Googles beslutsmodell poängsätter upp till 1 000 frågor åt gången utan att generera text
Skriven av AI
Gemini Decision 1 skriver inget svar utan ger sannolikheter för alternativ som utvecklaren definierar. Priset är 0,10 $ per miljon indatatoken. I Googles egna jämförelser var modellen bäst i de flesta benchmarkar, men Jev från TypeSafe AI var billigare.
Den 11 november presenterade Google på sin blogg ett API som väljer svaret bland färdiga alternativ. Gemini Decisions API använder den nya modellen Gemini Decision 1. Som exempel på användningsområden nämner Google val av modell, val av verktyg för en AI-agent och regelkontroller.
En vanlig språkmodell genererar svaret ett token i taget. Gemini Decision 1 poängsätter utvecklarens alternativ i en enda körning och returnerar sannolikheter för dem. Varje svar har ett konfidensvärde mellan 0 och 1, så programmet kan styra osäkra fall till ett reservsystem eller en människa.
En förfrågan rymmer en enda indatamängd på högst 256 000 token och högst 1 000 frågor. Indata kan bestå av text, bilder, ljud, video och PDF-filer. Frågorna är av typen ja/nej (noul), flerval med 2–255 alternativ eller bedömning på en ordinalskala.
Medianfördröjningen är 150–250 millisekunder när indata är högst 16 000 token, uppger Google. Enligt företaget är tiden nästan oförändrad när antalet frågor är 1–100.
Minst kalibreringsfel i Googles jämförelse
Google jämförde modellen med tidigare publicerade beslutsmodeller, Jev 1.14 från TypeSafe AI och GPT-6 Luna från OpenAI, samt med sin egen Gemini 3.5 Flash-Lite. I Googles tabell, som MarkTechPost citerar, är Gemini Decision 1 bäst i sju av nio benchmarkar för träffsäkerhet. I två av dem (ljud och video) var bara Flash-Lite med. Modellen har minst kalibreringsfel. Måttet visar hur mycket modellens angivna säkerhet avviker från dess faktiska träffsäkerhet.
| Benchmark | Gemini Decision 1 | Jev 1.14 | GPT-6 Luna | Gemini 3.5 Flash-Lite |
|---|---|---|---|---|
| JevBench (offentlig del) | 92,2 % | 90,0 % | 90,9 % | 86,6 % |
| Mind2Web Multimodal | 86,2 % | 86,8 % | 81,8 % | 78,0 % |
| When2Call | 79,9 % | 82,0 % | 70,4 % | 60,9 % |
| Kalibreringsfel, Top-1 ECE (lägre är bättre) | 0,0250 | 0,0494 | 0,0721 | 0,2104 |
| Pris, 7 gemensamma benchmarkar | 0,88 $ | 0,68 $ | 0,93 $ | 4,14 $ |
Källa: Googles tabell enligt MarkTechPost. Vägranden och säkerhetsspärrar har räknats som felaktiga svar.
Siffrorna kommer från Google och gäller benchmarkar som företaget valt. I de gemensamma benchmarkarna var Jev billigast. Googles påstående om en nästan fem gånger billigare modell gäller jämförelsen med Flash-Lite.
Bloggaren Simon Willison testade modellen på en egen video. Enligt Willison returnerar Jev och OpenAI 1,0 eller 0,0 på ja/nej-frågor, medan Gemini till exempel gav ungefär 0,92 på frågan om det förekom en robot. Dokumentationen begränsar ja-sannolikheten till mellan 0,01 och 0,99, skriver MarkTechPost.
Pris och tillgång
Utdatatoken debiteras inte. Gemensam indata debiteras en gång per förfrågan, och varje fråga lägger bara till sina egna instruktions- och kriterietoken. Enligt MarkTechPost finns ännu ingen cache eller batchkörning, så upprepad indata betalas varje gång. Jev kostar 0,042 dollar per miljon indatatoken.
Modellen kan inte laddas ned till en egen dator, uppger MarkTechPost. Den används via Googles Gemini API (v1beta, google-genai SDK 3.2 eller senare), och i Google AI Studio kan den provas gratis. Stöd är på väg till OpenRouter, LangChain och andra tjänster, och enligt företaget snart till Google Cloud.