Google hat die Gemini Decisions API vorgestellt, dahinter steht ein neues Modell namens Gemini Decision 1 (API-Name gemini-decision-1). Es erledigt genau eine Aufgabe: Es wählt aus vorgegebenen Optionen die passende aus und gibt dazu Wahrscheinlichkeit und Konfidenz an. Gedacht ist es für die kleinen Entscheidungen, die in Agenten-Abläufen ständig anfallen, etwa Werkzeugauswahl, Richtlinienprüfung, Modell-Routing oder die Einstufung von Kontext.
Min Choi, Produktmanager bei Google DeepMind, und Chefwissenschaftler Felix Yu erklären im offiziellen Blog, dass das Modell seine Antwort nicht wie ein gewöhnliches großes Sprachmodell Token für Token generiert, sondern die Kandidatenoptionen direkt bewertet.
„Gemini Decision 1 scores your candidate options in a single forward pass“ (Gemini Decision 1 bewertet Ihre Kandidatenoptionen in einem einzigen Vorwärtsdurchlauf.)
Drei Fragetypen, bis zu tausend Fragen pro Anfrage
Die Schnittstelle unterstützt drei Fragetypen. Ja/Nein-Fragen schätzen die Wahrscheinlichkeit, dass eine Bedingung zutrifft, und können Kriterien für beide Seiten enthalten. Multiple-Choice-Fragen liefern die gewinnende Option und die normalisierte Wahrscheinlichkeit jedes Kandidaten, wobei die Zahl der Optionen zwischen 2 und 255 liegt. Bewertungsfragen beziehen sich auf eine geordnete Skala ab 0 und geben einen gewichteten, kontinuierlichen Wert sowie die Wahrscheinlichkeiten der einzelnen Stufen zurück. Jede Antwort enthält eine Konfidenz zwischen 0 und 1.
Als Eingabe sind Text, Bilder, Audio, Video und PDF möglich, auch gemischt in einem Material, etwa die Aufnahme eines Kundendienstgesprächs samt Kontodaten oder ein Scan zusammen mit dem Foto eines Transportschadens. Pro Anfrage liegt die Eingabegrenze bei 256K Tokens, gleichzeitig lassen sich bis zu 1.000 Fragen auswerten.
Die Geschwindigkeit steht bei dieser Veröffentlichung im Mittelpunkt. Offiziell nennt Google eine Ende-zu-Ende-Latenz von 150 bis 250 Millisekunden, der Median für die reine Modellberechnung liegt bei 50 bis 100 Millisekunden. In den Benchmarks mit bis zu 16K Tokens Kontext blieb die Latenz nahezu gleich, auch wenn die Zahl der Fragen von 1 auf 100 stieg. Googles eigenes Gemini Notebook nutzt das Modell bereits, um Nutzeranfragen in Echtzeit an Modelle unterschiedlicher Leistungsstufen zu verteilen; die Routing-Latenz sank dadurch um bis zu 40 Prozent.
Nur Eingabe wird berechnet, eine Beispielrechnung
Der Preis beträgt 0,10 US-Dollar pro Million Eingabe-Tokens, Ausgaben kosten nichts. Laut Blog gibt es keine Gebühren für Ausgabe-Tokens, keine Rechnung, die mit der Denkdauer schwankt, und Audiotranskription sowie OCR werden nicht gesondert berechnet. Google gibt an, dass die Lösung auf einem gemeinsamen Benchmark etwa fünfmal günstiger ist als Gemini 3.5 Flash-Lite über die Interactions API.
Eine grobe Rechnung: Ein E-Commerce-Kundendienst schickt jedes Mal 10.000 Tokens aus Gesprächsprotokoll und Bestelldaten hinein und stellt 50 Fragen auf einmal (Rückerstattung ja oder nein, emotionale Lage, Betrugsverdacht, zuständige Gruppe). Nach dem Eingabepreis kostet ein Aufruf etwa 0,001 US-Dollar, eine Million Aufrufe rund 1.000 US-Dollar. Die Schätzung geht davon aus, dass Fragetexte und Material zusammen 10.000 Tokens ergeben; bei Bildern und Videos, die je nach Auflösung in Tokens umgerechnet werden, schwankt die tatsächliche Zahl.
Auf die Vergleichsbasis kommt es an. Google vergleicht mit kleinen generativen Modellen wie Flash-Lite. Generative Lösungen müssen Ausgabe- und Denk-Tokens bezahlen, und je mehr Fragen und je längere Schlussfolgerungen, desto höher die Rechnung; die Decisions API spart diesen Kostenblock. Der Preis dafür: Sie beantwortet nur geschlossene Fragen. Offene Zusammenfassungen, Umformulierungen und Programmieraufgaben bleiben generativen Modellen vorbehalten.
Bisher behalf man sich meist auf zwei Arten: Entweder ließ man ein kleines generatives Modell „Ja“ oder „Nein“ ausgeben und las das Ergebnis aus dem Text heraus, oder man trainierte ein eigenes Klassifikationsmodell, das bei jedem neuen Label-Satz neu trainiert werden muss. Ersteres liefert keine stabilen Wahrscheinlichkeitswerte, Letzteres versteht weder Bilder noch Audio. Die Decisions API liefert Wahrscheinlichkeiten mit Konfidenz, Entwickler können eigene Schwellen setzen, etwa Tickets mit einer Konfidenz unter 0,7 an Menschen weiterleiten und solche über 0,9 direkt freigeben. Wie man diese Schwelle wählt und wie gut die Konfidenz des Modells zur tatsächlichen Genauigkeit passt, muss sich erst an den eigenen Daten der Entwickler zeigen; der Blog nennt nur die Ergebnisse interner Google-Anwendungsfälle.
In welche Produkte es bereits eingebunden ist
Google nennt mehrere interne Anwendungsfälle: das Modell-Routing in Gemini Notebook; ein schnelles Canvas-Experiment in Stitch, das damit interaktive Wireframes nach Sprach- oder Klickbefehlen anpasst; CC von Google Labs, das aus über 200 Emojis die passende Reaktion auswählt; und die Google-Suche, die damit MCP-Werkzeugen eine Sicherheitsprüfung voranstellt, um gegnerisches Verhalten zu erkennen.
Die Schnittstelle ist jetzt über die Gemini API und Google AI Studio nutzbar, für Prototypen gibt es ein kostenloses Kontingent, die Dokumentation deckt Python, JavaScript und REST ab. Integrationen von Drittanbietern wie OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI und LiveKit sollen nach und nach folgen; die Version auf Google Cloud ist als „demnächst verfügbar“ gekennzeichnet, einen Termin nennt Google nicht.
Quellen: Veröffentlichungsartikel zur Gemini Decisions API im offiziellen Google-Blog (geprüft wurden Latenz, Obergrenze der Fragenzahl, 256K-Eingabegrenze, Preis pro Million Eingabe-Tokens und Vergleichsbasis zu Flash-Lite), CocoLoop, öffentliche Erläuterungen des Produktteams von Google DeepMind.