AI News

Google 发布多模态决策模型 Gemini Decision 1 及 Gemini Decisions API

gihyo.jp更新于 11月12日 18:34

Google、新しい意思決定モデル「Gemini Decision 1」を搭載、最大1,000問を一度に高速判定する「Gemini Decisions API」を発表 | gihyo.jp

AI 导读

Google 于 2026 年 11 月 11 日发布多模态决策模型 Gemini Decision 1,并推出可通过 Google AI Studio 使用的 Gemini Decisions API。该 API 支持最多 256K token 的多模态输入和最多 1,000 个独立问题,单次请求 1 至 100 个问题时延迟基本恒定,模型计算延迟中位数为 50 至 100 毫秒。定价为输入每百万 token 0.10 美元,输出 token 不计费;在 9 项基准中 7 项领先,校准误差小于 Gemini 3.5 Flash-Lite 等对比方案。

推荐理由

AI 评分 75

原文给出延迟、定价和校准误差等具体指标,读者可据此判断这类决策模型适合放在哪些流程里。

主题

标签

正文

Googleは2026年11月11日、精度が高く高速なマルチモーダル意思決定モデル「Gemini Decision 1」と、これをGoogle AI Studioを通じて利用できる新しいAPI「Gemini Decisions API」を発表した。

Gemini Decisions API: Fast, calibrated multimodal decisions

Check out the API docs to learn more about getting started! https://t.co/T0Zylzg6xf— Logan Kilpatrick (@OfficialLoganK) November 11, 2026

Gemini Decision 1は「TypeSafe Jev」等に似た意思決定に特化されたマルチモーダルモデル。トークンごとに回答を生成せずにオプションを評価する。同社の測定では、最大16Kトークンまでのマルチモーダル入力・コンテキストでモデル計算のレイテンシの中央値は50~100ミリ秒、エンドツーエンドでは150~250ミリ秒だった。また、1リクエストあたりの質問数が1~100個の範囲では、レイテンシがほぼ一定だったという。

これを利用したGemini Decisions APIではテキスト、画像、音声、動画、PDFを含む最大256Kトークンのマルチモーダル入力1つと、この入力に関する最大1,000個の独立した質問を渡すことができる。Gemini Decision 1はテキスト、画像、音声、動画、PDFを単一のフォワードパスで直接処理できるほか、通話録音とアカウントのメタデータ、PDFからスキャンした保険請求内容と損害写真など、複数のモダリティを1つの共有入力に組み合わせることも可能。

同社の行ったエージェントのルーティング、推論、ランキング、マルチモーダル理解といったベンチマークでは、Gemini Decision 1とGemini Decisions APIの組み合わせで予測確率と実際の正答率のずれを表すキャリブレーション誤差がInteractions APIを使用したGemini 3.5 Flash-LiteやTypeSafe Jev 1.14等と比較して最も小さい等、9つのベンチマーク中7つでトップの性能を記録したとのこと。

Gemini Decisions APIの料金は入力100万トークンあたり0.10ドル、出力トークンについては課金されない。

Gemini Decisions APIでは以下の3種類の質問を組み合わせてチェックできる。

yes/no判定(noul) 指定した条件が成り立つ確率を推定し返す。オプションで真偽の説明基準を指定可能。 複数からの選択(choice) 2~255種の選択肢から選んだ結果と、各候補の確率を正規化して返す。 段階評価(score) 順序を付けた評価基準(Rubric)に沿って採点し、連続値のスコアと各段階の確率を返す。

これらの結果として確率とともに「信頼度スコア」が出力される。信頼度スコア(0~1)はモデルが「最上位の回答が正しい」と見積もる確率を表し、コードで曖昧なケースを代替処理に回したり人間のレビュー担当者に確認させることができる。

Gemini Decisions APIの利用例:カウンターの写真と状況を説明するテキストを共通の入力とし、「液体がこぼれているか」「どの清掃方法が適切か」「汚れの程度はどれくらいか」を同時に評価できる。各質問は共通入力を独立して評価し、ほかの質問や回答を参照しない。結果を組み合わせて次に何をするかは、アプリケーション側のコードによって決定する。

Gemini Decision 1、およびGemini Decisions APIの詳しい利用法についてはそれぞれのドキュメントを参照。

来源

gihyo.jp