Google ha ampliat les capacitats de processament de documents de Gemini API amb suport natiu per a fitxers de Microsoft Office i OpenDocument, a més de controls per seleccionar només les parts d'un fitxer que ha de processar un model.
Les aplicacions poden enviar documents de Word, presentacions de PowerPoint, llibres d'Excel i fitxers d'OpenDocument sense haver de convertir-los en un altre format. També poden orientar pàgines de documents, pestanyes de fulls de treball, intervals de cel·les, intervals d'àudio o vídeo i capes de contingut específiques. Google diu que els clients processen i paguen només pel contingut seleccionat.
La combinació és més important que el suport bàsic de format de fitxer. Converteix la selecció de fitxers en part de la sol·licitud d'inferència i la seva semàntica de facturació, reduint potencialment la quantitat de material irrellevant enviat a un model. També crea un nou repte de compatibilitat per a passarel·les que intenten presentar una interfície coherent entre els proveïdors.
La conversió de fitxers ja no és necessària
Les aplicacions de documents solen utilitzar serveis de conversió per extreure text, representar pàgines o normalitzar fitxers abans d'enviar el seu contingut a un model. L'assistència de Native Office pot eliminar alguns d'aquests passos dels canalitzacions basades en Gemini, especialment per als fluxos de treball creats al voltant d'informes, presentacions i fulls de càlcul.
Això podria simplificar els sistemes d'ingestió i preservar més l'estructura original d'un document. Un assistent financer, per exemple, podria dirigir Gemini a un full de treball o un rang de cel·les concrets en lloc d'extreure i transmetre un llibre de treball sencer. Un flux de treball de presentació podria seleccionar un grup de diapositives, mentre que una aplicació multimèdia podria aïllar un interval d'àudio o de vídeo rellevant.
El tall està disponible tant a les indicacions de l'usuari com a les respostes de la funció que contenen fitxers. Això últim és important per als agents: una eina pot retornar un fitxer mentre identifica la part que hauria de tenir en compte el model, en lloc d'obligar l'aplicació a crear un fitxer derivat separat per a cada resultat de l'eina.
Els beneficis pràctics variaran. És possible que les fórmules complexes, els objectes incrustats i els dissenys d'Office inusuals no es comporten de manera coherent entre els fitxers, i el paquet d'investigació no estableix reduccions de testimoni o latència universals. Els equips necessitaran proves representatives abans d'eliminar les etapes de conversió i validació existents.
El contingut seleccionat es converteix en un límit de facturació
Google La declaració de que els clients paguen només pel contingut seleccionat introdueix un límit de costos més granular que el processament de fitxers sencers. Les aplicacions poden evitar pagar per inspeccionar centenars de pàgines irrellevants o pestanyes de full de càlcul no utilitzades quan una tasca només es refereix a una secció reduïda.
Els desenvolupadors encara haurien d'evitar tractar un selector com una estimació de cost garantida. El recompte eventual de fitxes i el temps de processament poden dependre de l'estructura del fitxer, la porció seleccionada i com el model representa aquest material. Els registres d'ús haurien de conservar tant la referència del fitxer original com els paràmetres de selecció exactes perquè els costos es puguin explicar més endavant.
Això és especialment rellevant per als distribuïdors i les plataformes de programari que mostren als clients un desglossament d'ús. És possible que els seus llibres majors hagin de distingir la mida d'un fitxer penjat de la part enviada per inferència. Sense aquesta distinció, una factura podria semblar incoherent amb el document visible per l'usuari o dificultar la investigació de les disputes de costos.
OpenAI La compatibilitat no cobreix tots els selectors
Els selectors de pàgines, fulls de treball, rang de cel·les, intervals multimèdia i capa de contingut no s'assignen perfectament a un fitxer d'entrada convencional OpenAI compatible.Per tant, una passarel·la multimodel API per a equips té diverses opcions: exposar extensions específiques de Gemini, traduir un subconjunt portàtil de selectors o requerir que les aplicacions preprocessin fitxers abans d'utilitzar proveïdors que no tinguin controls equivalents.
Descartar en silenci els selectors no compatibles seria arriscat. Podria fer que un proveïdor processés un document sencer, canviant tant la resposta com la factura. Les passarel·les haurien de validar les sol·licituds, identificar els tipus de selecció no compatibles i registrar la sol·licitud normalitzada que finalment s'ha enviat aigües amunt.
El mateix problema afecta l'encaminament. Dos models poden anunciar l'entrada de documents alhora que admeten tipus de fitxers, controls de selecció i regles de facturació molt diferents. Un pla de control AI API per als equips de desenvolupadors hauria de representar aquestes capacitats de manera explícita en lloc de tractar l'"entrada de fitxers" com una única característica intercanviable.
Què haurien de comprovar els desenvolupadors
Els equips que utilitzin Gemini haurien de provar fitxers representatius de Word, PowerPoint, Excel i fitxers multimèdia incrustats amb complexos de fórmules d'OpenDocument. Han de comparar les sol·licituds de fitxer sencer i fragmentades per a la qualitat de la resposta, l'ús i la latència, alhora que conserven les metadades del selector als registres.
Els operadors de passarel·les tenen feina addicional: definir un esquema per als nous controls, rebutjar rutes entre proveïdors no compatibles i actualitzar la mesura orientada al client per mostrar quin contingut s'ha seleccionat. El llançament pot reduir el treball de conversió i el processament innecessari, però només quan aquestes noves sol·licituds i la semàntica de facturació sobreviuen a cada capa entre l'aplicació i Gemini.