Google、高速で較正された多モーダル判断の Gemini Decisions API を発表

Google、高速で較正された多モーダル判断のための Gemini Decisions API を発表

Google は新しいエンドポイント「Gemini Decisions API」を公開しました。新モデル Gemini Decision 1（モデルID: gemini-decision-1）が処理を担い、Gemini API と Google AI Studio から利用できます。公式ブログの著者は、Google DeepMind のプロダクトマネージャー Min Choi 氏と、プリンシパルサイエンティストの Felix Yu 氏です。この API は文章を生成しません。どのツールを呼ぶか、ポリシーに違反していないか、どのモデルに回すか、取得した文脈が質問に合っているかといった、選択肢が閉じた問いに答えます。

何をする API か

Google はこの対象を「範囲の決まった選択」と呼び、ツール選択、ポリシー確認、モデルのルーティング、文脈の採点を例に挙げています。従来は生成モデルに答えを書かせ、そのテキストをコードで解析するのが一般的でした。Decisions API は発想が違います。Gemini Decision 1 はトークンを一つずつ復号せず、一回の順伝播で候補の選択肢にスコアを付け、確率と信頼度を返します。Google によれば、エンドツーエンドの遅延は 150〜250 ミリ秒で、モデルの計算時間の中央値は 50〜100 ミリ秒です。

一回のリクエストには、テキスト、画像、音声、動画、PDF を組み合わせた一つの入力を最大 256K トークンまで渡せます。その共有入力に対して、互いに独立した質問を最大 1,000 件まで付けられます。入力フィールドは Interactions API と同じ Content ブロック形式なので、すでに使っている開発者は戸惑いにくいでしょう。

三種類の質問

どの回答にも 0 から 1 までの信頼度スコアが付きます。コード側でこの値を使い、判断が曖昧なケースを代替処理や人間のレビューに回せます。

一つ目は noul で、はい/いいえの確認です。条件が成り立つ確率を推定し、真と偽の説明を任意で添えられます。二つ目は choice で、2〜255 個の選択肢から勝者を選び、全候補の正規化された確率を返します。三つ目は score で、レベル 0 から始まる順序付きのルーブリックです。連続的な加重スコアと各レベルの確率を返します。

Google の Python 例では、休憩室のカウンターの写真と短いテキストメモを同じ入力に入れ、三種類の質問を一度に投げています。こぼれた液体が残っているか。ふき取る、清掃担当を呼ぶ、会議に使える、のどれが適切か。汚れの深刻度を三段階で何点とするか。

性能と価格

Google は、エージェントのルーティング、推論、ランキング、多モーダル理解を含むベンチマーク群で Gemini Decision 1 が全体的に先行し、較正誤差が最も小さいと述べています。較正とは、モデルが「80% 確実」と言ったとき、実際に約 80% 正しいことを指します。信頼度で振り分けるシステムでは、単なる正解率より重要な性質です。

遅延については、多モーダル入力と最大 16K トークンの文脈で、1 リクエストあたりの質問数が 1 件から 100 件に増えても、ほぼ横ばいだとしています。価格は入力 100 万トークンあたり 0.10 ドルで、出力トークンは課金されません。共有入力は一回のリクエストで一度だけ課金され、各質問は自分の指示と基準のトークンだけを加えます。変動する思考トークンの請求も、音声文字起こしや OCR の別料金もありません。Google は、共有ベンチマーク群で、Interactions API と組み合わせた Gemini 3.5 Flash-Lite より約 5 倍安いとも述べています。これらは Google 自身の測定で、この Google の発表は独立した検証の証拠を示していません。

Google 内部での使われ方

ブログは四つの利用例を挙げています。Gemini Notebook は、リクエストごとにモデル階層と思考レベルを選ぶリアルタイムのルーターとして使い、日常的な質問の遅延を最大 40% 減らすとしています。Stitch の rapid canvas 実験は、製品フローの操作できるワイヤーフレームを数秒で作り、音声やタップによる編集をほぼ即座に反映します。Google Labs の CC は、200 以上の絵文字から反応を一瞬で選びます。Google 検索は、MCP ツールに対する敵対的な挙動や内容を、遅延の枠内で検出する安全層として使っています。

開発者にとっての意味

実務上の利点は、小さな判断を生成の経路から切り離せることです。これまでは専用の分類器を訓練するか、一語の答えのために大きなモデルを呼んで待つ必要がありました。今後は選択肢と基準を定義し、確率を読み取るだけで済みます。回答ごとに信頼度が付くため、信頼度が高ければ自動処理、低ければ人間に引き継ぐといった閾値設計ができます。

注意点もあります。比較結果は Google 自身のベンチマークに基づきます。モデルは与えた選択肢の中からしか選べないので、自由な文章が必要な仕事の代わりにはなりません。また、Google Cloud 上の Gemini への対応は「近日公開」とされており、企業利用では当面 Gemini API 経由になります。

始め方

Google AI Studio で API キーを取得し、無料枠で試作し、Python、JavaScript、REST のガイドに従います。デモアプリとして Doorstep Parcels、Speed Sketch、Find the Zoo Keeper も用意されています。OpenRouter、LangChain、Vercel、LiteLLM、Pydantic AI、Pipecat、LiveKit、OpenCode との連携も順次提供され、google-genai SDK とあわせて使えます。