Bevezetésként a műsorvezető ismerteti, hogy a Google új, Gemini Decision 1 nevű modellje milyen funkcionalitásokkal bír, és hogy mennyiben tér el a korábbi döntésautomatizálási megoldásoktól. Bemutatja, hogy a modell multimodális, tehát képes szöveget, képet, hangot, videót vagy PDF-et befogadni, és ezek alapján döntést hozni százalékos magabiztossággal.
Több, egymástól eltérő feladatra tesztelik a modellt: képelemzésnél például egy családi jelenetből kellene eldönteni, ki lehet valakinek a felesége, vagy éppen ügyfélszolgálati folyamatokat szimulálnak, ahol ügyféltámogatási jegyeket kategorizálnak vagy adatvédelmi döntést kell hozni.
Az egyik érdekes kérdés, hogy hogyan teljesít a rendszer hangfelvétel elemzésekor, képes-e helyesen következtetni érzelmekre. Emellett vizsgálják a modell teljesítményét videó- és PDF-elemzésre is, illetve, hogy mennyire pontosan ismeri fel a multimodális adatokban rejlő információkat vagy trükkös, manipulációs próbálkozásokat.
Az összehasonlító tesztekben szóba kerül, mennyire megbízhatók a magabiztossági mutatók, hogyan helyezkedik el a Gemini Decision 1 a versenytársakhoz képest ár, gyorsaság és pontosság szempontjából, illetve, hogy bizonyos részfeladatokban – például az érzelemfelismerés vagy az AI által generált tartalom azonosítása – kihívások elé állítja a rendszert.
