구글, 빠르고 보정된 멀티모달 판단용 Gemini Decisions API 공개

구글, 빠르고 보정된 멀티모달 판단을 위한 Gemini Decisions API 공개

구글이 새 엔드포인트인 Gemini Decisions API를 공개했습니다. 새 모델 Gemini Decision 1(모델 ID gemini-decision-1)이 처리를 맡으며, Gemini API와 Google AI Studio를 통해 쓸 수 있습니다. 구글 블로그 글의 저자는 구글 딥마인드의 제품 관리자 Min Choi와 수석 과학자 Felix Yu입니다. 이 API는 글을 쓰지 않습니다. 어떤 도구를 호출할지, 정책을 어겼는지, 어느 모델로 요청을 보낼지, 검색된 문맥이 질문에 맞는지처럼 답의 범위가 정해진 질문에 답합니다.

이 API가 하는 일

구글은 이 대상을 범위가 정해진 선택이라고 부르며 도구 선택, 정책 확인, 모델 라우팅, 문맥 채점을 예로 듭니다. 보통은 생성형 모델에게 답을 쓰게 한 뒤 그 텍스트를 코드로 해석합니다. Decisions API는 방식이 다릅니다. Gemini Decision 1은 토큰을 하나씩 해독하지 않고, 한 번의 순전파로 후보 선택지에 점수를 매겨 확률과 신뢰도 점수를 돌려줍니다. 구글에 따르면 종단 간 지연은 150~250밀리초이고, 모델 연산의 중앙값은 50~100밀리초입니다.

요청 하나에는 텍스트, 이미지, 오디오, 비디오, PDF로 이뤄진 멀티모달 입력 하나를 최대 256K 토큰까지 담을 수 있습니다. 이 공유 입력에 대해 서로 독립적인 질문을 최대 1,000개까지 붙일 수 있습니다. 입력 필드는 Interactions API와 같은 Content 블록 형식을 쓰므로, 이미 그 API를 쓰는 팀에는 낯설지 않을 것입니다.

세 가지 질문 유형

모든 답에는 0에서 1 사이의 신뢰도 점수가 붙습니다. 코드는 이 값을 이용해 애매한 사례를 대체 경로나 사람 검토자에게 넘길 수 있습니다.

첫째는 noul로, 예 또는 아니오를 묻는 확인입니다. 조건이 참일 확률을 추정하며, 참과 거짓의 의미를 설명하는 문구를 선택적으로 붙일 수 있습니다. 둘째는 choice로, 2개에서 255개 사이의 선택지 중 하나를 고르는 객관식입니다. 승자와 모든 후보의 정규화된 확률을 돌려줍니다. 셋째는 score로, 0단계에서 시작하는 순서형 평가 기준입니다. 연속적인 가중 점수와 단계별 확률을 돌려줍니다.

구글의 파이썬 예제는 휴게실 조리대 사진과 짧은 문장 메모를 한 입력에 담고, 세 유형의 질문을 한 번에 던집니다. 닦지 않은 액체가 쏟아져 있는가. 천으로 닦기, 청소 담당 호출, 회의 준비 완료 중 무엇이 맞는가. 어지러운 정도는 세 단계 중 몇 점인가.

성능과 가격

구글은 에이전트 라우팅, 추론, 순위 매기기, 멀티모달 이해를 아우르는 벤치마크에서 Gemini Decision 1이 전반적으로 앞서고 보정 오차가 가장 낮다고 밝혔습니다. 여기서 보정이 중요한 이유는 분명합니다. 모델이 80퍼센트 확신한다고 말하면 실제로 대략 그만큼 맞아야 하고, 신뢰도로 경로를 나누는 시스템은 이 성질에 기댑니다.

지연에 대해 글은 멀티모달 입력과 최대 16K 토큰 문맥에서 요청당 질문 수가 1개에서 100개로 늘어도 거의 변하지 않는다고 설명합니다. 가격은 입력 토큰 100만 개당 0.10달러이고 출력 토큰은 과금하지 않습니다. 공유 입력은 요청당 한 번만 청구되며, 질문마다 자기 지시문과 기준의 토큰만 더해집니다. 변동하는 사고 토큰 비용이나 음성 받아쓰기, 문자 인식의 별도 요금도 없습니다. 구글은 공통 벤치마크 전체에서 Interactions API와 함께 쓴 Gemini 3.5 Flash-Lite보다 거의 5배 저렴하다고도 말합니다. 이는 구글 자체 측정이며, 구글의 이 발표문은 독립적인 검증 근거를 제시하지 않습니다.

구글 내부 활용 사례

글은 네 가지 내부 활용을 소개합니다. Gemini Notebook은 요청마다 모델 등급과 사고 수준을 고르는 실시간 라우터로 쓰며, 일상 질문의 지연이 최대 40퍼센트 줄었다고 합니다. Stitch의 rapid canvas 실험은 제품 흐름의 작동하는 와이어프레임을 몇 초 만에 만들고, 음성이나 터치로 한 수정을 거의 즉시 반영합니다. 구글 랩스의 CC는 200개가 넘는 이모지 중에서 알맞은 반응을 순식간에 고릅니다. 구글 검색은 MCP 도구에 대한 적대적 행동과 콘텐츠를 지연 한도 안에서 탐지하는 안전 계층으로 씁니다.

개발자에게 주는 의미

실질적인 이점은 작은 판단을 생성 경로에서 떼어낼 수 있다는 점입니다. 예전에는 맞춤 분류기를 학습시키거나, 한 단어짜리 답을 얻으려고 큰 모델을 통째로 호출해야 했습니다. 이제는 선택지와 기준을 정의하고 확률을 읽으면 됩니다. 모든 답에 신뢰도가 붙으므로 임계값을 정할 수 있습니다. 신뢰도가 높으면 자동으로 처리하고, 낮으면 사람에게 넘기는 식입니다.

한계도 있습니다. 비교 결과는 구글 자체 벤치마크에서 나왔습니다. 모델은 주어진 선택지 안에서만 고르므로 자유로운 글이 필요한 작업을 대신하지 못합니다. 또 글에 따르면 Google Cloud의 Gemini 지원은 곧 제공될 예정이라, 기업 고객은 당분간 Gemini API를 써야 합니다.

시작하는 방법

Google AI Studio에서 API 키를 받고, 무료 등급으로 시제품을 만들고, 문서의 Python, JavaScript, REST 가이드를 따르면 됩니다. 구글은 Doorstep Parcels, Speed Sketch, Find the Zoo Keeper라는 데모 앱도 제공합니다. OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit, OpenCode와의 통합이 순차적으로 제공되며 google-genai SDK와 함께 쓸 수 있습니다.