Google heeft de Gemini Decisions API gelanceerd, gebaseerd op een nieuw model, Gemini Decision 1 (gemini-decision-1). In tegenstelling tot klassieke taalmodelle genereert deze API geen tekst: het kent aan maximaal 1.000 gesloten vragen gekalibreerde waarschijnlijkheden toe, op basis van dezelfde invoer. De aangekondigde prijs is $0,10 per miljoen tokens voor invoer, zonder kosten voor uitvoertokens.
Volgens het blogbericht van Google is de API gericht op kleine, tussentijdse beslissingen die het functioneren van agents bepalen, programma’s die autonoom acties uitvoeren: routing, regelcontrole, toolkeuze of beoordeling. Een verzoek bevat een model-ID, een gedeelde invoer en een lijst met vragen. Drie typen zijn voorzien: ja/nee-vragen, keuze uit 2 tot 255 opties, en beoordeling op een schaal van 2 tot 255 niveaus. Elk antwoord gaat vergezeld van een betrouwbaarheidswaarde tussen 0 en 1, en Google suggereert om onzekere gevallen over te dragen aan een back-upoplossing of een menselijke controleur.
Een facturering ontworpen voor meerdere vragen
Het model verwerkt in één keer tekst, afbeeldingen, video, audio en PDF’s. Google meldt een mediane rekentijd van 50 tot 100 ms, en 150 tot 250 ms end-to-end, voor invoer tot 16K tokens, waarbij een token een tekstverwerkingseenheid is. Deze tijd blijft vrijwel stabiel tussen 1 en 100 vragen. De gedeelde invoer wordt slechts één keer per verzoek gefactureerd, ongeacht het aantal vragen. De contextvenstergrootte bedraagt 262.144 tokens, ofwel 256K.
Het model is alleen toegankelijk via de Gemini Developer API (v1beta), gehost door Google: er worden geen open gewichten of zelfhosting aangeboden. Het vereist de google-genai SDK 3.2 of hoger, en een gratis laag maakt prototyping mogelijk in Google AI Studio.
Resultaten aangekondigd door Google
Google vergelijkt Gemini Decision 1 met TypeSafe Jev 1.14, GPT-6 Luna op OpenAI Decisions en Gemini 3.5 Flash-Lite. Deze cijfers zijn door Google verstrekt, waarbij weigeringen en veiligheidsblokkades als fouten worden geteld. Volgens de tabel van het bedrijf presteert het model beter dan zijn concurrenten op 7 van de 9 precisiebenchmarks, met de laagste kalibratiefout. Het behaalt 92,2% op JevBench (openbare set), tegenover 90,0% voor Jev 1.14. De kalibratiefout van 0,0250 is volgens Google ongeveer twee keer lager dan die van Jev 1.14, die 0,0494 bedraagt.
Het model loopt achter op When2Call, met 79,9% tegenover 82,0% voor Jev 1.14, en de laagste score is 58,7% Macro-F1 op Amazon ESCI. Op de gemeenschappelijke set van zeven evaluaties meldt Google totale kosten van $0,88, tegenover $0,68 voor Jev 1.14 en $4,14 voor Gemini 3.5 Flash-Lite. De invoerprijs van Jev 1.14 is $0,042 per miljoen tokens. Tot slot worden contextcaching en de Batch API nog niet ondersteund, waardoor herhaalde context volledig wordt gefactureerd per verzoek. Google geeft aan het tool intern al te gebruiken, onder meer in Gemini Notebook, waar het wordt ingezet om verzoeken naar verschillende modelniveaus te sturen, met een tot 40% lagere latentie voor veelvoorkomende verzoeken.
