Simon Willison's Weblog 2 วันที่แล้ว video_ai AI Generated

กูเกิลกระโดดลงสนามโมเดลตัดสินใจด้วย Gemini Decision 1 พร้อมรับมือทุกมีเดีย

เกี่ยวกับ Google / DeepMind
Simon Willison's Weblog 12 Nov 2026
105
0
100
7 18m



อัปเดต
AI


กูเกิลกระโดดลงสนามโมเดลตัดสินใจด้วย Gemini Decision 1 พร้อมรับมือทุกมีเดีย



เมื่อการตอบใช่หรือไม่ใช่ไม่ได้มีแค่เลขศูนย์กับหนึ่งอีกต่อไป แต่มาพร้อมความน่าจะเป็นที่ละเอียดยิบ




ทีมข่าว เอไอไทย.com
⏱ อ่าน 3 นาที



สนามแข่งโมเดลตัดสินใจเริ่มเดือดขึ้นเรื่อยๆ เมื่อกูเกิลปล่อยของใหม่ที่ไม่ได้กินแค่ตัวหนังสืออย่างเคย




การแข่งขันในตลาดปัญญาประดิษฐ์ช่วงนี้มันไหลลื่นไปไวมาก ล่าสุดกูเกิลขอแจมวงการโมเดลสำหรับตัดสินใจด้วยคน ปล่อย API ตัวใหม่ในชื่อ Gemini Decision 1 ลงมาชนกับเจ้าอื่นในตลาดแบบเต็มตัว จุดที่น่าสนใจคือหน้าตาและฟังก์ชันการใช้งานมันแทบจะถอดแบบมาจากเจ้าเก่าอย่าง Jev แบบเป๊ะๆ ไม่ว่าจะเป็นการรองรับคำถามสามประเภทหลัก คือคำถามใช่หรือไม่ใช่ คำถามแบบให้เลือกตอบ และการให้คะแนนตามเกณฑ์



แถมพวกเขายังหยิบเอาคำว่า Noul ที่ Jev เคยใช้เรียกคำถามแนวใช่หรือไม่ใช่มาใช้ต่อแบบหน้าตาเฉย เรียกว่าไม่ต้องปรับตัวอะไรกันเยอะถ้าใครเคยลองเล่นฝั่งโน้นมาก่อน ราคาก็เคาะออกมาชนกับ GPT-6 Luna แบบพอดิบพอดีที่สิบเซนต์ต่อหนึ่งล้านอินพุตโทเค็น แถมใจดีให้เอาท์พุตมาแบบฟรีๆ แต่ถ้ามองเรื่องความประหยัดสุดๆ เจ้าเดิมอย่าง Jev ก็ยังยืนหนึ่งที่ราคา 4.2 เซนต์ต่อล้านโทเค็นเหมือนเดิม



ความสามารถรอบด้าน


ถ้ามองลึกลงไปในเรื่องความสามารถในการรับข้อมูล ฝั่ง Jev นั้นจำกัดตัวเองอยู่แค่ข้อความและ JSON เท่านั้น ขยับมาที่ฝั่งโอเพ่นเอไอจะเก่งขึ้นมาหน่อยตรงที่รับได้ทั้งข้อความและรูปภาพ แต่พอมาถึงตาของ Gemini Decision 1 กูเกิลจัดเต็มให้แบบมัลติมีเดียแท้ๆ คือกินรวบตั้งแต่ข้อความ รูปภาพ เสียง วิดีโอ ยาวไปจนถึงไฟล์ PDF แบบครบเครื่องในตัวเดียว



เรื่องนี้ทำให้การทดสอบอะไรแปลกๆ เริ่มสนุกขึ้น มีคนลองเอาเจ้าโมเดลตัวนี้ไปเทสกับไฟล์วิดีโอหุ่นยนต์เดินเล่น พร้อมกับยิงคำถามวัดใจสี่ข้อรวดว่า ในวิดีโอนี้มีมังกรไหม มีหุ่นยนต์ไหม ถ่ายทำที่ฝรั่งเศสหรือเปล่า หรือว่าอยู่ที่สหรัฐอเมริกา



ผลลัพธ์ที่ได้นี่แหละที่สะท้อนคาแรคเตอร์ของโมเดลออกมาได้ชัดเจน เพราะปกติถ้าเป็น Jev หรือฝั่งโอเพ่นเอไอ เวลาเจอคำถามใช่หรือไม่ใช่ พวกเขาจะฟันธงตอบออกมาเลยแบบมั่นใจสุดโต่งคือ 1.0 หรือ 0.0 ไปเลย แต่ Gemini ดันมีความลังเลและถ่อมตัวกว่านั้นเยอะในแบบที่น่าสนใจ




ประเภทคำถามที่รองรับ

รองรับคำถาม 3 รูปแบบ ได้แก่ คำถามใช่หรือไม่ใช่ คำถามแบบให้เลือกตอบ และการให้คะแนนตามเกณฑ์



ความสามารถมัลติมีเดีย

รองรับการประมวลผลข้อมูลหลากหลายรูปแบบ ทั้งข้อความ รูปภาพ เสียง วิดีโอ และไฟล์เอกสาร PDF



โครงสร้างราคา

คิดค่าบริการอินพุต 10 เซนต์ต่อหนึ่งล้านโทเค็น และเปิดให้ใช้งานส่วนเอาท์พุตได้ฟรี


แทนที่จะตอบฟันธงลงไปตรงๆ โมเดลของกูเกิลเลือกที่จะพ่นตัวเลขความน่าจะเป็นออกมาแทน เช่น คำถามเรื่องหุ่นยนต์มันซัดความมั่นใจมาที่ประมาณ 0.92 แต่พอมันถามเรื่องมังกร มันก็ไม่ได้ตอบศูนย์สนิทแต่ให้ค่าความน่าจะเป็นมาจิ๋วเดียวที่ประมาณ 0.04 กว่าๆ ซึ่งมันสะท้อนว่าระบบคิดคำนวณความน่าจะเป็นออกมาเป็นสัดส่วนจริงๆ ไม่ใช่แค่การเดาสุ่มผ่านๆ



อันนี้คือจุดเปลี่ยนที่ทำให้เห็นว่าทิศทางของโมเดลตัดสินใจกำลังขยับจากการตอบแบบหุ่นยนต์แข็งทื่อ ไปสู่การให้ข้อมูลเชิงสถิติที่ละเอียดอ่อนขึ้น ซึ่งน่าจะตอบโจทย์งานประเภทที่ต้องใช้ความยืดหยุ่นและการประเมินน้ำหนักความน่าจะเป็นมากกว่าแค่การตอบว่าใช่หรือไมน่่



💡

การกระโดดลงมาเล่นตลาดโมเดลตัดสินใจของกูเกิลด้วยความสามารถที่รับได้ทุกมีเดีย พร้อมการตอบแบบบอกเปอร์เซ็นต์ความมั่นใจ น่าจะทำให้งานวิเคราะห์ข้อมูลที่มีความซับซ้อนสูงมีลูกเล่นให้ใช้เยอะขึ้นอีกโข



ที่มา: Simon Willison's Weblog — อ่านต้นฉบับ


#artificial-intelligence #google-gemini #machine-learning

🔗 อ่านต่อ · สินค้าและคำถามที่เกี่ยวข้อง

สินค้ามาแรงตอนนี้

คนขายของถามบ่อย

ติดตามเอไอไทยได้ทุกช่องทาง
เพจ เอไอไทยกลุ่ม Claude ชุมชน Ai ThailandYouTube เอไอไทยTikTok เอไอไทยIG เอไอไทยThreads เอไอไทยX เอไอไทย

ความคิดเห็น 0

กำลังโหลดความคิดเห็น...