Ankündigung der Gemini Decisions API
Google hat die Gemini Decisions API vorgestellt, einen neuen Endpunkt für schnelle, geschlossene Entscheidungen über multimodale Eingaben. Die API basiert auf dem Modell Gemini Decision 1 (identifiziert als `gemini-decision-1`) und ist über die Gemini API in Google AI Studio verfügbar.
Das Ziel dieses Tools ist es, spezifische Primitiven für abgegrenzte Entscheidungen bereitzustellen, wie die Auswahl von Werkzeugen, die Überprüfung von Richtlinien, das Routing von Modellen oder die Bewertung von Kontexten. Im Gegensatz zu Standard-Generativmodellen, die Text Token für Token erzeugen, bewertet dieses System die Kandidatenoptionen in einem einzigen Vorwärtspass und liefert Wahrscheinlichkeiten und Konfidenzwerte.
Architektur und Entscheidungstypen
Das Modell verarbeitet direkt Text, Bilder, Audio, Video und PDFs in einem einzigen Durchlauf und ermöglicht die Kombination von Modalitäten in einer gemeinsamen Eingabe. So kann beispielsweise eine Anrufaufzeichnung mit Kontometadaten oder ein gescanntes PDF mit Schadensfotos verknüpft werden. Das System unterstützt bis zu 256K Tokens Kontext und erlaubt die Anpassung der Auflösung von Bildern und Videos, um visuelle Details und Tokenkosten zu steuern.
Die API unterstützt drei Fragetypen in einer einzigen Anfrage: noul (Ja/Nein), choice (Mehrfachauswahl) und score (Bewertung nach Rubrik). Jede Antwort enthält einen Konfidenzwert zwischen 0 und 1, was es Entwicklern ermöglicht, mehrdeutige Fälle an einen menschlichen Prüfer oder ein Fallback-System weiterzuleiten.
Von der API unterstützte Fragetypen
Vergleich der drei in der Gemini Decisions API verfügbaren Bewertungstypen.
| Typ | Beschreibung | Ausgabe |
|---|---|---|
| noul | Schätzt die Wahrscheinlichkeit, dass eine Ja/Nein-Bedingung erfüllt ist. | Wahrscheinlichkeit und optionale Kriterien für wahr/falsch. |
| choice | Wählt zwischen 2 und 255 Optionen. | Gewinneroption und normalisierte Wahrscheinlichkeiten für jeden Kandidaten. |
| score | Bewertet Eingaben anhand einer geordneten Rubrik (startend bei 0). | Kontinuierlicher gewichteter Score und Wahrscheinlichkeiten pro Stufe. |
Leistung, Latenz und Kosten
In Benchmarks, die Agenten-Routing, Reasoning, Ranking und multimodales Verständnis abdecken, weist Gemini Decision 1 den niedrigsten Kalibrierungsfehler im bewerteten Suite auf. Da Optionen ohne Token-für-Token-Decodierung bewertet werden, liegt die Median-Latenz der Modellberechnung zwischen 50 und 100 ms, mit einer End-to-End-Latenz von 150 bis 250 ms.
Die Leistung bleibt nahezu stabil, wenn die Anzahl der Fragen pro Anfrage von 1 auf 100 steigt. In Bezug auf die Kosten berechnet die API 0,10 US-Dollar pro Million Eingabetokens und 0 US-Dollar für Ausgabetokens. Google gibt an, dass dies sie in der gemeinsamen Benchmark-Suite fast 5-mal günstiger macht als Gemini 3.5 Flash-Lite mit der Interactions API.
Implementierung und Codebeispiele
Die API verwendet das gleiche Content-Block-Format wie die Interactions API. Entwickler können sofort mit dem Bauen beginnen, indem sie einen API-Schlüssel in Google AI Studio abrufen. Die offizielle Dokumentation bietet Anleitungen für Python, JavaScript und REST.
Das folgende Beispiel zeigt, wie ein Bild eines Tresors zusammen mit einer Textnotiz gegen die drei Fragetypen in einer einzigen Anfrage mit der Python-Bibliothek überprüft wird.
Code zur Bewertung eines Bildes und Textes mit Fragen der Typen noul, choice und score.
from google import genai
client = genai.Client(http_options={"api_version": "v1beta"})
result = client.decisions.create(
model="gemini-decision-1",
input=[
{
"type": "image",
"uri": "https://storage.googleapis.com/generativeai-downloads/images/spill.jpg",
"mime_type": "image/jpeg",
},
{
"type": "text",
"text": "Breakroom counter check before the 9 AM client meeting.",
},
],
questions={
"has_spill": {
"type": "noul",
"instructions": "Is there an uncleaned liquid spill on the counter?",
},
"next_action": {
"type": "choice",
"instructions": "Which cleanup action fits the scene?",
"criteria": {
"wipe_with_cloth": "Small counter spill with a cloth or towel already nearby.",
"dispatch_janitorial": "Large floor hazard, broken glass, or active leak.",
"ready_for_meeting": "Counter is clean and ready.",
},
},
"severity": {
"type": "score",
"instructions": "Rate the severity of the counter mess.",
"criteria": [
"Clean and ready.",
"Minor localized spill.",
"Major spill or safety hazard.",
],
},
},
)
Interne Anwendungsfälle bei Google
Verschiedene Teams bei Google nutzen die Decisions API bereits als Low-Latency-Control-Plane. In Gemini Notebook fungiert die API als Echtzeit-Router, der eingehende Anfragen an die optimale Modellstufe und das Reasoning-Level weiterleitet und die Latenz für alltägliche Anfragen um bis zu 40 % senkt.
In Stitch, dem Design-Tool, generiert die API spielbare Wireframes eines Produktflusses in Sekunden und wendet per Stimme oder Touch vorgenommene Änderungen nahezu sofort an. In CC (von Google Labs) wird sie verwendet, um die passende Emoji-Reaktion aus einer Palette von über 200 Optionen in einem Bruchteil einer Sekunde auszuwählen. Darüber hinaus nutzt Google Search sie als Sicherheitsschicht, um adversariales Verhalten in MCP-Tools zu erkennen.
Verfügbarkeit und Ökosystem
Die API ist heute mit einer kostenlosen Schicht für Prototyping in Google AI Studio verfügbar. Das Modell Gemini Decision 1 wird mit 0,10 US-Dollar pro Million Eingabetokens abgerechnet und berechnet keine Kosten für Ausgabetokens, Audio-Transkription oder OCR. Die gemeinsame Eingabe wird einmal pro Anfrage abgerechnet, unabhängig von der Anzahl der bewerteten Fragen.
Die Ökosystem-Integrationen werden auf Plattformen wie OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit und OpenCode ausgerollt, zusammen mit den google-genai SDKs. Die Unterstützung für Gemini in Google Cloud soll bald folgen.
Weiter entdecken
Korrekturen und Transparenz
Wenn du falsche oder veraltete Angaben findest, sende uns die Seite und die zu prüfende Quelle.
Korrektur vorschlagen