Google เปิดตัว Gemini Decisions API ขับเคลื่อนด้วย Gemini Decision 1
Google เปิดตัว Gemini Decisions API พร้อมโมเดล Gemini Decision 1 คำนวณความน่าจะเป็นสำหรับคำถามหลากหลายรูปแบบ ในราคา 0.10 ดอลลาร์ต่อ 1 ล้านโทเค็น
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Google เปิดตัว Gemini Decisions API ขับเคลื่อนด้วยรุ่น Gemini Decision 1
- รองรับการประเมินความน่าจะเป็นสำหรับคำถาม Yes/No, ตัวเลือก และเกณฑ์การให้คะแนน สูงสุด 1,000 ข้อ
- รองรับข้อมูลหลากหลายรูปแบบทั้งข้อความ รูปภาพ เสียง วิดีโอ และไฟล์ PDF
- คิดค่าบริการในราคาประหยัดเพียง 0.10 ดอลลาร์ต่อ 1 ล้านอินพุตโทเค็น
Google ได้ประกาศเปิดตัวเครื่องมือใหม่ล่าสุดในชื่อ Gemini Decisions API ซึ่งขับเคลื่อนด้วยโมเดลปัญญาประดิษฐ์รุ่นใหม่อย่าง Gemini Decision 1 โดยบริการนี้ถูกออกแบบมาเพื่อช่วยให้นักพัฒนาสามารถประมวลผลและหาคำตอบเชิงความน่าจะเป็นที่มีความแม่นยำสูงจากชุดข้อมูลขนาดใหญ่ได้อย่างรวดเร็ว
ความสามารถหลักของ Gemini Decisions API คือการคืนค่าความน่าจะเป็นที่มีการปรับเทียบอย่างแม่นยำ (calibrated probabilities) สำหรับชุดคำถามที่มีความซับซ้อน โดยรองรับคำถามประเภทใช่หรือไม่ใช่ (yes/no) คำถามแบบมีตัวเลือก (choice) และคำถามที่ต้องใช้เกณฑ์การประเมิน (rubric questions) ได้สูงถึง 1,000 ข้อต่อหนึ่งชุดการทำงาน
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
นอกจากนี้ ระบบดังกล่าวยังมีความยืดหยุ่นสูงในการรองรับประเภทของข้อมูลนำเข้าที่หลากหลาย ไม่ว่าจะเป็นข้อมูลในรูปแบบข้อความ (text) รูปภาพ (images) ไฟล์เสียง (audio) ไฟล์วิดีโอ (video) รวมถึงเอกสารในรูปแบบ PDF ซึ่งช่วยให้ผู้ใช้งานสามารถวิเคราะห์ข้อมูลข้ามสื่อได้อย่างมีประสิทธิภาพ
การเปิดตัว Gemini Decisions API สะท้อนให้เห็นถึงกลยุทธ์ของ Google ในการผลักดันปัญญาประดิษฐ์ให้เข้าสู่ภาคธุรกิจและงานวิเคราะห์เชิงปริมาณได้ง่ายขึ้น การที่ API ตัวนี้สามารถคำนวณความน่าจะเป็นของคำถามนับพันข้อพร้อมกันด้วยต้นทุนที่ต่ำเพียง 0.10 ดอลลาร์ต่อล้านโทเค็น จะช่วยลดอุปสรรคด้านต้นทุนสำหรับองค์กรที่ต้องการทำ Automated Decision Making หรือการตัดสินใจอัตโนมัติขนาดใหญ่
ในด้านโครงสร้างราคา Google ได้กำหนดอัตราค่าบริการของ Gemini Decisions API ไว้ที่ 0.10 ดอลลาร์ต่อ 1 ล้านอินพุตโทเค็น ซึ่งถือเป็นราคาที่เข้าถึงได้ง่ายสำหรับนักพัฒนาและองค์กรทุกขนาดที่ต้องการนำความสามารถของ AI ไปต่อยอดในระบบงานวิเคราะห์ข้อมูล
ที่มา: MarkTechPost
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น