Gemini Decisions API: gyors, kalibrált döntések a Google-tól

Mit jelentett be a Google?

A Google november 11-én mutatta be a Gemini Decisions API-t. Ez egy új endpoint zárt válaszú döntésekre, amely az új Gemini Decision 1 modellen (gemini-decision-1) fut. A Gemini API-n keresztül érhető el a Google AI Studióban (Google blog).

A Google tool választásra, policy ellenőrzésre, model routingra, illetve a kontextus értékelésére szánja. Egy kérésben egy multimodális bemenet adható meg legfeljebb 256K tokenig, mellé pedig akár 1000 egymástól független kérdés. A modell nem tokenenként generál választ, hanem egyetlen forward passban pontozza a megadott opciókat, majd valószínűséget és confidence értéket ad vissza.

Három kérdéstípus egy kérésben

• Igen/nem: annak valószínűsége, hogy egy feltétel teljesül, opcionálisan megadható kritériumokkal.
• Feleletválasztás: 2 és 255 közötti opcióból választ, minden opcióhoz normalizált valószínűséggel.
• Rubrika szerinti pontozás: egy sorba rendezett, 0-tól induló skálán folytonos súlyozott pontszámot és szintenkénti valószínűséget ad.

Minden válasz mellé 0 és 1 közötti confidence érték jár, így a kód a bizonytalan eseteket fallbackre vagy emberi ellenőrzésre küldheti. A bemenet több modalitást is kombinálhat, például egy hívásfelvételt a fiók metaadataival, vagy egy szkennelt PDF kárbejelentést a kárról készült fotókkal.

Mit mutatnak a számok?

A Google szerint a modell compute ideje medián 50-100 ms, a teljes válaszidő 150-250 ms legfeljebb 16K tokenes multimodális bemeneteknél. Ez 1 és 100 kérdés között kérésenként szinte nem változik. A cég saját benchmarkcsomagján a Gemini Decision 1 vezet agent routingban, reasoningben, rangsorolásban és multimodális megértésben, a legalacsonyabb kalibrációs hibával.

Forrás: Google. A Gemini Decision 1 a TypeSafe Jev 1.14, a GPT-6 Luna (OpenAI Decisions API) és a Gemini 3.5 Flash-Lite ellen, Top-1 pontosság, ha nincs más jelölve.

A táblázatban a JevBenchen 92,2%-ot ér el (GPT-6 Luna: 90,9%, Jev 1.14: 90,0%), a Top-1 ECE kalibrációs hibája 0,0250 (GPT-6 Luna: 0,0721). Nem mindenhol első: a Mind2Web Multimodalon és a When2Callon a Jev 1.14 jobb. A hét közös teszt teljes ára is a Jevnél a legalacsonyabb, 0,68 dollár, a Gemini Decision 1-nél 0,88 dollár. A Google szerint a közös csomagon közel ötször olcsóbb, mint a Gemini 3.5 Flash-Lite az Interactions API-n. Ezek a Google saját mérései.

Mennyibe kerül?

Az ár 1M input tokenenként 0,10 dollár, output tokenért nem kell fizetni. A közös bemenetet kérésenként egyszer számlázzák, akárhány kérdés fut rajta, a kérdések csak a saját utasítás- és kritériumtokenjeiket adják hozzá. Nincs külön díj thinking tokenre, hangátírásra vagy OCR-re. Prototipizáláshoz ingyenes szint is van a Google AI Studióban.

Hol használja már a Google?

• Gemini Notebook: valós idejű routerként választja ki a modellszintet és a gondolkodási szintet. A Google szerint a hétköznapi kérdéseknél így akár 40%-kal kisebb a késleltetés.
• Stitch: a rapid canvas kísérlet másodpercek alatt készít kipróbálható wireframe-eket egy termékfolyamatról, illetve szinte azonnal alkalmazza a hanggal vagy érintéssel kért módosításokat.
• CC (Google Labs): több mint 200 emoji közül választja ki a megfelelő reakciót a másodperc törtrésze alatt.
• Google Search: biztonsági rétegként szűri az ártó viselkedést és tartalmat az MCP tooloknál.

Integrációk érkeznek az OpenRouterbe, a LangChainbe, a Vercelbe, a LiteLLM-be, a Pydantic AI-ba, a Pipecatbe, a LiveKitbe és az OpenCode-ba a google-genai SDK-k mellé. A Google Cloudban futó Gemini támogatása a cég szerint hamarosan jön.

Miért fontos?

Ez a Google válasza az OpenAI Decisions API-ra, amely október 22-én lett általánosan elérhető a GPT-6 Lunával. A nyílt oldalon is sorra jönnek a döntési modellek, például a d3-ultra, a joey-1, a Drex Max v1 és a Sarvam Prism.

Aki agentet épít, annak a routing, a tool választás és a guardrail ellenőrzés így gyors, olcsó külön hívás lehet, nem kell rá generatív modellt vagy saját klasszifikátort futtatni. A közölt számok mind a Google-tól származnak, ezért érdemes a saját adatokon is lemérni, mielőtt valaki átáll.