Gemini Decision 1 چیست؟ مدل تصمیم‌گیری Google، حالا در API وان ای آی
Google در ۱۱ نوامبر ۲۰۲۶ مدل Gemini Decision 1 را معرفی کرد: مدلی که متن، تصویر، صدا، ویدیو و PDF را میخواند و به‌جای نوشتن پاسخ، برای هر گزینه یک احتمال برمیگرداند. این مدل حالا در API تصمیم‌گیری وان ای آی (1ai) در دسترس است.
Gemini Decision 1 مدل تصمیم‌گیری Google است: به‌جای اینکه کلمه به کلمه متن بنویسد، ورودی شما را یک بار میخواند و به پرسش‌هایی که از پیش تعریف کرده‌اید، یعنی بله/خیر، انتخاب از چند گزینه یا امتیاز روی یک مقیاس، برای هر گزینه یک احتمال برمیگرداند. Google این مدل را در ۱۱ نوامبر ۲۰۲۶ (۲۰ آبان ۱۴۰۵) همراه با Gemini Decisions API معرفی کرد و Gemini Decision 1 همین حالا در API تصمیم‌گیری وان ای آی (1ai) در دسترس است.
اطلاعات این مقاله در ۱۱ نوامبر ۲۰۲۶ از روی اعلام رسمی Google، صفحهی مدل در OpenRouter و گزارش رسانه‌های فناوری بررسی شده است. عددهای سرعت و هزینه را خود Google منتشر کرده و هنوز ارزیابی مستقلی از آن‌ها نیامده است.
Gemini Decision 1 چیست و چه زمانی عرضه شد؟
بیشتر کارهایی که با مدلهای زبانی در یک محصول انجام میشود، در اصل یک تصمیم است: این تیکت فوری است یا نه؟ این درخواست به کدام ابزار یا کدام تیم برود؟ این عکس با قوانین سایت میخواند؟ این پاسخ به پرسش کاربر ربط دارد؟ معمولاً برای همین تصمیم‌های کوچک از یک مدل چت می‌خواهیم جوابش را در قالب JSON بنویسد، بعد خروجی را تجزیه می‌کنیم و امیدواریم قالب به هم نریزد.
Gemini Decision 1 برای همین کارها ساخته شده است. ساندار پیچای، مدیرعامل Google، در معرفی آن نوشت که این مدل به‌جای تولید متن توکن به توکن، برای انتخاب‌های بسته ساخته شده و میتواند تا ۱۰۰۰ پرسش را درباره‌ی متن، تصویر، صدا، ویدیو و PDF در یک گذر امتیاز بدهد. Google آن را با یک API تازه به نام Gemini Decisions API در Google AI Studio عرضه کرد و هم‌زمان در OpenRouter هم فهرست شد.
خلاصه‌ی آنچه تا امروز درباره‌ی Gemini Decision 1 تأیید شده است:
| ویژگی | Gemini Decision 1 |
|---|---|
| سازنده | |
| تاریخ عرضه | ۱۱ نوامبر ۲۰۲۶ (۲۰ آبان ۱۴۰۵) |
| نوع خروجی | پاسخ تایپدار با احتمال، نه متن |
| نوع پرسش‌ها | بله/خیر، چندگزینهای تا ۲۵۵ گزینه، امتیاز روی سطح‌ها |
| تعداد پرسش در یک درخواست | تا ۱۰۰۰ |
| ورودی | متن، تصویر، صدا، ویدیو و سند (PDF) |
| پنجرهی زمینه | حدود ۲۶۲ هزار توکن |
| هزینه | فقط توکن ورودی؛ خروجی هزینه ندارد |
مدل تصمیم‌گیری چه فرقی با مدل چت دارد؟
مدل چت مثل Gemini یا GPT متن تولید می‌کند. اگر از آن بپرسید «این پیام اسپم است؟»، ممکن است بنویسد «بله، به نظر اسپم است چون…» یا «احتمالاً نه». شما باید این متن را بخوانید، تفسیر کنید و اگر خواستید در کد از آن استفاده کنید، قالبش را کنترل کنید. هیچ عددی هم نمی‌گوید مدل چقدر از جوابش مطمئن است.
مدل تصمیم‌گیری مثل Gemini Decision 1 اصلاً متن نمی‌نویسد. شما پرسش و گزینهها را تعریف می‌کنید و مدل برای هر گزینه یک احتمال برمیگرداند. نتیجه سه مزیت دارد:
- پاسخ همیشه قابل‌پردازش است. خروجی از پیش تایپدار است؛ لازم نیست متن آزاد را تجزیه کنید.
- احتمال کنار هر جواب است. می‌توانید آستانه بگذارید: اگر احتمال «فوری» بالای ۰٫۹ بود، خودکار اقدام کن؛ اگر بین ۰٫۵ و ۰٫۹ بود، برای بررسی انسانی بفرست.
- سریع و ارزان است. چون متنی تولید نمی‌شود، فقط ورودی هزینه دارد و پاسخ در کسری از ثانیه میآید. به گفته‌ی Google، زمان کل هر درخواست ۱۵۰ تا ۲۵۰ میلی‌ثانیه است و با بیشتر شدن پرسش‌ها، از یک تا صد پرسش، تقریباً تغییری نمی‌کند.
Google همچنین می‌گوید روی مجموعه‌ی آزمون خودش، Gemini Decision 1 حدود یک‌پنجم هزینهی انجام همین کارها با Gemini 3.5 Flash-Lite را دارد. این مقایسه را خود Google منتشر کرده است.
اگر با مفهوم مدلهای زبانی آشنا نیستید، مقاله‌ی مدل زبانی بزرگ چیست؟ نقطه‌ی شروع خوبی است.
Gemini Decision 1 چه نوع پرسش‌هایی را جواب میدهد؟
هر پرسش یکی از سه نوع است و برای هر کدام یک دستورالعمل کوتاه می‌نویسید:
۱. پرسش بله/خیر (predicate)
یک گزاره که درست یا نادرست است. پاسخ، احتمال درست بودن آن است.
آیا این پیام شکایت از پرداخت است؟
آیا در این تصویر چهره‌ی انسان دیده میشود؟
آیا گوینده در این فایل صوتی عصبانی است؟۲. انتخاب از گزینهها (choice)
مدل از میان گزینه‌هایی که می‌دهید یکی را انتخاب می‌کند و برای همه‌ی گزینهها احتمال برمیگرداند. در Gemini Decision 1 هر پرسش تا ۲۵۵ گزینه میتواند داشته باشد؛ مثلاً انتخاب یکی از ده‌ها ابزار یک عامل هوش مصنوعی.
این درخواست به کدام تیم برود؟ (مالی، فنی، فروش، سایر)
کاربر کدام ابزار را لازم دارد؟ (جستجوی وب، تقویم، ایمیل، ماشین‌حساب)۳. امتیاز روی مقیاس (score)
چند سطح مرتب تعریف می‌کنید، مثلاً «بی‌ربط، کمی مرتبط، کاملاً مرتبط»، و مدل احتمال هر سطح و یک امتیاز وزنی برمیگرداند. این نوع پرسش برای سنجیدن کیفیت یک پاسخ یا میزان ربط یک سند به پرسش کاربر مناسب است.
Gemini Decision 1 برای چه کارهایی مناسب است؟
Google کاربردهای اصلی این مدل را انتخاب ابزار، بررسی سیاست‌ها، مسیریابی بین مدل‌ها و سنجیدن زمینه می‌داند. چند نمونه‌ی ملموس:
مسیریابی در عامل‌های هوش مصنوعی
یک عامل هوش مصنوعی قبل از هر قدم باید تصمیم بگیرد کدام ابزار را صدا بزند یا درخواست را به کدام مدل بسپارد. اگر این تصمیم را به یک مدل چت بزرگ بدهید، هم کند است و هم گران. با Gemini Decision 1 می‌توانید در یک درخواست بپرسید کدام ابزار لازم است، آیا پرسش نیاز به جستجوی وب دارد و آیا سخت است یا ساده، و بعد پرسشهای ساده را به مدلی سبک‌تر و پرسشهای سخت را به مدلی قوی‌تر بفرستید. این الگو در ساخت گردش‌کار با ابزارهایی مثل n8n هم کاربرد دارد.
بررسی محتوا و قوانین
فروشگاه‌های اینترنتی، شبکه‌های اجتماعی و انجمن‌ها هر روز هزاران متن، عکس و فایل دریافت می‌کنند. می‌توانید قوانین خودتان را به شکل چند پرسش بله/خیر بنویسید، مثلاً «آیا این آگهی شمارهی تماس دارد؟» یا «آیا این تصویر محصول واقعی است یا عکس اینترنتی؟»، و برای هر ورودی احتمال تخلف بگیرید.
دسته‌بندی تیکت‌ها و پیام‌های پشتیبانی
برای هر تیکت در یک درخواست بپرسید: موضوع چیست، چقدر فوری است، مشتری چقدر ناراضی است و آیا نیاز به بازگشت وجه دارد. چون همه‌ی پرسش‌ها درباره‌ی یک ورودی مشترک‌اند، هزینهی خواندن متن فقط یک بار پرداخت میشود.
تصمیم روی صدا، ویدیو و سند
این بخش Gemini Decision 1 را از بیشتر مدلهای تصمیم‌گیری دیگر جدا می‌کند. مثلاً:
- روی فایل ضبط‌شده‌ی یک تماس فروش بپرسید: آیا مشتری قیمت پرسید؟ آیا فروشنده تخفیف پیشنهاد داد؟ لحن تماس چطور بود؟
- روی یک ویدیوی کوتاه بپرسید: آیا لوگوی برند دیده میشود؟ آیا محتوا برای کودکان مناسب است؟
- روی یک قرارداد یا فاکتور PDF بپرسید: آیا بند فسخ دارد؟ آیا مبلغ و تاریخ پر شده است؟
اگر کارتان استخراج متن کامل از سند است، نه تصمیم درباره‌ی آن، سراغ گفتگو با PDF بروید.
ارزیابی پاسخ‌ها و سندها در RAG
در سیستم‌هایی که پاسخ را از روی سندهای شما می‌سازند، می‌توانید با پرسش امتیازی بسنجید هر سند چقدر به پرسش ربط دارد، یا آیا پاسخ نهایی از سندها پشتیبانی میشود. Google از همین کار با نام سنجیدن زمینه یاد کرده است.
Gemini Decision 1 یا مدلهای تصمیم‌گیری دیگر: کدام را انتخاب کنم؟
در API تصمیم‌گیری 1ai چند مدل تصمیم‌گیری دیگر هم هست. انتخاب بیشتر به نوع ورودی و حجم کار بستگی دارد:
| مدل | ورودی | مناسب برای |
|---|---|---|
| Gemini Decision 1 (Google) | متن، تصویر، صدا، ویدیو، سند | ورودی‌های چندوجهی، پرسشهای زیاد روی یک ورودی، مسیریابی عامل‌ها |
| Jev (TypeSafe) | متن و تصویر | تصمیم‌های سریع و پرحجم روی متن |
| Drex Max Finance (Nace.AI) | متن و تصویر | فاکتور، رسید و سندهای مالی |
| Clef (Cloudflare) | متن و تصویر؛ Clef Omni صدا و ویدیو هم | تصمیم روی متن‌ها و تصویرهای بلند |
قاعده‌ی ساده: اگر ورودی‌تان صدا، ویدیو یا PDF است، یا روی یک ورودی پرسشهای خیلی زیادی دارید، Gemini Decision 1 را امتحان کنید. برای متن‌های کوتاه و حجم بالا، مدلهای سبک‌تر را هم با داده‌ی واقعی خودتان مقایسه کنید. فهرست کامل را در صفحهی مدل‌ها با فیلتر «تصمیم‌گیری» ببینید.
چطور از Gemini Decision 1 در 1ai استفاده کنیم؟
Gemini Decision 1 در 1ai فقط از راه API در دسترس است و در گفتگو نیست، چون خروجی‌اش احتمال است، نه متن. هزینهی هر درخواست بر اساس توکن ورودی از اعتبار حساب API شما کم میشود؛ برای خرید اعتبار و دیدن قیمتها به صفحهی قیمتها سر بزنید.
قدم ۱: کلید API بسازید
وارد حساب شوید، در بخش توسعه‌دهندگان یک کلید sk-1ai-… بسازید و آن را در متغیر محیطی ONEAI_API_KEY نگه دارید. اگر تازه با API آشنا میشوید، راهنمای API سازگار با OpenAI و راهنمای کلیدها و کنترل هزینه را بخوانید.
قدم ۲: پرسش‌ها را بفرستید
مسیر POST https://1ai.ir/v1/decisions است. ورودی را در input و پرسش‌ها را در questions بفرستید:
curl https://1ai.ir/v1/decisions \
-H "Authorization: Bearer $ONEAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "google/gemini-decision-1",
"input": "سلام، سفارشم دو بار از کارتم کم شده و هنوز هم به دستم نرسیده. لطفا سریع پیگیری کنید.",
"questions": [
{ "name": "urgent", "type": "predicate", "instructions": "آیا این درخواست فوری است؟" },
{ "name": "team", "type": "choice", "instructions": "کدام تیم باید پاسخ دهد؟",
"choices": [
{ "value": "billing", "description": "پرداخت، فاکتور و بازگشت وجه" },
{ "value": "shipping", "description": "ارسال و تحویل" },
{ "value": "other" }
] },
{ "name": "anger", "type": "score", "instructions": "مشتری چقدر ناراضی است؟",
"levels": [ { "label": "آرام" }, { "label": "ناراضی" }, { "label": "خشمگین" } ] }
]
}'پاسخ برای هر پرسش، به همان ترتیب، یک عنصر در آرایهی answers دارد: برای predicate یک probability، برای choice گزینه‌ی انتخاب‌شده و احتمال همه‌ی گزینهها، و برای score امتیاز وزنی و احتمال هر سطح. مصرف توکن در usage و اعتبار کسرشده در سرآیند x-1ai-credits میآید.
قدم ۳: تصویر، صدا یا سند اضافه کنید
برای ورودی چندوجهی، input را آرایه بنویسید و کنار متن، بخشهای رسانه‌ای را بگذارید. نمونه با پایتون، روی فایل صوتی یک تماس:
# pip install requests
import base64, os, requests
audio = base64.b64encode(open("call.mp3", "rb").read()).decode()
res = requests.post(
"https://1ai.ir/v1/decisions",
headers={"Authorization": f"Bearer {os.environ['ONEAI_API_KEY']}"},
json={
"model": "google/gemini-decision-1",
"input": [
"Recorded sales call:",
{"type": "input_audio", "input_audio": {"data": audio, "format": "mp3"}},
],
"questions": [
{"name": "asked_price", "type": "predicate", "instructions": "Did the customer ask about the price?"},
{"name": "discount", "type": "predicate", "instructions": "Did the agent offer a discount?"},
{"name": "outcome", "type": "choice", "instructions": "How did the call end?",
"choices": [{"value": "sale"}, {"value": "follow_up"}, {"value": "lost"}]},
],
},
timeout=60,
)
res.raise_for_status()
for a in res.json()["answers"]:
print(a["name"], a.get("probability") or a.get("choice"))برای تصویر از بخش image_url با یک data URL (مثل data:image/png;base64,…) و برای سند از بخش file استفاده کنید. Gemini Decision 1 یک تصویر یا ویدیو را از نشانی عمومی https:// هم میخواند؛ چون طول چنین فایلی از پیش معلوم نیست، 1ai برای این درخواست‌ها به اندازه‌ی کل پنجرهی زمینه اعتبار کنار می‌گذارد و بعد فقط مصرف واقعی را کم می‌کند. پس برای این نوع درخواست، موجودی کافی در حساب داشته باشید.
قالب بومی System One
اگر کدتان با قالب بومی System One نوشته شده، همین مدل از مسیر /v1/systemone هم پاسخ میدهد؛ جزئیات در راهنمای System One آمده است.
چند نکته برای نوشتن پرسشهای خوب
- پرسش‌ها را مستقل بنویسید. پاسخ یک پرسش روی پرسش دیگر اثر نمی‌گذارد؛ هر پرسش باید بدون بقیه معنا داشته باشد.
- برای گزینهها توضیح بگذارید.
descriptionکوتاه برای هر گزینه، مثل «پرداخت، فاکتور و بازگشت وجه»، خطای مدل را کم می‌کند. - گزینه‌ی «سایر» را فراموش نکنید. اگر ممکن است هیچ‌کدام از گزینهها درست نباشد، یک گزینه‌ی
otherبگذارید تا مدل مجبور به انتخاب اشتباه نشود. - روی احتمال آستانه بگذارید، نه روی گزینه‌ی برنده. گزینه‌ای که با احتمال ۰٫۴ برنده شده با گزینه‌ای که ۰٫۹۵ گرفته فرق دارد. موارد مردد را به انسان بسپارید.
- با داده‌ی واقعی خودتان بسنجید. چند ده نمونه‌ی واقعی را که جوابشان را می‌دانید بفرستید و ببینید آستانه‌ی مناسب کجاست.
محدودیت‌ها و نکته‌هایی که باید بدانید
- متن تولید نمی‌کند. اگر به توضیح، خلاصه یا پاسخ نوشتاری نیاز دارید، سراغ مدلهای چت مثل Gemini بروید. Gemini Decision 1 فقط بین گزینه‌هایی که خودتان تعریف کرده‌اید انتخاب می‌کند.
- در گفتگوی 1ai نیست. این مدل فقط در API است.
- ادعاهای عملکرد هنوز مستقل سنجیده نشده‌اند. سرعت و صرفه‌جویی که Google اعلام کرده روی مجموعه‌ی آزمون خودش است؛ روی داده‌ی خودتان امتحان کنید.
- Google AI Studio مستقیم از ایران در دسترس نیست. نسخه‌ی رسمی Google به حساب و پرداخت خارجی نیاز دارد. در 1ai همین مدل را با کلید و اعتبار 1ai صدا میزنید.
- دانش روز ندارد. مدل فقط درباره‌ی ورودی‌ای که میفرستید تصمیم می‌گیرد؛ اگر تصمیم به اطلاعات تازه نیاز دارد، آن اطلاعات را در ورودی بگذارید.
برای آشنایی بیشتر با خانواده‌ی Gemini، مقاله‌ی Gemini چیست؟ را بخوانید.
سوالات متداول
Gemini Decision 1 چه زمانی عرضه شد؟
Google مدل Gemini Decision 1 را در ۱۱ نوامبر ۲۰۲۶ (۲۰ آبان ۱۴۰۵) همراه با Gemini Decisions API معرفی کرد و چند ساعت بعد در API وان ای آی (1ai) هم در دسترس قرار گرفت.
آیا Gemini Decision 1 مثل Gemini متن مینویسد؟
نه. این مدل فقط به پرسشهای تایپدار جواب میدهد، یعنی بله/خیر، انتخاب از گزینهها و امتیاز، و برای هر گزینه یک احتمال برمیگرداند. برای نوشتن متن از مدلهای چت Gemini استفاده کنید.
Gemini Decision 1 چه ورودیهایی را میخواند؟
متن، تصویر، صدا، ویدیو و سند PDF را میخواند و پنجرهی زمینهاش حدود ۲۶۲ هزار توکن است. در 1ai این ورودیها را به صورت بخشهای جدا در آرایهی input میفرستید.
در یک درخواست چند پرسش میتوانم بپرسم؟
Gemini Decision 1 تا ۱۰۰۰ پرسش را در یک درخواست جواب میدهد و هر پرسش چندگزینهای تا ۲۵۵ گزینه میتواند داشته باشد. چون ورودی یک بار خوانده میشود، پرسیدن چند پرسش با هم از چند درخواست جدا بهصرفهتر است.
هزینهی استفاده از Gemini Decision 1 در 1ai چطور حساب میشود؟
فقط توکنهای ورودی حساب میشوند و خروجی هزینهای ندارد. اعتبار کسرشدهی هر درخواست در سرآیند x-1ai-credits میآید؛ قیمتها و خرید اعتبار در صفحهی قیمتهاست.
برای استفاده از Gemini Decision 1 به حساب خارجی نیاز دارم؟
نه. در وان ای آی (1ai) با شمارهی موبایل ایرانی وارد میشوید، اعتبار را با درگاه بانکی ایرانی میخرید و با کلید API خودتان مدل را صدا میزنید.
اگر محصولی دارید که هر روز تصمیم‌های کوچک زیادی می‌گیرد، از دسته‌بندی تیکت تا بررسی عکس و مسیریابی عامل‌ها، Gemini Decision 1 را با چند نمونه‌ی واقعی خودتان امتحان کنید. همین حالا در 1ai یک کلید API بسازید و اولین درخواست را بفرستید.
