Google DeepMindは、Gemini Decision 1と専用のDecisions APIを発表し、エージェントシステムにおける「どのツールを呼び出すか」「ポリシーに準拠しているか」「どのモデルカテゴリに割り当てるか」「リスクの程度はどれほどか」などの閉じた判断を、汎用生成モデルから分離しようとしています。開発者は、最大25.6万トークンのテキスト、画像、音声、動画、またはPDFを一度に送信し、同じ資料に対して最大1000個の独立した質問を提示できます。モデルは逐語的に説明を生成するのではなく、1回の前方計算で候補ごとに確率と信頼度を直接出力します。Googleが公表した典型的なエンドツーエンド遅延は150〜250ミリ秒で、入力トークン100万あたり0.10ドル、出力は無料です。ただし、これらの遅延データは主に1.6万トークン以下、最大100問のテストに基づいており、最大コンテキスト長で1000問を処理しても同じ速度が維持されるとは限りません。独立した評価では、18種類の決定モデル中で第9位に位置付けられており、これはその校正能力とマルチモーダル能力が優れていることを示していますが、すべての決定タスクにおける総合的な優勝者というわけではありません。文章作者、来源：Google DeepMind
エージェントは毎回の判断を「作文を書く」ような方法で行う必要はありません
現在、多くのエージェントは「はい」または「いいえ」だけを回答する必要がある場合でも、完全な生成モデルを呼び出しています。モデルはコンテキストを読み取り、推論を行い、トークンごとに文字を出力し、アプリケーションはその後、答えからブール値またはカテゴリを解析します。
この方法は柔軟ですが、高頻度のワークフローでは効率が悪くなります。カスタマーサポートエージェントは、ユーザーの意図、アカウントリスク、適用されるポリシー、ツールの権限、アップグレードキュー、および返信モデルを順番に判断する必要があり、各ステップで生成モデルを呼び出すと、遅延、コスト、およびフォーマット解析エラーが蓄積します。
Gemini Decision 1は異なるアプローチを採用します：開発者が限られた候補回答を定義し、モデルはこれらのオプションにのみスコアを付与します。これはチャットモデルではなく、説明を起草することもなく、長文のコンテキストとマルチモーダル情報の理解ができる汎用的な分類・並べ替え・戦略的判断層に近いです。
Googleは3つの質問形式を提供しています：
- 「はい／いいえ」の判断で、条件が成立する確率を返す；
- 2から255個の選択肢から選択し、各選択肢の正規化された確率を返す；
- 事前に定義された順序尺度で評価し、各等級の確率と加重スコアを返却します。
各結果には0から1の間の信頼度が付与されます。アプリケーションは閾値を設定でき、信頼度が高い場合は自動実行し、信頼度が低い場合はより強力なモデルまたは人間によるレビューに切り替えます。blog.google
1つの材料で1000のチェックを同時に実行できます。
1回のリクエストでは最大25.6万トークンを含むことができ、同じ入力に対して1000の独立した質問を提起できます。
たとえば、保険会社はスキャンした請求書、現場の損傷写真、顧客との通話録音、および口座情報を同時に提出し、モデルに資料が揃っているか、どの種類の事故に該当するか、不正の兆候があるか、どのキューに割り当てるべきか、そしてどの程度の緊急性で処理すべきかを判断させることができます。
共有素材は一度だけ課金され、各質問は独自の指示と選択肢のトークンを追加するのみです。したがって、数十のチェックで同じ長文ファイルを読み取る場合、ファイルを数十回繰り返して送信するよりも経済的です。公式料金は入力トークン100万トークンあたり0.10ドルで、出力トークンは無料、OCRや音声書き起こしの別途料金もありません。
しかし、この1000の質問は互いに独立している必要があります。モデルは、2番目の判断が1番目の判断の結果を読み取ることを許可しません。ワークフローが「まずドキュメントタイプを判断し、その後タイプに応じて異なる審査ルールを適用する」であっても、開発者はコード内でこの2ステップを接続するか、APIを再度呼び出す必要があります。説明文を生成したり、任意のフィールドを抽出したり、返信を作成したりする場合も、依然として生成モデルまたは情報抽出モデルが必要です。
150〜250ミリ秒には明確な適用範囲があります
Gemini Decision 1はトークンごとのデコードをスキップし、一度のフォワード計算ですべての候補をスコアリングします。Googleによると、モデルの計算中央値の所要時間は50〜100ミリ秒であり、サービスおよびネットワークを含むエンドツーエンドの遅延は約150〜250ミリ秒です。
公式テストによると、1.6万トークン以下のマルチモーダル入力において、1回のリクエストを1つの質問から100の質問に増やしても、レイテンシはほぼ平坦に保たれます。同じベンチマークでは、Interactions APIを介してGemini 3.5 Flash-Liteを呼び出すよりも、コストが約5分の1であるとされています。
これらの数値をすべての状況に直接適用することはできません。モデルは25.6万トークンと1000の質問を許可していますが、Googleは両方の上限を同時に満たしても250ミリ秒以内に処理できることを証明していません。大規模な動画、音声、PDFのアップロード時間はモデルの計算時間に含まれていません。実際のデプロイでは、独自のファイル長さ、質問数、ネットワーク位置を使用して再測定する必要があります。
マルチモーダルであることが、従来の分類器との主な違いです。
従来の分類器は通常、事前に固定されたデータ形式を対象としていますが、Gemini Decision 1は1つのリクエスト内でテキスト、画像、音声、動画、PDFを同時に読み取ることができます。
公式の例では、モデルにキッチンエリアの天板の写真と一行の説明を送信し、以下の3点を質問しました：未処理の液体の有無、拭くべきか清掃員を呼ぶべきか、現場の深刻度。モデルは少量のこぼれを判別し、布で拭くことを推奨し、各選択肢の確率を提示しました。
開発者は、画像や動画の解像度を下げることで、一部の詳細を犠牲にしながらトークンと手数料を削減できます。補償、コンテンツ監査、商品チェック、動画イベント認識には、OCR、音声認識、ビジョナルモデル、ルールエンジンを別々に実行するよりも、この方法で構築する方が簡単です。ただし、統合モデルでは、視覚または音声コンテンツの理解に誤りが生じた場合、複数の後続判断が同時に影響を受ける可能性があります。
公式ベンチマークが優れていても、総合評価が第1位とは限りません
Googleは、Gemini Decision 1がルーティング、推論、並べ替え、マルチモーダル理解のベンチマークで最上位のパフォーマンスを発揮し、最小の校正誤差を達成したと述べています。公式比較では、モデルはJevBenchで92.2%を記録し、GPT‑6 Lunaの90.9%とJev 1.14の90.0%を上回りました。校正誤差は0.0250で、Jevの0.0494のおよそ半分です。
しかし、すべてのタスクを独占しているわけではない。Jevは、ブラウザタスクの意思決定におけるMind2Web Multimodalで86.8%とGeminiの86.2%をやや上回り、ツールを呼び出すタイミングを判断するWhen2Callでは82.0%でGeminiの79.9%を上回った。
独立したArtificial Analysis Decision Index v2.1は、Gemini Decision 1に約66点を付与し、18の決定モデル中9位となりました。知識と推論の項目では1位ですが、履歴書、請求書、領収書、または論文全体を正しく理解する必要があるAA-Paperclipテストでは、33%の文書のみがすべての質問に正解できました。Drex Max v1.1は63%です。独立したWhen2Callテストでも、Drex MaxおよびJevに劣っています。
これは「信頼度が適切に調整されている」と「各判断が最も正確である」ことが同じことではないことを示しています。信頼度が適切に調整されたモデルは、いつ誤りを犯す可能性があるかをより明確に把握できるため、人間による確認の閾値設定に役立ちますが、高信頼度を事実の保証と誤って解釈すると、依然として誤った決定を自動的に実行する可能性があります。
Googleはそれを内部製品の制御層としてデプロイした
Googleは複数の製品でこのAPIを採用しています。Gemini Notebookは、クエリをどのモデルとどの思考強度に割り当てるかを判断するためにこれを使用しており、公式には通常のクエリの遅延を最大40%削減するとされています。Stitchは、音声またはクリックによるデザイン変更に迅速に対応するためにこれを活用しています。Google LabsのCCは200以上の絵文字から反応を選択します。Google Searchは、MCPツールの呼び出し前にこれを配置して、攻撃的行動や危険なコンテンツを検出しています。
これらの事例は、その真の位置付けを明らかにしています。それはユーザーが直接見る知能ではなく、エージェントの背後にあるコントロールプレーンです。生成モデルはコードの作成、言語の整理、オープンな問題の解決を担当し、決定モデルは次に何を呼び出すか、呼び出しを許可するか、どの程度の強さのモデルが必要か、そして自動化を停止して人間に手渡すタイミングを決定します。
このような役割分担は、大量の日常的なステップが「より良く書く」能力を必要とせず、十分に速く、安価で、確率的に信頼できるブランチを選択すればよいという点で、汎用モデルを単に拡大するよりも大規模なAgentシステムに適している可能性があります。
Gemini Decision 1は現在、Gemini Developer APIの`v1beta`エンドポイントを通じて提供されており、Google Cloudのサポートは「近日公開予定」とされています。Googleはパラメータ数、トレーニングデータ、トレーニング計算リソース、具体的なアーキテクチャ、または完全なシステムカードを公表していないため、これが既存のGeminiモデルから蒸留されたものかどうかを判断できず、トレーニングレベルでのセキュリティおよびデータに関する声明を独立して検証することもできません。