسعر 0.10 دولار لكل مليون رمز

في كل منتج تقريبًا يعتمد على النماذج اللغوية الكبيرة طبقة مملة لا يعرضها أحد في العروض التوضيحية: الموجِّه والمصنِّف والمرشِّح. هذه الطبقة تقرر أي نموذج يُستدعى، وهل يُسمح بمرور الطلب وفق السياسة، وهل السياق الذي عُثر عليه مناسب. وعادةً يُستخدم لذلك نموذج توليدي صغير يُطلب منه الإجابة بكلمة واحدة، ثم تُحلَّل النتيجة. تقترح جوجل التخلص من هذا الحل الترقيعي: فقد صُمم Gemini Decisions API خصيصًا لمهام الاختيار.

ما هذا

هذه نقطة وصول مستقلة تقوم على نموذج Gemini Decision 1. هو لا يكتب نصًا. ففي تمريرة واحدة يقيّم جميع الخيارات ويُعيد احتمالات. والأسئلة على ثلاثة أنواع:

• نعم أو لا، مع احتمال تحقق الشرط؛
• اختيار من 2 إلى 255 خيارًا، مع احتمال لكل خيار؛
• تقييم على مقياس يبدأ من الصفر، بدرجة متصلة.

يمكن إدخال ما يصل إلى 256 ألف رمز: نصوص أو صور أو صوت أو فيديو أو ملفات PDF. ويُسمح بطرح ما يصل إلى ألف سؤال مستقل عن هذا المحتوى الواحد في طلب واحد.

كيف يبدو ذلك عمليًا

تخيّل خدمة دعم تصلها طلبات مرفقة بلقطات شاشة. في السابق كنت تجري استدعاءً منفصلًا لكل سمة: هل هذا استرداد أم لا، وهل العميل منزعج أم لا، وإلى أي فريق من اثني عشر فريقًا يُحوَّل الطلب، وما مدى استعجاله. أما الآن فيُرسل الطلب مرة واحدة ومعه قائمة أسئلة. وتحصل في المقابل على مجموعة من الاحتمالات والدرجات التي يمكن مقارنتها فورًا بالعتبات في الشيفرة.

وهذا المخطط مناسب للوكلاء أيضًا. فبدلًا من أن تطلب من نموذج كبير «اختر أداة واشرح»، تحصل على توزيع احتمالي على الأدوات. وإذا كانت الثقة أقل من العتبة، يُحوَّل الطلب إلى نموذج أغلى أو إلى إنسان. هذا منطق هندسي مألوف، لكنه يستند الآن إلى أرقام لا إلى تحليل سلسلة نصية.

التكلفة والمعايرة

وفق التعرفة، يكلّف مليون رمز إدخال 10 سنتات، ولا تُحتسب رموز الإخراج. ويُدفع مقابل المحتوى المشترك للطلب مرة واحدة مهما بلغ عدد الأسئلة المطروحة عنه. لذلك فإن وثيقة طويلة مع مئة سؤال تكلّف مثل الوثيقة نفسها مع سؤال واحد.

تزعم جوجل أن النموذج يُظهر، في مجموعة اختباراتها الخاصة لتوجيه الوكلاء والاستدلال والترتيب والمهام متعددة الوسائط، أقل خطأ معايرة. والمعايرة هنا تعني صدق الاحتمالات: فإذا قال النموذج «80%»، فينبغي أن يكون محقًا في نحو أربع حالات من كل خمس. وهذا أهم من الدقة المجردة عند ضبط العتبات والتصعيد. كما أُعلن عن توفير يقارب خمسة أضعاف مقارنةً بـ Gemini 3.5 Flash-Lite عبر Interactions API.

ما ينبغي مراعاته

أولًا، جميع الأرقام حتى الآن مأخوذة من اختبارات جوجل نفسها. وقبل استبدال موجِّه يعمل بالفعل، جرّب النموذج على بياناتك الموسومة وتحقق بنفسك من المعايرة، فهي التي تحدد إن كان يمكن الوثوق بالعتبات.

ثانيًا، الوصول محدود حتى الآن. فالواجهة متاحة عبر Gemini API وGoogle AI Studio، ووُعد بالدعم في Google Cloud لاحقًا. وإذا كنت تعمل ضمن بيئة Vertex المؤسسية، فسيتعين عليك الانتظار. وللنماذج الأولية يتوفر مستوى مجاني في AI Studio.

ثالثًا، يلحق النظام البيئي بالركب تدريجيًا. فالربط مع OpenRouter وLangChain وVercel وLiteLLM وغيرها من الأدوات لا يظهر دفعة واحدة، لذا قد تظهر بعض العثرات في البداية.

ماذا تفعل

ابحث في بنيتك التقنية عن المواضع التي يُستخدم فيها النموذج اللغوي كمفتاح تبديل: التوجيه بين النماذج، والإشراف على المحتوى، وتقييم ملاءمة السياق في RAG، واختيار الوكيل للأداة. هذه بالتحديد ما ينبغي اختباره أولًا على Decisions API. فإذا تبيّن أن الاحتمالات صادقة، فستحصل على طبقة تحكم أرخص وأكثر قابلية للتنبؤ، وتبقى النماذج التوليدية الغالية للحالات التي تحتاج فيها إلى النص فعلًا.