Google เปิดตัว Gemini Decisions API สำหรับเวิร์กโฟลว์ AI แบบมัลติโหมด

เมื่อวันที่ 11 พฤศจิกายน 2026 Google เปิดตัว Gemini Decisions API ซึ่งเป็นเอนด์พอยต์ใหม่ที่ขับเคลื่อนด้วย Gemini Decision 1 และใช้งานได้ผ่าน Gemini API ใน Google AI Studio โดยสามารถประเมินคำถามอิสระได้สูงสุด 1,000 ข้อ ครอบคลุมทั้งข้อความ รูปภาพ เสียง วิดีโอ และ PDF ในคำขอเดียว

เอนด์พอยต์นี้ออกแบบมาสำหรับการตัดสินแบบมีขอบเขต เช่น การเลือกเครื่องมือ การตรวจสอบนโยบาย การกำหนดเส้นทางโมเดล การประเมินบริบท และการจัดอันดับ ไม่ใช่การสร้างร้อยแก้วหรือคำอธิบาย คำขอหนึ่งรายการประกอบด้วยข้อมูลป้อนเข้าร่วมหนึ่งชุดและคำถามอิสระหลายข้อ แทนที่จะถอดรหัสข้อความคำตอบทีละโทเค็น Gemini Decision 1 จะให้คะแนนตัวเลือกที่เป็นไปได้ในการประมวลผลไปข้างหน้าเพียงรอบเดียว ทำให้โปรแกรมสามารถแยกแขนง จัดเรียง และกำหนดเส้นทางได้โดยตรงจากคำตอบที่มีชนิดข้อมูลกำกับ

แนวทางนี้มุ่งเน้นการควบคุมลำดับการทำงานของซอฟต์แวร์ ซึ่งหากใช้คำอธิบายที่สร้างขึ้น โปรแกรมจะต้องแปลงคำอธิบายนั้นกลับเป็นค่าที่มีโครงสร้างก่อนจึงจะดำเนินการได้

คำถาม 3 ประเภทพร้อมคะแนนความเชื่อมั่น

เอกสารประกอบ Decisions API กำหนดหน้าต่างบริบทขนาด 262,144 โทเค็น ซึ่งครอบคลุมทั้งข้อมูลป้อนเข้าร่วมและคำถามทั้งหมด คำขอหนึ่งรายการสามารถผสมการตรวจสอบแบบใช่/ไม่ใช่ การเลือกจากชุดตัวเลือกตายตัว และคะแนนตามเกณฑ์แบบเรียงลำดับได้ คำถามแบบเลือกตอบรองรับตัวเลือกตั้งแต่ 2 ถึง 255 รายการ ส่วนคำตอบตามเกณฑ์จะเป็นค่าเฉลี่ยถ่วงน้ำหนักด้วยความน่าจะเป็นของดัชนีระดับ พร้อมความน่าจะเป็นของแต่ละระดับ

คำตอบทุกข้อมีคะแนนความเชื่อมั่นตั้งแต่ 0 ถึง 1 ซึ่งหมายถึงความน่าจะเป็นโดยประมาณที่คำตอบอันดับสูงสุดจะถูกต้อง แอปพลิเคชันสามารถดำเนินการโดยอัตโนมัติเมื่อได้ผลลัพธ์ที่มีความเชื่อมั่นสูง หรือส่งต่อกรณีที่ไม่แน่ชัดให้พิจารณาเพิ่มเติม เอกสารแนะนำให้กำหนดเกณฑ์ตัดสินโดยใช้ตัวอย่างที่ติดป้ายกำกับจากทราฟฟิกจริงของนักพัฒนาเอง และให้มีมนุษย์หรือการตรวจสอบครั้งที่สองสำหรับการดำเนินการที่มีความเสี่ยงสูง เช่น การจ่ายเงิน

คำถามแต่ละข้อไม่สามารถเห็นคำถามข้ออื่นได้ และการเพิ่มหรือนำคำถามข้อใดออกจะไม่เปลี่ยนคำตอบข้ออื่น ดังนั้น การตัดสินใจที่ขึ้นต่อกันจึงควรจัดการในตรรกะของแอปพลิเคชัน นักพัฒนาสามารถส่งคำขอครั้งที่สองหลังจากอ่านคำตอบแรกแล้ว หรือถามทั้งสองข้อพร้อมกันและไม่สนใจคำตอบที่ไม่ต้องการ

ข้อมูลที่รายงานเกี่ยวกับเวลาแฝง ราคา และผลการทดสอบมาตรฐาน

Google รายงานว่าเวลาแฝงค่ามัธยฐานสำหรับการประมวลผลของโมเดลอยู่ที่ 50–100 มิลลิวินาที และเวลาแฝงตั้งแต่ต้นจนจบอยู่ที่ 150–250 มิลลิวินาที สำหรับข้อมูลป้อนเข้าแบบมัลติโหมดและบริบทขนาดสูงสุด 16K โทเค็น เวลาแฝงแทบไม่เปลี่ยนแปลงเมื่อจำนวนคำถามต่อคำขอเพิ่มจาก 1 เป็น 100 ข้อ นอกจากนี้ Gemini Decision 1 ยังทำผลงานนำในชุดทดสอบมาตรฐานของบริษัท ซึ่งครอบคลุมการกำหนดเส้นทางเอเจนต์ การให้เหตุผล การจัดอันดับ และความเข้าใจแบบมัลติโหมด โดยมีค่าคลาดเคลื่อนในการปรับเทียบต่ำที่สุด

ราคาคือ 0.10 ดอลลาร์ต่อโทเค็นขาเข้า 1 ล้านโทเค็น โดยไม่มีการเรียกเก็บเงินสำหรับโทเค็นขาออก ข้อมูลป้อนเข้าร่วมจะถูกเรียกเก็บเงินครั้งเดียวต่อคำขอ ไม่ว่าจะมีคำถามกี่ข้อ ขณะที่แต่ละคำถามจะเพิ่มโทเค็นคำสั่งและเกณฑ์ของตนเอง ไม่มีค่าใช้จ่ายผันแปรสำหรับโทเค็นการคิด และไม่มีค่าใช้จ่ายแยกสำหรับการถอดเสียงหรือ OCR Google ระบุว่า Gemini Decision 1 ที่ใช้ร่วมกับ Decisions API มีราคาถูกกว่าเกือบ 5 เท่าเมื่อทดสอบกับชุดเกณฑ์มาตรฐานเดียวกัน เมื่อเทียบกับ Gemini 3.5 Flash-Lite ที่ใช้ร่วมกับ Interactions API

การใช้งานของ Google และช่องทางเข้าถึงสำหรับนักพัฒนา

Google ระบุว่า Gemini Notebook ใช้ API นี้เป็นตัวกำหนดเส้นทางแบบเรียลไทม์สำหรับระดับโมเดลและระดับการคิด ช่วยลดเวลาแฝงได้สูงสุด 40% สำหรับคำถามทั่วไป ขณะเดียวกันก็สงวนโมเดลที่ใช้การให้เหตุผลเชิงลึกไว้สำหรับงานที่ซับซ้อน การทดลองแคนวาสแบบรวดเร็วของ Stitch ใช้ API นี้เพื่อสร้างโครงร่างหน้าจอที่ทดลองเล่นได้ ส่วน CC จาก Google Labs ใช้เลือกอีโมจิแสดงปฏิกิริยาจากกว่า 200 แบบ

นักพัฒนาสามารถใช้ Python, JavaScript หรือ REST ได้ โดยคู่มือเริ่มต้นใช้งาน SDK กำหนดให้ใช้เวอร์ชัน google-genai 3.2 ขึ้นไป แพ็กเกจ AI Studio แบบไม่มีค่าใช้จ่ายรองรับการสร้างต้นแบบ การเชื่อมต่อกับ OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit และ OpenCode กำลังทยอยเปิดให้ใช้งาน ส่วนการรองรับ Gemini ใน Google Cloud ระบุว่าจะเปิดให้ใช้งานเร็ว ๆ นี้

ในช่วงแรก การเข้าถึงจำกัดอยู่ที่ Gemini Developer API v1beta ซึ่งใช้ Gemini Decision 1 คำสั่งสำหรับคำถามรองรับเฉพาะข้อความ และไม่รองรับประวัติการสนทนาหรือบล็อกการเรียกใช้เครื่องมือ นอกจากนี้ ยังไม่รองรับการแคชบริบท, Batch API และการอนุมานแบบ Flex หรือ Priority

สำหรับทีมที่พัฒนาเอเจนต์ API นี้รวบรวมการตัดสินแบบมัลติโหมดไว้ในการเรียกใช้ครั้งเดียวที่ระบุชนิดข้อมูล แต่ความรับผิดชอบในการทำให้ระบบอัตโนมัติปลอดภัยยังคงอยู่กับนักพัฒนา ซึ่งต้องกำหนดเกณฑ์ ข้อมูลประเมินที่ติดป้ายกำกับ และกฎการส่งต่อให้เหมาะสม โดยเฉพาะเมื่อการดำเนินการนั้นอาจส่งผลกระทบทางการเงินหรือความปลอดภัย