सामग्री पर जाएं
अभी

तकनीक · Gemini Decisions API

Google का नया Gemini मॉडल जवाब लिखे बिना फैसले करता है

Gemini Decision 1 गद्य के बजाय संभावनाएँ लौटाता है और हर अनुरोध में साझा सामग्री के बारे में 1,000 तक सवाल पूछे जा सकते हैं। इसकी उपयोगिता इस बात पर निर्भर करेगी कि ये तेज़ फैसले वास्तविक कार्रवाइयों का आधार बनने लायक हैं या नहीं।

लिखित 8 मिनट में पढ़ें · 20 स्रोत

HeyDex

मूल भाषा में वीडियो

मूल अंग्रेज़ी से अनुवादित।

जब कोई AI मॉडल जवाब लिखना बंद करके उन फैसलों की आपूर्ति करने लगे जिनके आधार पर सॉफ़्टवेयर काम करता है, तब क्या होता है? Google का Gemini Decisions API इस सवाल को व्यावहारिक रूप देता है: यह दस्तावेज़ों, छवियों, रिकॉर्डिंग और अन्य सामग्री पर तेज़, सीमित दायरे वाले फैसले देने का वादा करता है—बिना एक भी टेक्स्ट टोकन जनरेट किए। इसका लाभ यह है कि ऐसी गद्य सामग्री बनाने में कम समय लगेगा, जिसकी व्याख्या किसी दूसरे प्रोग्राम को करनी पड़ती है। जोखिम यह है कि करीने से पैक की गई संभावना को भरोसेमंद निर्णय समझ लिया जाए।⁠2⁠3

Google DeepMind ने 11 नवंबर, 2026 को उत्पाद प्रबंधक Min Choi और प्रधान वैज्ञानिक Felix Yu की घोषणा में इस API को पेश किया। Google के मुताबिक, Gemini Decision 1 से संचालित यह API एक ही अनुरोध में साझा सामग्री से जुड़े 1,000 तक स्वतंत्र हाँ-या-नहीं, बहुविकल्पीय और रूब्रिक-आधारित स्कोरिंग वाले सवालों का मूल्यांकन कर सकता है। यह दूसरे सॉफ़्टवेयर के उपयोग के लिए एक कनेक्शन है, कोई नया चैटबॉट इंटरफ़ेस नहीं।⁠2

यह अंतर मायने रखता है। पारंपरिक जनरेटिव मॉडल एक-एक टोकन करके जवाब बनाता है; फैसले की तलाश में लगा एप्लिकेशन फिर उस जवाब से जानकारी निकालने को बाध्य हो सकता है। इसके उलट, Gemini Decision 1 एक ही प्रोसेसिंग चरण में सीमित विकल्पों का मूल्यांकन करता है और संरचित निर्णय तथा संभावनाएँ लौटाता है। Google के दस्तावेज़ के मुताबिक, सॉफ़्टवेयर इस जवाब के आधार पर सीधे शाखाएँ चुन सकता है, क्रम लगा सकता है और रूटिंग कर सकता है; आउटपुट टोकन का इस्तेमाल हमेशा शून्य रहता है। यह खुली-सीमा वाली व्याख्या नहीं देता।⁠1⁠3

0जनरेट किए गए टेक्स्ट टोकन 3
1,000 तकहर अनुरोध में साझा इनपुट पर विज्ञापित सवाल 2
$0.10प्रति दस लाख इनपुट टोकन बताई गई कीमत 1

इससे यह एंडपॉइंट उन सभी स्थितियों में संभावित रूप से उपयोगी हो जाता है जहाँ आसपास के एप्लिकेशन को निर्देश देना ही वांछित जवाब हो: मॉडल चुनना, नीति की जाँच करना, प्रासंगिक सामग्री की रैंकिंग करना या यह तय करना कि अनुरोध कहाँ भेजा जाए। इंजीनियरिंग का आकर्षण सीधा है। अगर सॉफ़्टवेयर को सीमित दायरे वाले निर्णय की ज़रूरत है, तो पहले मॉडल से एक पैराग्राफ लिखवाना ऐसा चक्कर है जिससे बचा जा सकता है।⁠1⁠3

इन फैसलों में असल में क्या होता है

Hybrid.co.id की लॉन्च कवरेज में तीन तरह के सवाल बताए गए हैं, जिन्हें डेवलपर्स एक ही कॉल में मिला सकते हैं। हाँ-या-नहीं वाले सवाल यह अनुमान लगाते हैं कि कोई शर्त पूरी होती है या नहीं; इसमें यह बताने का विकल्प है कि किसे सही या ग़लत माना जाए। बहुविकल्पीय सवालों में दो से 255 विकल्प दिए जा सकते हैं और उन विकल्पों के बीच सामान्यीकृत संभावनाएँ लौटती हैं। रूब्रिक वाले सवालों में शून्य से शुरू होने वाले क्रमबद्ध स्तर इस्तेमाल होते हैं; इनके जवाब में व्यक्तिगत स्तरों की संभावनाओं के साथ एक निरंतर भारित स्कोर भी लौटता है।⁠1

इन परिभाषाओं से डेवलपर पर काफ़ी ज़िम्मेदारी आती है। विकल्प चुनना, स्कोरिंग के स्तर तय करना और यह फ़ैसला करना कि उसके बाद कौन-सी कार्रवाई हो—ये काम किसी को तो करने ही होंगे। जवाब का सही प्रारूप किसी ग़लत ढंग से तैयार किए गए सवाल को ठीक नहीं कर सकता। सबसे संभावित विकल्प चुन लेने से यह भी साबित नहीं होता कि एप्लिकेशन ने शुरू में सही विकल्प दिए थे।

लॉन्च कवरेज में दिए गए बीमा के उदाहरण पर गौर करें: दावे की PDF के साथ नुकसान की तस्वीरें दी जा सकती हैं। एप्लिकेशन उस सामग्री के बारे में सीमित दायरे वाले सवाल पूछकर संभावनाओं के आधार पर अगला कदम तय कर सकता है। यह दावों की शुरुआती जाँच का एक मुमकिन तरीका है, इस बात का सबूत नहीं कि मॉडल दावों को सुरक्षित ढंग से मंज़ूर या नामंज़ूर कर सकता है। किसी फ़ाइल को रूट करने और किसी व्यक्ति का हक़ तय करने के बीच का फ़र्क सिर्फ़ इसलिए नहीं मिटना चाहिए कि दोनों को वर्गीकरण के रूप में दर्शाया जा सकता है।⁠1

विज्ञापित इनपुट में टेक्स्ट, छवियाँ, ऑडियो, वीडियो और PDF शामिल हैं, जिन्हें एक ही अनुरोध में मिलाया जा सकता है। Hybrid के मुताबिक, संदर्भ विंडो 256,000 टोकन तक है—टोकन वे इकाइयाँ हैं जिन्हें सिस्टम संसाधित करता है—और छवि या वीडियो का रिज़ॉल्यूशन समायोजित किया जा सकता है। कम रिज़ॉल्यूशन से दृश्य विवरण घटता है, लेकिन टोकन की खपत कम हो सकती है। उदाहरण के लिए, ग्राहक कॉल की रिकॉर्डिंग अकाउंट की जानकारी के साथ भेजी जा सकती है, बजाय इसके कि उसे पूरी तरह अलग इनपुट माना जाए।⁠1

1,000 सवालों के दावे का सही अर्थ भी समझना ज़रूरी है: साझा सामग्री पर कई सवाल, न कि हज़ार असंबंधित, पूरे आकार के इनपुट पैकेज जिन्हें बिना किसी अतिरिक्त लागत के संसाधित किया जाए। हर सवाल के साथ उसके अपने निर्देश और मानदंड होते हैं।⁠1

तेज़ और सस्ता, तय सीमाओं के भीतर

Hybrid की रिपोर्ट के अनुसार, 16,000 टोकन तक के संदर्भों में मॉडल की गणना का माध्य समय 50–100 मिलीसेकंड और शुरू से अंत तक की विलंबता 150–250 मिलीसेकंड है। इसमें यह भी कहा गया है कि एक से 100 सवालों के बीच जवाब देने की अवधि लगभग स्थिर रहती है। ये शीर्षक में बताई गई क्षमताओं से सीमिततर दावे हैं: इनसे 1,000 सवालों या विज्ञापित अधिकतम संदर्भ आकार पर वैसी ही गति साबित नहीं होती।⁠1

इस लॉन्च के लिए उपलब्ध रिपोर्टिंग में गति के आँकड़ों को स्वतंत्र रूप से दोहराकर सत्यापित नहीं किया गया है। हार्डवेयर, सर्विंग क्षेत्र, समवर्ती अनुरोधों, वार्म-अप स्थितियों या जवाब देने के समय के पूरे वितरण का कोई दोहराया जा सकने वाला विवरण भी नहीं है। किसी एप्लिकेशन को इन्हें सेवा-स्तर की गारंटी नहीं, बल्कि परीक्षण करने की वजह मानना चाहिए।⁠20

बताई गई कीमत प्रति दस लाख इनपुट टोकन $0.10 है और आउटपुट टोकन का कोई शुल्क नहीं है। बताया गया है कि एक अनुरोध में साझा सामग्री का बिल सिर्फ़ एक बार बनता है, चाहे उस पर कितने भी सवाल पूछे जाएँ; हालांकि, सवालों के निर्देश और मानदंड इनपुट टोकन बढ़ाते हैं। Hybrid यह भी बताता है कि सोचने वाले टोकन के लिए कोई परिवर्तनीय शुल्क नहीं है और ऑडियो ट्रांसक्रिप्शन तथा ऑप्टिकल कैरेक्टर रिकग्निशन के अलग शुल्क भी नहीं हैं। इसलिए सामग्री को संसाधित करने की सेवा मुफ़्त नहीं है। आउटपुट शून्य होने की बात छूट से कहीं अधिक बुनियादी है: बिल बनाने के लिए जवाब का कोई टेक्स्ट जनरेट ही नहीं होता।⁠1⁠3

लॉन्च की एक तुलना में कहा गया है कि समकक्ष बेंचमार्क परीक्षण में Interactions API के ज़रिए Gemini 3.5 Flash-Lite की तुलना में यह एंडपॉइंट «लगभग पाँच गुना» सस्ता है। दोहराई जा सकने वाली कार्यप्रणाली के बिना, यह हर स्थिति में लागू होने वाली बचत नहीं है। वास्तविक लागत इस पर निर्भर करती है कि कौन-सी सामग्री भेजी जाती है, सवालों की संख्या और लंबाई क्या है, और किस कार्यभार की जगह यह सेवा लेती है।⁠1

आत्मविश्वास के साथ सुरक्षा उपाय भी ज़रूरी

Google के मुताबिक, लौटाई गई संभावनाएँ कैलिब्रेटेड हैं: मोटे तौर पर, इसका अर्थ है कि अनुमानित संभावनाएँ वास्तविक नतीजों के सही होने की आवृत्ति से मेल खानी चाहिए। Hybrid शून्य से एक के पैमाने पर आत्मविश्वास की जानकारी देने की बात करता है, जिसका उपयोग डेवलपर्स वैकल्पिक प्रक्रिया या मानवीय समीक्षा के लिए सीमाएँ तय करने में कर सकते हैं। ऊँचा मान फिर भी एक अनुमान है, गारंटी नहीं।⁠1⁠3

लॉन्च सामग्री में रूटिंग, रीजनिंग, रैंकिंग और मल्टीमॉडल समझ में नतीजों को बढ़ावा दिया गया है, जिसमें कैलिब्रेशन त्रुटि सबसे कम होने का दावा भी शामिल है। इससे स्वतंत्र रूप से सत्यापित कैलिब्रेशन माप, सामान्य त्रुटि दर या दोहराई जा सकने वाली सटीकता-तुलना स्थापित नहीं होती। ये कमियाँ उन स्थितियों में सबसे अधिक मायने रखती हैं जहाँ गलत वर्गीकरण से ऐसी कार्रवाई हो सकती है जिसे पलटना मुश्किल हो।⁠1⁠20

Google द्वारा बताए गए आंतरिक उपयोग इसकी इच्छित भूमिका दिखाते हैं। Gemini Notebook नाम का एक वर्कफ़्लो मॉडल स्तर और सोचने के स्तर चुनता है और अधिक जटिल सवालों के लिए गहरी रीजनिंग सुरक्षित रखता है; इसमें रोज़मर्रा के सवालों के लिए विलंबता में 40 percent तक कमी का दावा किया गया है। यह दावा उसी वर्कफ़्लो का है, एंडपॉइंट का इस्तेमाल करने वाले हर एप्लिकेशन का नहीं। Google Labs के CC एप्लिकेशन में काम छोटा है: 200 से अधिक विकल्पों में से एक इमोजी को सेकंड के एक अंश में चुनना।⁠1

दूसरे उदाहरणों में भी निर्णय मॉडल और उसके आसपास के उत्पाद के बीच यही फ़र्क बनाए रखना ज़रूरी है। बताया गया है कि Stitch इंटरैक्टिव वायरफ़्रेम तथा आवाज़ या टच से किए गए संशोधनों वाले तेज़ कैनवस प्रयोगों में इसका इस्तेमाल करता है। Google Search का एक उदाहरण Model Context Protocol टूल—AI सिस्टम और टूल के बीच कनेक्शन—को विरोधी व्यवहार और हानिकारक सामग्री के लिए जाँचता है। सुरक्षा वाले इस उदाहरण में पहचान की सटीकता या फ़ॉल्स-पॉज़िटिव दर के संख्यात्मक आँकड़े नहीं दिए गए हैं। यह इच्छित उपयोग दिखाता है, हमलों से सिद्ध प्रतिरक्षा नहीं।⁠1

बताया गया है कि Google AI Studio में Gemini API के ज़रिए API key के साथ इसका ऐक्सेस मिलता है; Python, JavaScript और REST के लिए गाइड तथा बिना लागत वाला प्रोटोटाइपिंग स्तर भी उपलब्ध है। मॉडल पहचानकर्ता gemini-decision-1 है। घोषित इकोसिस्टम समर्थन में google-genai सॉफ़्टवेयर किट और OpenRouter, LangChain, Vercel तथा अन्य फ़्रेमवर्क के साथ इंटीग्रेशन शामिल हैं। ये लॉन्च के समय समर्थन से जुड़े दावे हैं, ग्राहकों के सत्यापित उत्पादन-स्तरीय नतीजे नहीं। बताया गया है कि Google Cloud पर उपलब्धता आगे आएगी, लेकिन कोई पक्की तारीख़ नहीं दी गई है।⁠1⁠2

लॉन्च की रिपोर्टिंग में यह स्पष्ट नहीं है कि किन देशों में इसका इस्तेमाल पात्र है और यह पूर्वावलोकन में है या आम तौर पर उपलब्ध। इससे भी अहम, निर्णायक परीक्षण अभी बाकी है: क्या डेवलपर्स के अपने कार्यभार में गति, लागत और आत्मविश्वास की गुणवत्ता कायम रहती है। जो मॉडल जवाब नहीं लिखता, वह उपयोगी हो सकता है। लेकिन सॉफ़्टवेयर को उस जवाब के आधार पर कार्रवाई करने के लिए फिर भी ठोस वजह चाहिए जो मॉडल अप्रत्यक्ष रूप से देता है।

स्रोत19

यहाँ उद्धृत स्रोतों में Google ने सबसे पहले, इस रिपोर्ट के प्रसारण से 42 घंटे पहले प्रकाशित किया। इसके बाद 13 और समाचार संस्थानों ने प्रकाशित किया।
  1. Google
  2. AlphaSignal
  3. AI Unfiltered with Thorsten Meyer
  4. Adiust
  5. Aiholics
  6. Writeble
  7. Walter Pinem
  8. LLMs Blog
  9. +6 और समाचार संस्थान
  10. HeyDay News

बिना तारीख वाले 5 समाचार संस्थान:Google DocsAppFor.aidatacamp.comPapers with Codeventurebeat.com

सभी स्रोत, समाचार संस्थान के अनुसार

19 समाचार माध्यमों से 20 स्रोत· सबसे ज़्यादा उद्धृत पहले

जैसा प्रसारित हुआ
  1. Google's new decision model generates zero text tokens.
  2. Google advertises up to 1,000 questions about shared material in one request. The results can steer software, check policies or grade documents, while processing the input still costs money.
  3. The practical question is how reliably those fast judgments work when software acts on them.
  4. An insurance workflow could combine a claim PDF with photographs of damage. Software could then ask bounded questions about that material and use the returned probabilities to decide what happens next.
  5. Google DeepMind introduced the Gemini Decisions API on November 11, 2026. Gemini Decision 1 powers it. An API is a connection that lets other software use the model directly.
  6. Google says one request can evaluate up to 1,000 independent questions about the supplied material. Software can use the results directly to branch, sort or route work, without first extracting a decision from a written answer.
  7. Gemini Decision 1 evaluates candidate answers in a single processing pass. A chatbot normally builds its answer piece by piece. This endpoint returns structured judgments and probabilities, so a program doesn't need a sentence to parse.
  8. Developers can mix three question types in one call. Yes-or-no questions estimate whether a condition holds. Multiple-choice questions accept two to 255 candidates. Rubric questions assess material against ordered scoring levels.
  9. Developers can describe what counts as true or false. Choice questions return probabilities normalized across the alternatives. Rubrics begin at zero and return a continuous weighted score, alongside probabilities for individual levels. These outputs provide a bounded judgment rather than an open-ended explanation.
  10. A customer-call recording can travel with account information in the same input. The advertised formats also include text, images, video and PDFs. Developers can combine media instead of submitting every item separately.
  11. The advertised context window holds up to 256,000 tokens, the units the system processes. Developers can reduce image or video resolution to use fewer tokens, trading away visual detail. Each added question also brings its own instructions and criteria.
  12. The advertised timing figures cover contexts up to 16,000 tokens. Median model computation is 50 to 100 milliseconds. The reported end-to-end range is 150 to 250 milliseconds, including more than the model's computation alone.
  13. Response duration is described as staying nearly steady between one and 100 questions. Those figures don't promise the same speed at 1,000 questions or the largest context. An application's workload and serving conditions still shape the wait.
  14. Subscribe to this channel to follow whether these speed and confidence claims hold up in real applications.
  15. The launch price is reportedly ten cents per million input tokens, with zero dollars charged for output tokens. The endpoint generates no text tokens. Shared input is billed once within a request, even when several questions use it.
  16. Every question's instructions and criteria still add input tokens. The pricing description excludes variable thinking-token charges and separate fees for audio transcription or reading text from images. A no-cost prototyping tier is also described.
  17. A launch comparison describes the endpoint as almost five times cheaper than Gemini 3.5 Flash-Lite through the Interactions API. That claim comes from equivalent benchmark testing; the saving for a particular application depends on its actual workload.
  18. Google also promotes results in routing, reasoning, ranking and multimodal understanding, including a lowest-calibration-error claim. Calibration describes how closely predicted probabilities match actual outcomes. The speed, cost and calibration claims haven't been independently reproduced, so developers still need to test their own traffic.
  19. A workflow called Gemini Notebook uses the model to select model tiers and thinking levels. It carries a claimed latency reduction of up to 40 percent for everyday queries, reserving deeper reasoning for more complex work.
  20. That improvement belongs to the named workflow. Stitch is described as using the endpoint in rapid canvas experiments with interactive product-flow wireframes and voice- or touch-driven revisions. The surrounding application produces the experience; the endpoint supplies decisions.
  21. CC, a Google Labs application, uses it to choose an emoji from more than 200 options in a fraction of a second. The examples show the intended role as a quick control layer without training a separate classifier.
  22. Another described use checks Model Context Protocol tools in Google Search for adversarial behavior and harmful content. That protocol connects AI systems with tools. The safety example provides no numerical detection accuracy or false-positive rate.
  23. Confidence information ranges from zero to one, allowing developers to set thresholds for fallback procedures or human review. Google calls its probabilities calibrated. A high score still doesn't guarantee that a classification is right.
  24. Developers choose which alternatives exist and what each rubric means. They also decide when an uncertain or consequential result goes to a person. In a claims workflow, a fast classification alone can't prove the model understood the underlying documents correctly.
  25. Access is described through the Gemini API in Google AI Studio using an API key. Python, JavaScript and REST guides accompany demonstrations named Doorstep Parcels, Speed Sketch and Find the Zoo Keeper.
  26. The model identifier is gemini-decision-1. Developers still need clear access terms for their location and workload. Country eligibility, quotas and whether the offering is in preview or general availability haven't been settled in the launch details.
  27. Announced support includes the google-genai software kit and integrations involving OpenRouter, LangChain and Vercel. The list also includes LiteLLM, Pydantic AI, Pipecat, LiveKit and OpenCode. These are launch integration claims, rather than demonstrated customer production results.
  28. Availability through Gemini on Google Cloud is described as forthcoming, without a firm date.

अनुवाद अपडेट किया गया

हाल में प्रसारित