1. الرئيسية
  2. الجديد
الجديد

Google تطلق Gemini Decisions API لقرارات سريعة معايرة

Google تطلق Gemini Decisions API بنموذج Gemini Decision 1: قرارات احتمالية متعددة الوسائط بزمن 150-250 مللي ثانية وسعر 0.10 دولار لكل مليون توكن إدخال.

عبدالرحمن سمير
مدرّب معتمد في الذكاء الاصطناعي والتسويق للقانونيين · باحث دكتوراه في الاقتصاد الإبداعي
٩ دقائق قراءة
غلاف مقال: Google تطلق Gemini Decisions API لقرارات سريعة معايرة
شارك المقالواتسابلينكدإنإكس
الخلاصةأعلنت Google في 11 نوفمبر 2026 عن Gemini Decisions API بنموذج Gemini Decision 1، لتقييم حتى 1000 سؤال محدد الإجابة في تمريرة واحدة عبر النص والصور والصوت والفيديو وملفات PDF، بزمن استجابة 150-250 مللي ثانية وسعر 0.10 دولار لكل مليون توكن إدخال دون احتساب توكنات إخراج، وبدرجة معايرة هي الأقل خطأ في اختبارات القياس بحسب إعلان الشركة.

ما الذي أعلنته Google باختصار

في 11 نوفمبر 2026، أعلنت Google عبر مدونتها الرسمية عن إطلاق Gemini Decisions API، وهو نقطة وصول (endpoint) جديدة مخصصة لما تسميه الشركة «القرارات المحدودة المجموعة» (closed-set decisions)، أي الاختيار من بين بدائل معروفة سلفًا لا توليد نص حر. يعمل المنتج بنموذج جديد اسمه Gemini Decision 1 (gemini-decision-1)، ويُتاح عبر Gemini API داخل Google AI Studio.

الفكرة الجوهرية بحسب إعلان Google أن النموذج لا يكتب إجابة توكنًا بعد توكن، بل يقيّم الخيارات المرشحة في تمريرة أمامية واحدة (single forward pass)، ويعيد احتمالات ودرجات ثقة من 0 إلى 1. ويمكن تمرير مدخل واحد متعدد الوسائط — نص وصور وصوت وفيديو وملفات PDF حتى 256 ألف توكن — مع ما يصل إلى 1000 سؤال مستقل في الطلب الواحد. أما الأداء المعلن فهو زمن استجابة من طرف إلى طرف بين 150 و250 مللي ثانية، بسعر 0.10 دولار لكل مليون توكن إدخال، وصفر دولار على توكنات الإخراج.

وثمة تفصيل عملي مهم: المدخل المشترك يُحتسب مرة واحدة لكل طلب مهما بلغ عدد الأسئلة، ولا يُضاف لكل سؤال إلا توكنات تعليماته ومعاييره. وتقول Google إن هذا يجعل التكلفة أرخص بنحو خمسة أضعاف مقارنة بـ Gemini 3.5 Flash-Lite عبر Interactions API في مجموعة اختبارات القياس المشتركة، مع أقل خطأ معايرة في الاختبارات الممتدة على توجيه الوكلاء والاستدلال والترتيب والفهم متعدد الوسائط.

الفرق بينه وبين النماذج التوليدية وما ينافسه

الفرق الجوهري ليس في الحجم ولا في القدرة اللغوية، بل في نوع المهمة. النماذج التوليدية مثل ChatGPT وClaude وGemini في صيغتها الحوارية مصممة لإنتاج نص مفتوح، وهذا مناسب للصياغة والتحليل والشرح. أما Gemini Decision 1 فيتخصص في ما تسميه Google «العناصر الأولية المبنية لغرض» (purpose-built primitives): اختيار أداة، فحص سياسة، توجيه استعلام إلى نموذج، تقييم سياق. أي أنه طبقة تحكم (control plane) لا كاتبًا.

هذا التمييز يترتب عليه فرق في التكلفة والزمن. توليد نص من مئات التوكنات يستغرق وقتًا أطول ويكلف أكثر، بينما تقييم نعم/لا أو اختيار من قائمة يحتاج قرارًا واحدًا. لذلك فإن أقرب منافس وظيفي ليس نموذجًا حواريًا، بل المصنفات المخصصة (custom classifiers) القديمة التي كان الفريق يجمع لها بيانات ويُدرّبها، أو استدعاء نموذج توليدي ثم استخراج الإجابة منه ببرمجة إضافية. ما تعرضه Google عمليًا هو استبدال هذين المسارين بنداء واحد.

الوجهGemini Decision 1نموذج توليدي عبر APIمصنف مخصص
شكل المخرَجاحتمالات ودرجة ثقة 0-1نص مولّدتصنيف واحد جامد
عدد الأسئلةحتى 1000 في الطلبسؤال أو مهمة غالبًاتصنيف لكل نموذج
زمن الاستجابة المعلن150-250 مللي ثانيةيتفاوت بطول الإخراجسريع لكنه لا يغطي إلا ما دُرب
التكلفة المعلنة0.10 دولار/مليون إدخال وصفر إخراجإدخال وإخراج محتسبانكلفة تدريب وصيانة
تعدد الوسائطنص وصورة وصوت وفيديو وPDFيتفاوتعادة أحادي الوسيط

يبدو أن الرسالة التسويقية الحقيقية هنا موجهة إلى المطوّرين لا إلى المستخدم النهائي: بدل بناء خط أنابيب معقد من OCR وتحويل صوتي وتصنيف نصي، تُمرَّر المادة الخام مرة واحدة وتُطرح عليها الأسئلة. لكن الأرجح أيضًا أن الحدود تظهر في الحالات التي تتطلب استدلالًا مركبًا أو صياغة، وهناك يبقى النموذج التوليدي هو الخيار.

فيمَ يفيد القانونيين والمكاتب فعليًا

لا يحتاج القانوني إلى كتابة كود ليفهم قيمة هذا المنتج، بل إلى فهم أن بعض أعماله اليومية قرارات محدودة لا صياغات. وهذه ثلاثة استخدامات عملية محددة:

أولًا: فرز المستندات الواردة في مكتب المحاماة. يتلقى المكتب يوميًا ملفات PDF وصورًا ورسائل. يمكن تمرير المستند مرة واحدة مع أسئلة من نوع نعم/لا: هل يحتوي على توقيع؟ هل يذكر تاريخ سريان؟ هل هو عقد أم إشعار؟ هل يستوفي شرط الإخطار الكتابي؟ ثم تُوجَّه الحالات الغامضة — التي تنخفض درجة ثقتها — إلى مراجع بشري. هذا مثال واقعي على استخدام المخرَج الاحتمالي لا كحكم نهائي بل كإشارة توجيه. ولمن يريد بناء هذا النمط من سير العمل، اقرأ كيف تحوّل طلبًا مبهمًا من العميل إلى مواصفات قابلة للتنفيذ.

ثانيًا: فحص الالتزام بالسياسات في التسويق القانوني. محتوى موقع أو منشور يمر على قائمة فحص: هل يتضمن وعدًا بنتيجة مؤكدة؟ هل يذكر تخصصًا غير مرخص؟ هل يخالف ضوابط الإعلان المهني؟ يمكن طرح عشرات الأسئلة على النص نفسه في طلب واحد، وبتكلفة إدخال واحدة. هذا يلتقي مباشرة مع التسويق القانوني: بين ضوابط المهنة وحضور فعّال، ومع التسويق القانوني عمومًا.

ثالثًا: تقييم الأفكار الإبداعية والمقترحات قبل الاستثمار فيها. لصاحب فكرة مشروع أو مبدع يقدم عرضًا لشركة: تمرير العرض المكتوب مع معايير تقييم مرتبة (وضوح المشكلة، جدوى التنفيذ، تميّز الفكرة، جاهزية السوق) والحصول على درجة لكل معيار. هذه ليست حكمًا على الفكرة، بل مرآة أولية تكشف مواضع الضعف قبل عرضها على أحد. وقد يفيد هنا الاطلاع على تقييم فكرة مشروع قبل التنفيذ وحماية الأفكار الإبداعية قبل الانطلاق.

التأثير: على مَن وماذا

التأثير الأول يقع على سوق أدوات المطوّرين. فحين تصبح طبقة القرار رخيصة وسريعة، تنخفض حاجة الفرق إلى بناء مصنفات مخصصة لكل حالة، وتنتقل المنافسة إلى من يملك تكاملات أوسع. وإعلان Google يشير إلى تكاملات قائمة تتوسع تدريجيًا مع OpenRouter وLangChain وVercel وLiteLLM وPydantic AI وPipecat وLiveKit وOpenCode، ودعم قادم في Gemini داخل Google Cloud. هذا ليس تفصيلًا تقنيًا عابرًا، بل هو ما يحدد إن كان المنتج سيصبح طبقة تحتية أم ميزة معزولة.

التأثير الثاني على طريقة العمل في المكاتب. إذا تراجعت كلفة الفرز والتقييم إلى هذا الحد، فمن المرجح أن تنتقل مهام المراجعة الأولية من الإنسان إلى نظام يعرض عليه قرارات بدرجات ثقة. وهذا لا يلغي المراجع البشري، بل يغيّر موقعه: من قارئ لكل شيء إلى مراجع للحالات الغامضة. ومن هنا تنشأ الحاجة إلى مهارة جديدة هي تصميم الأسئلة والمعايير، وهي أقرب إلى ما شرحناه في الذكاء الاصطناعي للمحامين وكيف يكتب القانوني طلبًا للذكاء الاصطناعي يعطيه مسودة أولى صالحة، لكن بقلب مختلف: لا نطلب مسودة، بل نطلب حكمًا احتماليًا.

التأثير الثالث على المنافسين والمهن القريبة. مزوّدو أدوات التصنيف والفرز التقليدية، وشركات معالجة الوثائق، ومنتجات توجيه الاستعلامات، ستجد نفسها أمام بديل أرخص بحسب الأرقام المعلنة. أما المهن القريبة — مساعدو البحث القانوني، ومراجعو المستندات، ومحللو المحتوى — فسيؤثر فيها التحول بدرجة أكبر من المحامي نفسه، لأن جزءًا كبيرًا من عملهم هو قرارات محدودة متكررة، وهو تحديدًا ما يستهدفه المنتج. وتجدر الإشارة إلى أن هذا التوقع قراءة تحليلية لا وعد، فالأرقام المعلنة من Google تخص اختباراتها الداخلية ومجموعة اختباراتها المشتركة، وقد تختلف التجربة الواقعية.

ما ينبغي الانتباه له قبل الاعتماد عليه

الخصوصية والسرية المهنية. المشكلة ليست في المنتج وحده، بل في طبيعة ما يُمرَّر إليه. إرسال مستند عميل حقيقي أو تسجيل مكالمة أو ملف مطالبة إلى خدمة سحابية مسألة تستدعي مراجعة شروط المعالجة والموقع الجغرافي والاحتفاظ. ولا يذكر إعلان Google تفاصيل خاصة بمعالجة بيانات العملاء القانونيين، ولم يُعلن عن التزامات سرية مهنية، فلا يصح افتراضها.

الدقة والمعايرة. درجة الثقة من 0 إلى 1 أداة مفيدة، لكنها ليست ضمانًا. الفارق بين «احتمال 0.9» و«صحيح» فارق جوهري، والنموذج نفسه قد يكون واثقًا وخطئًا. لذلك فإن التصميم السليم يجعل لكل قرار حدًّا أدنى للثقة، وما دونه يذهب إلى مراجعة بشرية. وتقول Google إن النموذج يسجل أقل خطأ معايرة في اختباراتها، وهذا تصريح من الشركة عن اختباراتها، لا نتيجة مستقلة.

الملكية الفكرية وحدود الاستخدام. المدخلات التي تمررها قد تشمل مواد محمية أو بيانات شخصية. ولم يعلن المصدر شيئًا عن استخدام المدخلات في التدريب أو عن ملكية المخرجات في هذه الحالة تحديدًا، وهذه نقطة تُسأل قبل الاعتماد لا بعد التشغيل. ومن الحكمة البدء ببيانات مُنقّحة أو نماذج مستندات حتى تتضح الصورة. وهذا يتصل بما تناولناه في اتفاقية عدم الإفصاح: متى تطلبها ومتى تكون مبالغة.

حدود الاستخدام الوظيفية. المنتج مخصص لقرارات مغلقة الخيارات. سؤاله «هل هذا العقد عادل؟» لن يعطيك تحليلًا، بل احتمالًا. والفرق بين السؤالين يجب أن يستقر في ذهن من يستخدمه، وإلا تحولت الأداة إلى مصدر طمأنينة زائفة.

كيف تبدأ التجربة والخطوة التالية

بحسب إعلان Google، يمكن الحصول على مفتاح API من Google AI Studio والبدء اليوم، مع توثيق بلغات Python وJavaScript وREST. والشركة تتيح طبقة مجانية للاستخدام في AI Studio لأغراض النمذجة الأولية (prototyping)، وتقدم تطبيقات تجريبية بأسماء Doorstep Parcels وSpeed Sketch وFind the Zoo Keeper يمكن تجربتها لفهم شكل الاستخدام. ولم تعلن الشركة موعدًا محددًا لتوفر الدعم في Gemini داخل Google Cloud، بل قالت إنه «قادم قريبًا».

الخطوة العملية المقترحة للقارئ غير التقني: لا تبدأ بالكود. ابدأ بورقة. اكتب قرارًا واحدًا تتخذه أسبوعيًا بصيغة سؤال مغلق الجواب — نعم أو لا، أو اختيار من قائمة، أو درجة على معيار مرتب — ثم اختبره على عينة صغيرة من مادة فعلية بعد تنقيتها، وراقب نسبة الحالات التي انخفضت فيها الثقة. من هذه الورقة يُبنى أي شيء آخر. ومن يريد التفكير في الخطوة الأوسع، أي الانتقال من سؤال واحد إلى وكيل ينفذ مهامًا متسلسلة، فالمقالات المتاحة في الوكيل الذكي ووكيل ذكي لمكتب المحاماة: لماذا مهمة واحدة أفضل تصلح نقطة انطلاق.

المصادر

أسئلة شائعة

ما الفرق بين Gemini Decisions API والنماذج الحوارية العادية؟

بحسب إعلان Google، لا يولّد Gemini Decision 1 نصًا توكنًا بعد توكن، بل يقيّم خيارات محددة سلفًا في تمريرة واحدة ويعيد احتمالات ودرجات ثقة. النموذج الحواري مناسب للصياغة والشرح، أما هذا فأقرب إلى طبقة تحكم تختار وتوجّه وتصنّف. الفرق ليس في القوة بل في نوع المهمة وزمنها وتكلفتها.

هل يمكن استخدامه في المكتب القانوني دون خبرة برمجية؟

الوصول إليه يتطلب مفتاح API من Google AI Studio، وهذا يفترض قدرًا من الإعداد التقني أو مطوّرًا. لكن التصميم الفكري يمكن أن يقوم به القانوني نفسه: تحديد سؤال مغلق الجواب وقائمة خيارات ومعايير. وعلى المدى القريب، الأرجح أن تظهر أدوات وسيطة تتيح الاستخدام بلا كود.

هل الأرقام المعلنة عن التكلفة والسرعة مضمونة في الاستخدام الفعلي؟

الأرقام الواردة في الإعلان — 150-250 مللي ثانية و0.10 دولار لكل مليون توكن إدخال وصفر على الإخراج — تخص ما أعلنته Google عن اختباراتها وظروفها. ولم تعلن الشركة تفاصيل عن تباين الأداء في البيئات المختلفة. عمليًا ينبغي اختبارها على بياناتك الفعلية قبل بناء قرار تشغيلي عليها.

شارك المقالواتسابلينكدإنإكس

تريد أن تطبّق هذا على عملك أو على فريقك؟ أخبرني أين تقف الآن، وأردّ عليك بنفسي.

تواصل معي
عبدالرحمن سمير
كاتب المقالعبدالرحمن سمير

أساعد القانونيين وأصحاب الأعمال على توظيف الذكاء الاصطناعي في التسويق والعمل اليومي، وأبحث في الاقتصاد الإبداعي في رسالة الدكتوراه. أكتب هنا ما أطبّقه وأجرّبه بنفسي.

اقرأ أيضًا

كل المقالات ←