Gemini Decision 1: rychlé třídění pro automatizace a AI agenty

TL;DR

• Gemini Decision 1 vybírá z předem daných možností. V automatizaci může sloužit třeba k třídění požadavků nebo výběru dalšího nástroje.
• Google uvádí cenu 0,10 dolaru za milion vstupních tokenů a odezvu 150 až 250 milisekund. Nezávislé výsledky shrnuté ve zdroji ale neukazují prvenství v přesnosti ani v nákladech na úlohu.
• Vyzkoušej ho na jednom rozhodovacím kroku s jasnými kategoriemi. Porovnej chyby, dobu zpracování a cenu včetně případů, které musí převzít člověk.

Přijde zákaznický e-mail a automatizace potřebuje určit, zda jde o reklamaci, dotaz na doručení, nebo změnu objednávky. V takovém kroku potřebuješ především správně vybrat kategorii. Gemini Decision 1 od Googlu míří právě na tento typ práce: posuzuje předem dané možnosti a ke své odpovědi přidává skóre jistoty.

Přehled Latent Space z 12. listopadu popisuje uvedení modelu i rozhraní Gemini Decisions API. Pro menší tým je podstatná možnost rozdělit agentský proces podle náročnosti: úzké rozhodnutí svěřit specializovanému modelu a složitější rozbor řešit až tam, kde je potřeba.

Co Gemini Decision 1 vrací

Model podporuje odpovědi ano/ne, výběr z možností a bodování podle zadaných hodnoticích kritérií. Možnosti vyhodnocuje v jednom průchodu. Při výběru tedy nemusí postupně vytvářet slovní odpověď token po tokenu.

Podle parametrů Googlu uvedených v přehledu zvládá:

• text, obrázky, zvuk, video a PDF na vstupu;
• až 255 možností u otázky s výběrem odpovědi;
• až 1 000 otázek v jednom požadavku;
• kontext o velikosti 256 tisíc tokenů;
• skóre jistoty u každé odpovědi.

Jde o API pro zapojení do aplikace nebo automatizace. Samotný výběr kategorie ještě neprovede navazující práci. Tu musí zajistit okolní aplikace: například předat reklamaci správnému týmu nebo spustit vyhledání objednávky.

Kde může zkrátit práci agenta

Představ si třídění zákaznických zpráv. Rozhodovací model určí typ požadavku a navazující postup podle něj vybere příslušný nástroj. Model pro složitější uvažování pak dostane až případ, který vyžaduje rozbor souvislostí nebo přípravu odpovědi. To je ilustrační návrh použití, nikoli doložený výsledek nasazení Gemini Decision 1.

Konkrétní příklad rozdělení práce přinesla na konferenci AI Engineer společnost Cloudflare. V popsané ukázce rychlé rozhodovací modely vybíraly nástroje a získávaly údaje z provozních záznamů. Velký model pro uvažování řešil až diagnostiku. Počet volání velkého jazykového modelu klesl ze šesti na jedno a spotřeba tokenů přibližně ze 40 tisíc na 1 800.

Tato čísla patří konkrétní ukázce Cloudflare. Nedokládají úsporu při použití Gemini Decision 1. Ukazují ale užitečnou otázku pro návrh vlastního agenta: které jeho kroky mají jasně vymezené možnosti a které skutečně potřebují otevřený rozbor?

Nízká cena tokenů ještě neurčuje cenu úlohy

Google uvádí cenu 0,10 dolaru za milion vstupních tokenů, nulový poplatek za výstup a celkovou odezvu 150 až 250 milisekund. Pro časté třídění to jsou zajímavé parametry. Při výběru však potřebuješ vědět i to, kolik vstupu jednotlivá rozhodnutí spotřebují a jak často skončí chybou.

Výsledky Artificial Analysis, které přehled přebírá, dávají střízlivější obraz než samotný ceník. Gemini Decision 1 dosáhl v souhrnném Decision Indexu 66 bodů, stejně jako Jev 1.14 a Elephant 9B. Za modely Drex Max v1.1 a GLiDE v1.2 zaostal o sedm bodů.

V tomto hodnocení vyšly náklady na milion úloh na 345 dolarů u Decision 1, oproti 156 dolarům u Jev a 103 dolarům u Drex Max. Průměrná doba na úlohu činila 211 milisekund, zatímco u Jev 92 milisekund. Jde o výsledky dané testovací sady, nikoli o předpověď ceny tvých e-mailů nebo dokumentů.

Rozdíly se projevily také v přesnosti. V testu AA-Paperclip odpověděl Decision 1 správně na všechny otázky u 33 % dokumentů, Drex Max u 63 %. Pokud potřebuješ z jednoho dokumentu několik správných rozhodnutí současně, sleduj právě úspěšnost celého případu.

Začni jednou kategorií chyb, kterou umíš poznat

Pro první porovnání vyber krok, u kterého dokážeš předem určit správnou odpověď. U zákaznické podpory to může být rozdělení zpráv mezi doručení, reklamace a změny objednávek. Přidej i nejasné zprávy a případy, které se do těchto kategorií nevejdou.

Skóre jistoty může pomoci určit, které případy předat člověku. Hranici pro automatické zpracování ale nastav podle výsledků na vlastních datech. Vysoké skóre samo o sobě správnost odpovědi nedokládá.

Porovnej nový model se současným postupem na stejné sadě zpráv. Sleduj správné zařazení, čas, cenu a počet ručních oprav. Pokud chybné třídění spouští další akci, započítej i její dopad.

První užitečný krok je jednoduchý: najdi v automatizaci jedno místo, kde model jen vybírá z několika možností. Na něm ověř, zda Gemini Decision 1 zrychlí práci při přijatelné chybovosti.

Zdroj

Latent Space: D-Day (Decision Models Day), 12. listopadu 2026