Google hat am Dienstag die Gemini Decisions API eingeführt, einen neuen Endpunkt, der für schnelle, geschlossene Entscheidungen entwickelt wurde und auf einem speziell entwickelten Modell namens Gemini Decision 1 (gemini-decision-1) basiert. Laut der Ankündigung von Google ist die API ab sofort über die Gemini API in Google AI Studio verfügbar.
Der Grundgedanke ist einfach: Eine große Klasse produktiver KI-Arbeiten benötigt kein Modell, das Aufsätze schreibt. Werkzeugauswahl, Richtlinienprüfungen, Modellrouting und Kontextbewertung sind allesamt begrenzte Möglichkeiten – und für diese ist die generative Textgenerierung langsam, teuer und schlecht kalibriert. Stattdessen nimmt die Entscheidungs-API Ihre Kandidatenoptionen und bewertet sie. Dabei werden Wahrscheinlichkeiten und Konfidenzwerte anstelle eines generierten Antworttexts zurückgegeben.
Weitere Informationen zu Entwicklertools wie diesem finden Sie in unserer Berichterstattung über KI-Tools.
Eine Eingabe, bis zu 1.000 Fragen, ein Vorwärtsdurchlauf
Das Eingabemodell der API ist ungewöhnlich und bewusst so. Entwickler übergeben eine multimodale Eingabe – Text, Bilder, Audio, Video oder PDFs mit Kontexten von bis zu 256.000 Token – zusammen mit bis zu 1.000 unabhängigen Fragen in einer einzigen Anfrage. Bei den Fragen können Ja/Nein-Prüfungen, Multiple-Choice-Auswahl und Bewertungskriterien für dieselben gemeinsamen Eingaben kombiniert werden.
Da Gemini Decision 1 die Kandidatenoptionen in einem einzigen Vorwärtsdurchlauf bewertet, anstatt die Token einzeln zu dekodieren, meldet Google eine mittlere Modellberechnung von 50–100 Millisekunden und eine End-to-End-Latenz von 150–250 Millisekunden. Das Unternehmen gibt an, dass die Leistung nahezu gleich bleibt, da die Anzahl der Fragen von 1 auf 100 pro Anfrage skaliert und dass die geteilte Eingabe einmal in Rechnung gestellt wird, unabhängig davon, wie viele Fragen dagegen bewertet werden.
Preise: niemals Ausgabe-Tokens
Der Preis für Gemini Decision 1 beträgt 0,10 US-Dollar pro 1 Million Input-Tokens, wobei keine Output-Tokens in Rechnung gestellt werden – ein bedeutender struktureller Unterschied zu generativen APIs, bei denen Output-Tokens normalerweise die Rechnung dominieren. Laut Google ist die Entscheidungs-API dadurch in seiner gemeinsamen Benchmark-Suite fast fünfmal günstiger als Gemini 3.5 Flash-Lite, das über die Interactions-API verwendet wird, und es fallen keine separaten Audiotranskriptions- oder OCR-Gebühren an. Für die Prototypenerstellung ist in Google AI Studio eine kostenlose Stufe verfügbar.
##Kalibrierung lautet die Schlagzeile
Die Ankündigung von Google geht mit einer Behauptung zur Kalibrierung einher: Bei Benchmarks, die Agentenrouting, Argumentation, Ranking und multimodales Verständnis umfassen, führt das Unternehmen an, dass Gemini Decision 1 die Suite mit dem geringsten Kalibrierungsfehler anführt. Jede Antwort wird mit einem Konfidenzwert von 0 bis 1 geliefert, sodass der Anwendungscode mehrdeutige Fälle an ein Fallback-Modell oder einen menschlichen Prüfer weiterleiten kann, anstatt einer Klassifizierung mit geringer Konfidenz zu vertrauen.
Die Kalibrierung ist wichtig, da sich Routingfehler in Agentensystemen verstärken. Ein Agent, der mit großer Sicherheit das falsche Tool auswählt, scheitert stillschweigend; Ein Agent, der weiß, wann er unsicher ist, kann sich problemlos verschlechtern. Die kalibrierte Konfidenz zu einer erstklassigen API-Ausgabe zu machen – neben der Klassifizierung selbst – ist wohl der produktionsorientierteste Teil der Einführung.
Native Multimodalität in einem Durchgang
Das Modell basiert auf der nativen multimodalen Architektur von Gemini und verarbeitet Text, Bilder, Audio, Video und PDFs direkt in einem Vorwärtsdurchlauf. Die Beispiele von Google zeigen die Vermischung von Modalitäten in der Praxis: Kombinieren einer Anrufaufzeichnung mit Kontometadaten oder eines gescannten PDF-Versicherungsanspruchs mit Schadensfotos und Anpassen der Auflösung von Bild- und Videoeingaben, um visuelle Details gegen Tokenkosten abzuwägen.
Das Unternehmen hob auch die interne Akzeptanz hervor. Laut Google verwenden Teams im gesamten Unternehmen die Decisions API bereits als Steuerungsebene mit geringer Latenz und liefern Funktionen durch die Definition von Optionen, anstatt benutzerdefinierte Klassifikatoren zu trainieren – einschließlich Stitch Rapid, das laut Ankündigung die API verwendet, um einen gesamten Produktfluss in Sekundenschnelle zu entwerfen.
Ökosystemunterstützung vom ersten Tag an
Google listete am Einführungstag integrierte Integrationen für OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit und OpenCode sowie die Google-Genai-SDKs für Python, JavaScript und REST auf. Der Ankündigung zufolge wird Gemini in Google Cloud bald unterstützt.
Entwickler können noch heute mit einem API-Schlüssel in Google AI Studio und den von Google veröffentlichten Demo-Apps – Doorstep Parcels, Speed Sketch und Find the Zoo Keeper – beginnen, um die Anforderungsmuster in Aktion zu zeigen.
Warum es für die Agentenökonomie wichtig ist
Die Entscheidungs-API zielt auf die am wenigsten glamouröse, aber am stärksten beanspruchte Schicht des neuen Agentenstapels ab: die ständigen kleinen Entscheidungen, die ein Agent Dutzende Male pro Aufgabe trifft. Wenn Routing, Richtlinienprüfungen und Kontextbewertung mit vorhersehbaren Preisen in 150 bis 250 Millisekunden ausgeführt werden können, ändert sich die Wirtschaftlichkeit lang laufender Agenten-Workflows erheblich – die Entscheidungsebene ist kein Engpass beim generativen Modell mehr und rückt näher an die traditionelle Infrastruktur heran.
Die Einführung stärkt auch die Positionierung von Google gegenüber Konkurrenten, die dedizierte Klassifizierungs- und Routing-Modelle entwickeln, indem die multimodale Grenzlaborfähigkeit an einen Rohstoffpreis gekoppelt wird. Es signalisiert auch, wo Google die Spaltung des API-Marktes sieht: generative Modelle für unbefristete Arbeit, Entscheidungsmodelle für begrenzte, hochvolumige Prüfungen, die Agentensysteme auf Trab halten. Ob unabhängige Benchmarks die Kalibrierungsansprüche bestätigen, wird bei zunehmender Akzeptanz der Maßstab sein, den es zu beobachten gilt.
---
Der KI einen Schritt voraus seinErhalten Sie die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Weitere KI-Neuigkeiten lesen →
