Gemini-Antworten mit der Google-Suche verknüpfen: Eine teure neue Funktion für Entwickler

Die hochmodernen Large Language Model (LLM)-APIs von OpenAI, Anthropic und Google liefern im Allgemeinen zufriedenstellende Antworten. Bei Anfragen zu aktuellen Ereignissen haben sie jedoch erhebliche Probleme. Diese Einschränkung ist auf ihr Trainingsset zurückzuführen, das einen bestimmten Wissens-Cut-off-Punkt hat. Um dieses Problem zu lösen, hat Google kürzlich eine innovative Funktion in Google AI Studio und der Gemini API vorgestellt , mit der Benutzer Antworten in Echtzeit-Google-Suchdaten integrieren können.

Die innovative Funktion „Grounding with Google Search“ ermöglicht es Entwicklern, aktuellere und präzisere Antworten aus den Gemini LLMs zu generieren. Ein herausragender Aspekt dieser Funktion ist, dass sie Grounding-Referenzen (Inline-Links zu Quellen) sowie Suchvorschläge enthält, die für die kontextbezogenen Antworten relevant sind.

Diese neue Funktion ist mit allen öffentlich verfügbaren Versionen der Gemini 1.5-Modelle kompatibel. Allerdings kostet sie 35 US-Dollar pro 1.000 geerdete Abfragen. Entwickler, die diese Funktion nutzen möchten, können in Google AI Studio zum Abschnitt „Tools“ navigieren oder das Tool „google_search_retrieval“ in der API aktivieren. Wie immer können Benutzer diese Grounding-Funktion kostenlos über Google AI Studio ausprobieren.

Google empfiehlt Entwicklern, diese Funktion in mehreren wichtigen Szenarien zu nutzen:

• Minimierte Halluzinationen: Die Erdung trägt zur Bereitstellung genauerer Informationen bei und verbessert die Zuverlässigkeit der KI-Ausgaben.
• Zugriff auf aktuelle Informationen: Durch die Erdung können Modelle Echtzeitdaten abrufen und so sicherstellen, dass KI-Reaktionen für ein breiteres Spektrum von Kontexten relevant bleiben.
• Höhere Vertrauenswürdigkeit und Herausgeberverkehr: Durch die Einbindung von Quellenlinks fördert Grounding die Transparenz in KI-Anwendungen und ermutigt Benutzer, die referenzierten Inhalte zu untersuchen, um weitere Erkenntnisse zu gewinnen.
• Umfassendere Daten: Durch die Nutzung von Informationen aus der Google-Suche kann Grounding die Antworten mit zusätzlichem Kontext und Details anreichern.

Wenn diese Funktion aktiviert ist und eine Benutzerabfrage eingeht, greift die API des Gemini-Modells auf die Suchmaschine von Google zu, um die aktuellsten für die Abfrage relevanten Informationen abzurufen. Diese werden dann vom Gemini-Modell verarbeitet, um eine genauere und aktuellere Antwort zu liefern.

Quelle

Bildnachweis: Neowin.net