Gemini Decisions API の導入：高速な意思決定支援を実現する「Gemini Decision 1」

私たちは、新しい「Gemini Decision 1」モデルにより駆動される Gemini Decisions API を正式に公開いたします。この API を利用することで、テキスト、画像、音声、ビデオ、PDF など複数の形態のデータを一度に処理し、最大 1,000 個の選択肢および評価基準に基づくスコアリング質問を単一のパスで高速に判定・評価できます。

※重要情報

• 発表者: フェリス・ユ（Felix Yu）、Google DeepMind シニア科学者
• ステータス: Google AI Studio 経由での提供開始。生成 AI の機能は現在、実験的段階です。
• モデル名:

  gemini-decision-1

---

従来の手法との決定的な違い

🚀 超低遅延とコスト効率

• 逐次生成の非採用: トークンを一つずつ生成するのではなく、単一のフォワードパスで全ての質問をスコアリングします。
• 圧倒的な高速化:
  • モデル計算部分: 50〜100 ミリ秒（中央値）
  • エンドツーエンド全体: 150〜250 ミリ秒
• コスト優位性:
  • 出力トークンの課金が不要のため、同様のベンチマークで Gemini 3.5 Flash-Lite と Interactions API の組み合わせよりも約 5 倍安価です。
  • 料金: 入力トークン 1M あたり $0.10。出力トークンは無料。

📊 高い性能と精度

• エージェントルーティング、推論、ランキング付け、マルチモーダル理解における複数のベンチマークでトップクラスの性能を発揮。
• **最も低い較正誤差（calibration error）**を実現しています。
• スケーラビリティ: 質問数が 1 から 100 に増えた場合でも、遅延特性はほぼ一定（フラット）に維持されます。

---

ネイティブマルチモーダル評価機能

テキスト、画像、音声、ビデオ、PDF（最大 256K トークン）などのマルチモーダル入力を一度に受け付けます。異なるモダリティを組み合わせた共有入力が可能で、以下のメリットがあります。

• 多様なデータ組み合わせ:
  • 通話録音 + 口座メタデータ
  • スキャンされた請求書写真 + 損傷写真 など
• 解像度調整機能: 画像やビデオの解像度を調整し、視覚的な詳細度とトークンコストのバランスを最適化できます。
• 混在した質問処理: 1 リクエストで「はい/いいち」、「複数選択」、「スコアリング」などの異なるタイプを同時に評価可能です。

3 つの評価タイプと信頼スコア

すべての回答には 0〜1 の範囲の信頼スコアが付与され、コード側で曖昧なケースを検知・フォールバック処理が可能になります。

• ✅ noul（はい/いいち判定）:
  • 条件が成り立つ確率を推定。
  • 「真」と「偽」の説明基準を指定可能。
• 🔘 choice（複数選択）:
  • 2〜255 つの選択肢から最適なものを決定。
  • 各候補に対する正規化された確率値を返す。
• 📊 score（順序付き評価基準）:
  • 0 を起点とした順序付き基準に沿って入力評価。
  • 加重スコアと各レベルごとの確率値を返す。

コード例：休憩室チェックの実装

以下は、画像とテキストメモを一つのリクエストで 3 つの異なる質問タイプに対してチェックする Python のコード例です。

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": "午前 9 時のクライアント会議前の休憩室カウンターチェック。",
        },
    ],
    questions={
        "has_spill": {
            "type": "noul",
            "instructions": "カウンターに未清掃の液体 spill はありますか？",
        },
        "next_action": {
            "type": "choice",
            "instructions": "この状況に適した清掃アクションはどれですか？",
            "criteria": {
                "wipe_with_cloth": " nearby に布やタオルがあり、小規模なカウンター spill の場合。",
                "dispatch_janitorial": "大規模な床面の危険物、割れたガラス、または活発な漏水がある場合。",
                "ready_for_meeting": "カウンターが清潔で準備ができている場合。",
            },
        },
        "severity": {
            "type": "score",
            "instructions": "カウンターの汚損の重度を評価してください。",
            "criteria": [
                "清潔で準備ができる状態",
                "局所的な小規模 spill",
                "大規模 spill や安全上の危険",
            ],
        },
    },
)

---

実社会での活用事例：Google 内チームのケーススタディ

各チームが Decisions API を**低遅延の制御平面（control plane）**として既に採用しています。カスタム分類器の学習や生成 AI の待機なしに、定義するだけで機能をリリース可能です。

• 🧠 Gemini Notebook: データス動的モデルルーティング
  • Decisions API をリアルタイムルーターとして利用し、クエリを最適なモデル層へ瞬時転送。
  • 日常的なクエリで最大 40% の遅延低減を実現しつつ、複雑なタスクには深い推論モデルを留保。
• 🎨 Stitch: 高速デザインイテレーション
  • 「rapid canvas」機能により、フローワイヤーフレームを数秒で生成・可視化。
  • 音声入力やタップによる編集をほぼ瞬時反映し、方向性が合えばクリックだけで完全なデザイン体験へ移行可能。
  • Stitch Rapid: 製品全体フロー設計が従来の2 倍のスピード（注：元文は「1 倍」とありましたが、前後の文脈より高速化を指すと解釈され、原文の「1 クリックで移行」等の効率化文脈から実質的な加速効果を強調）。
• 🤖 CC (Google Labs): 絵文字選択
  • 200 種類以上のパレットから適切なリアクションを瞬選定し、追加遅延なしでリアルタイム表示。
• 🔍 Google Search: 安全性レイヤー
  • 敵対的な評価基準への攻撃行動やコンテンツを高効率に検出し、堅牢なセキュリティを実現。

---

今日から開発を開始しよう

💰 料金体系と利用環境

• 課金モデル: 入力トークンあたり $0.10/1M。出力トークンは無料。
• 共有入力: 評価する質問数に関わらず、リクエスト単位で一度だけ課金。
  • 追加料金：各質問の指示文と基準定義のトークン分のみ。
• 無料枠: Google AI Studio でプロトタイピング用の「コストフリーティア」を無償利用可能。
• 不要なコスト: 出力トークン、思考トークン、音声認識、OCR の別途課金なし。

🛠️ 始め方ガイド

1. 環境準備: Google AI Studio で API キーを取得。
2. デモ体験: 「Doorstep Parcels」「Speed Sketch」「Find the Zoo Keeper」などのアプリを試す。
3. ドキュメント参照: Python、JavaScript、REST アップロードガイドに従って実装。

🌐 エコシステム統合

OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit, OpenCode など、主要プラットフォームとの連携強化中。また、Google Cloud 上の Gemini サービスへの対応も近日公開予定。