Google, Gemini API'in belge işleme yeteneklerini Microsoft Office ve OpenDocument dosyaları için yerel destekle genişletti ve ayrıca bir modelin yalnızca dosyanın işlemesi gereken bölümlerini seçmeye yönelik kontroller sağladı.
Uygulamalar, Word belgelerini, PowerPoint sunumlarını, Excel çalışma kitaplarını ve OpenDocument dosyalarını, önce desteklenen başka bir biçime dönüştürmeden gönderebilir. Ayrıca belge sayfalarını, çalışma sayfası sekmelerini, hücre aralıklarını, ses veya video aralıklarını ve belirli içerik katmanlarını da hedefleyebilirler. Google, müşterilerin yalnızca seçilen içerik için işlem yaptığını ve ödeme yaptığını söylüyor.
Kombinasyon, temel dosya biçimi desteğinden daha önemlidir. Dosya seçimini çıkarım isteğinin ve faturalandırma semantiğinin bir parçası haline getirerek bir modele gönderilen alakasız malzeme miktarını potansiyel olarak azaltır. Ayrıca, sağlayıcılar arasında tutarlı bir arayüz sunmaya çalışan ağ geçitleri için yeni bir uyumluluk sorunu yaratır.
Dosya dönüştürme artık her zaman gerekli değildir
Belge uygulamaları, içeriklerini bir modele göndermeden önce metni ayıklamak, sayfaları oluşturmak veya dosyaları normalleştirmek için genellikle dönüştürme hizmetlerini kullanır. Yerel Office desteği, özellikle raporlar, sunumlar ve e-tablolar etrafında oluşturulan iş akışları için bu adımlardan bazılarını Gemini tabanlı ardışık düzenlerden kaldırabilir.
Bu, besleme sistemlerini basitleştirebilir ve bir belgenin orijinal yapısını daha fazla koruyabilir. Örneğin bir mali asistan, bir çalışma kitabının tamamını çıkarıp iletmek yerine Gemini'yı belirli bir çalışma sayfasına veya hücre aralığına yönlendirebilir. Bir sunum iş akışı bir slayt grubunu seçebilirken, bir medya uygulaması ilgili ses veya video aralığını izole edebilir.
Dilimleme hem kullanıcı istemlerinde hem de dosya taşıyan işlev yanıtlarında kullanılabilir. İkincisi aracılar için önemlidir: Bir araç, uygulamayı her araç sonucu için ayrı bir türev dosyası oluşturmaya zorlamak yerine, model tarafından dikkate alınması gereken kısmı tanımlarken bir dosya döndürebilir.
Pratik kazanımlar farklılık gösterecektir. Karmaşık formüller, yerleşik nesneler ve olağandışı Office düzenleri, dosyalar arasında tutarlı bir şekilde davranmayabilir ve araştırma paketi evrensel belirteç veya gecikme azaltmaları sağlamaz. Ekiplerin mevcut dönüştürme ve doğrulama aşamalarını kaldırmadan önce temsili testlere ihtiyacı olacaktır.
Seçilen içerik, faturalandırma sınırı haline gelir
Google'in müşterilerin yalnızca seçilen içerik için ödeme yaptığı açıklaması, tüm dosya işlemeye göre daha ayrıntılı bir maliyet sınırı sunar. Bir görev yalnızca dar bir bölümle ilgili olduğunda uygulamalar, potansiyel olarak yüzlerce alakasız sayfayı veya kullanılmayan e-tablo sekmesini incelemek için ödeme yapmaktan kaçınabilir.
Geliştiriciler yine de seçiciyi garantili bir maliyet tahmini olarak ele almaktan kaçınmalıdır. Nihai jeton sayısı ve işlem süresi, dosya yapısına, seçilen dilime ve modelin bu malzemeyi nasıl temsil ettiğine bağlı olabilir. Maliyetlerin daha sonra açıklanabilmesi için kullanım kayıtları hem orijinal dosya referansını hem de tam seçim parametrelerini korumalıdır.
Bu özellikle müşterilere kullanım dökümü gösteren bayiler ve yazılım platformları için geçerlidir. Defterlerinin, yüklenen bir dosyanın boyutunu çıkarım için gönderilen kısımdan ayırması gerekebilir. Bu ayrım olmadan, bir fatura, kullanıcının görebildiği belgeyle tutarsız görünebilir veya maliyet anlaşmazlıklarının araştırılmasını zorlaştırabilir.
OpenAI uyumluluğu her seçiciyi kapsamaz
Sayfa, çalışma sayfası, hücre aralığı, medya aralığı ve içerik katmanı seçicileri, geleneksel OpenAI uyumlu bir dosya girişiyle düzgün bir şekilde eşlenmez.Bu nedenle, ekipler için çok modelli API bir ağ geçidinin çeşitli seçenekleri vardır: Gemini'e özgü uzantıları açığa çıkarmak, seçicilerin taşınabilir bir alt kümesini çevirmek veya uygulamaların eşdeğer kontrollere sahip olmayan sağlayıcıları kullanmadan önce dosyaları ön işlemesini gerektirmek.
Desteklenmeyen seçicileri sessizce silmek riskli olabilir. Bu, sağlayıcının belgenin tamamını işlemesine, hem cevabı hem de faturayı değiştirmesine neden olabilir. Ağ geçitleri istekleri doğrulamalı, desteklenmeyen seçim türlerini tanımlamalı ve sonuçta yukarı yönde gönderilen normalleştirilmiş isteği kaydetmelidir.
Aynı sorun yönlendirmeyi de etkiler. İki model, maddi olarak farklı dosya türlerini, seçim kontrollerini ve faturalandırma kurallarını desteklerken belge girişinin reklamını yapabilir. Geliştirici ekipleri için AI API kontrol düzlemi, "dosya girişini" tek bir değiştirilebilir özellik olarak ele almak yerine bu yetenekleri açıkça temsil etmelidir.
Geliştiricilerin kontrol etmesi gerekenler
Gemini kullanan ekipler, formüller, yerleşik medya ve karmaşık düzenler içeren dosyalar da dahil olmak üzere temsili Word, PowerPoint, Excel ve OpenDocument dosyalarını test etmelidir. Günlüklerdeki seçici meta verilerini korurken tam dosya ve dilimlenmiş istekleri yanıt kalitesi, kullanım ve gecikme açısından karşılaştırmaları gerekir.
Ağ geçidi operatörlerinin ek işleri vardır: yeni kontroller için bir şema tanımlamak, desteklenmeyen sağlayıcılar arası rotaları reddetmek ve hangi içeriğin seçildiğini göstermek için müşteriye yönelik ölçümü güncellemek. Sürüm, dönüştürme işini ve gereksiz işlemleri azaltabilir, ancak bu yalnızca yeni istek ve faturalandırma anlambiliminin uygulama ile Gemini.
arasındaki her katmanda geçerli olması durumunda mümkündür.