Gemini Decision 1: फीचर्स, बेंचमार्क, कीमतें, और एक्सेस

निर्णय मॉडल अब अपनी अलग श्रेणी बनते जा रहे हैं। TypeSafe का Jev टेक्स्ट के बजाय संभावनाओं के साथ टाइप किए गए उत्तर देता है, OpenAI का अपना Decisions API है, और 11 नवंबर, 2026 को Google ने Gemini Decisions API और उसके पीछे के मॉडल, Gemini Decision 1, के साथ इस दौड़ में कदम रखा।

Gemini Decision 1 केवल बंद प्रश्नों के उत्तर देता है, खुले प्रश्नों के नहीं: हाँ/ना जाँच, बहुविकल्प, और रूब्रिक स्कोर—एक अनुरोध में अधिकतम 1,000 तक। यह एक ही फॉरवर्ड पास में पाठ, छवियाँ, ऑडियो, वीडियो और PDF पढ़ता है, आउटपुट टोकन शून्य बिल करता है, और कीमत $0.10 प्रति 1M इनपुट टोकन है। Google 150–250 ms एंड-टू-एंड विलंबता और अपनी तुलना में सबसे कम कैलिब्रेशन त्रुटि रिपोर्ट करता है, Jev से आगे।

इस लेख में, मैं बताऊँगा कि Gemini Decision 1 क्या है, आप इससे क्या बना सकते हैं, यह Google के बेंचमार्क पर कैसा करता है, और इसकी लागत क्या है। यदि निर्णय मॉडल आपके लिए नए हैं, तो हमारे TypeSafe के Jev और OpenAI Decisions API पर गाइड देखें।

AI और डेटा क्षेत्र से अपडेट रहने के लिए, मैं हमारी साप्ताहिक न्यूज़लेटर The Median की सदस्यता लेने की सलाह देता हूँ।

संक्षेप में

• Gemini Decision 1 Google का पहला निर्णय मॉडल है: यह टेक्स्ट लिखने के बजाय विकल्पों को स्कोर करता है।
• Jev पर इसका लाभ मीडिया है: एक कॉल में छवियाँ, ऑडियो, वीडियो और PDF का मूल्यांकन किया जा सकता है।
• Google के चार्ट में इसकी कैलिब्रेशन सबसे अच्छी है, इसलिए इसके कॉन्फिडेंस स्कोर पर थ्रेशोल्ड लगाना समझदारी है।
• टूल-कॉल निर्णयों में Jev अब भी आगे है और Google के साझा इवैल्स में कुल मिलाकर सस्ता पड़ता है।
• इसे रूटिंग, पॉलिसी जाँच और ग्रेडिंग में उपयोग करें; यह एक शब्द भी जनरेट नहीं कर सकता।

Gemini Decision 1 क्या है?

Gemini Decision 1 (gemini-decision-1) एक विशेष मल्टीमॉडल मॉडल है जो साझा इनपुट के विरुद्ध टाइप किए गए प्रश्नों का मूल्यांकन करता है और कैलिब्रेटेड संभावनाएँ लौटाता है, वह भी शून्य आउटपुट टोकन के साथ। यह Google के नए Decisions API के पीछे का एकमात्र मॉडल है—यह Interactions API से अलग एंडपॉइंट है, जो Gemini के जनरेटिव मॉडलों को सर्व करता है।

एक सामान्य बड़े भाषा मॉडल (LLM) से फर्क उत्तर के आने के तरीके में है। जनरेटिव मॉडल "बिलिंग" टोकन-दर-टोकन लिखता है और आपका कोड उसे पार्स करता है; Gemini Decision 1 हर प्रत्याशी विकल्प को एक पास में स्कोर करता है और प्रत्येक के लिए संभावना लौटा देता है। न कोई टेक्स्ट पार्स करना, न सोचने का बजट, और न आउटपुट बिल।

Google की प्रमुख बात कैलिब्रेशन है: Gemini Decision 1 की अपेक्षित कैलिब्रेशन त्रुटि (ECE) इसकी तुलना में सबसे कम है, यानी इसका बताया गया कॉन्फिडेंस उतनी ही बार सही बैठता है। जब आपका कोड संभावना पर कार्रवाई करता है, तो यह कच्ची सटीकता से ज्यादा मायने रखता है।

Gemini Decision 1 की प्रमुख विशेषताएँ

Gemini Decision 1 एक ही काम करता है, इसलिए इसकी विशेषताएँ इस बात के इर्द-गिर्द हैं कि एक कॉल में उस काम का कितना हिस्सा समा सकता है।

एक ही इनपुट पर एक कॉल में अधिकतम 1,000 प्रश्न पूछें

आप एक साझा इनपुट और प्रश्नों का एक मैप भेजते हैं, और आपको प्रति प्रश्न एक टाइप किया हुआ उत्तर मिलता है। एकल अनुरोध 1 से 1,000 प्रश्नों तक ले जा सकता है, जिसे 262,144-टोकन कॉन्टेक्स्ट विंडो सीमित करती है, और हर प्रश्न इनपुट के विरुद्ध अलग-थलग चलता है, इसलिए प्रश्न एक-दूसरे को नहीं देखते।

तीन प्रश्न प्रकार अधिकांश बंद निर्णयों को कवर करते हैं:

• हाँ/ना (noul): यह संभावना कि एक कथन सही है, 0.01 से 0.99 तक।
• चॉइस: 2 से 255 में से एक विकल्प, हर विकल्प के लिए संभावना के साथ।
• स्कोर: 2 से 255 स्तरों की क्रमबद्ध रूब्रिक पर रेटिंग, जिसे संभावना-भारित अपेक्षित स्तर के रूप में लौटाया जाता है।

व्यावहारिक फायदा बिलिंग और विलंबता में है। साझा इनपुट का बिल प्रति अनुरोध एक बार लगता है, हर अतिरिक्त प्रश्न केवल अपने निर्देश और मानदंड टोकन जोड़ता है, और Google कहता है कि विलंबता 1 से 100 प्रश्नों तक लगभग स्थिर रहती है। किसी सपोर्ट संदेश को 40 पॉलिसी नियमों पर जाँचना, उसे एक नियम पर जाँचने से बहुत अधिक महँगा नहीं पड़ता—और समय भी लगभग उतना ही लगता है।

छवियों, ऑडियो, वीडियो और PDF का सीधे मूल्यांकन करें

Gemini Decision 1 मीडिया को नैटिव रूप से पढ़ता है, इसलिए आप बिना ट्रांसक्रिप्शन या ऑप्टिकल कैरेक्टर रिकग्निशन (OCR) के पहले कदम के, यह पूछ सकते हैं कि क्या स्कैन किया गया PDF क्लेम उसकी क्षति वाली तस्वीरों से मेल खाता है, या कोई कॉल रिकॉर्डिंग किस कतार में जानी चाहिए। Google यह भी बताता है कि ऑडियो ट्रांसक्रिप्शन या OCR के अलग शुल्क नहीं हैं, और आप इमेज और वीडियो इनपुट पर रेज़ोल्यूशन ट्यून कर सकते हैं ताकि विज़ुअल डिटेल बनाम टोकन लागत का संतुलन बैठा सकें।

यहीं Jev और GPT-6 Luna से सबसे साफ़ बढ़त दिखती है—दोनों में से किसी के पास Google के ऑडियो और वीडियो बेंचमार्क पर स्कोर नहीं है। Google की अपनी टीमें इसे लाइव मीडिया पर इस्तेमाल करती हैं: Google Labs का CC 200 से अधिक विकल्पों में से सेकंड के अंश में इमोजी रिएक्शन चुनता है, और Stitch का रैपिड कैनवस आवाज़ और टैप एडिट्स लगभग तुरंत लागू करता है।

डॉक्स से दो सावधानियाँ: प्रश्न निर्देश केवल टेक्स्ट स्वीकार करते हैं, और API YouTube URLs और सीधे gs:// Cloud Storage URI अस्वीकार करती है, इसलिए मीडिया Files API, किसी HTTPS URL, या इनलाइन बाइट्स के जरिए जाता है।

ऐसा कॉन्फिडेंस स्कोर पाएँ जिस पर आप रूट कर सकें

हर उत्तर 0 से 1 के बीच कॉन्फिडेंस स्कोर लाता है—यह अनुमानित संभावना कि शीर्ष उत्तर सही है। इरादा पैटर्न है: थ्रेशोल्ड से ऊपर ऑटोमेटिक कार्रवाई करें और बाकी को फॉलबैक या मानव समीक्षक के पास भेजें।

Google साफ़ कहता है कि थ्रेशोल्ड तय करना आपका काम है: अपनी ट्रैफ़िक के लेबल वाले उदाहरणों से सेट करें और फॉल्स पॉज़िटिव्स बनाम फॉल्स नेगेटिव्स के बीच संतुलन बैठाएँ। Google के इवैल्स पर अच्छी कैलिब्रेशन एक शुरुआती बिंदु है—यह प्रमाण नहीं कि आपके डेटा पर भी वैसा ही रहेगा।

अनुरोधों को सही मॉडल तक रूट करें

मुख्य उपयोग मामला जनरेटिव मॉडलों के सामने कंट्रोल प्लेन के रूप में है। Gemini Notebook Decisions API का उपयोग कर हर आने वाली क्वेरी को सही मॉडल टियर और सोचने के स्तर तक भेजता है, रोज़मर्रा की क्वेरियों को 40% तक कम विलंबता के साथ सर्व करते हुए जटिल प्रश्नों के लिए डीप रीजनिंग मॉडलों को बचाकर रखता है।

Google Search इसे Model Context Protocol (MCP) टूल्स के लिए सेफ्टी लेयर के रूप में उपयोग करता है, अपनी विलंबता सीमा के भीतर विरोधी व्यवहार का पता लगाने के लिए। यह पैटर्न सामान्यीकृत किया जा सकता है: जहाँ भी आप अभी किसी जनरेटिव मॉडल को केवल एक लेबल पाने के लिए कॉल करते हैं, वहाँ एक निर्णय मॉडल वही काम तेज़ी से और बिना पार्सिंग के कर देता है।

बेंचमार्क पर Gemini Decision 1 का प्रदर्शन कैसा है?

Google की रिपोर्ट के अनुसार Gemini Decision 1 9 में से 7 एक्युरेसी बेंचमार्क में आगे है और इसकी कैलिब्रेशन त्रुटि सबसे कम है, लेकिन Jev 1.14 दो टूल-और-एक्शन बेंचमार्क में जीतता है और कुल मिलाकर सस्ता पड़ता है। तुलना में Jev 1.14, OpenAI के Decisions API पर GPT-6 Luna, और Interactions API पर न्यूनतम थिंकिंग के साथ Gemini 3.5 Flash-Lite शामिल हैं। स्कोर Google-रिपोर्टेड हैं, और हर पंक्ति में सर्वश्रेष्ठ बोल्ड में है।

रूटिंग, रैंकिंग, और रीजनिंग

सबसे बड़ी बढ़त New Yorker Caption (केवल-टेक्स्ट) पर है, जहाँ Gemini Decision 1 79.7% स्कोर करता है, जबकि Jev 1.14 का 72.0% और GPT-6 Luna का 68.4% है।

Jev पर अधिकांश बढ़त 1–2 अंकों की है, जो शोर के क़रीब है। अगर आप एजेंट राउटर बना रहे हैं, तो When2Call देखने लायक है: वहाँ Jev की 2-अंकों की बढ़त ठीक उसी निर्णय पर पड़ती है जो ऐसे राउटर सबसे ज़्यादा लेते हैं।

ऑडियो और वीडियो

Gemini Decision 1 बिना सबटाइटल्स के Video-MME पर 69.1% स्कोर करता है, जबकि Gemini 3.5 Flash-Lite 63.3% पर है। Jev और GPT-6 Luna—दोनों के पास किसी भी मीडिया बेंचमार्क पर स्कोर नहीं है।

तो ऑडियो और वीडियो पर तुलना केवल Google के अपने जनरेटिव मॉडल से है। आउटपुट टोकन शून्य बिल करते हुए Flash-Lite से लगभग 4–6 अंकों की बढ़त मीडिया निर्णयों के लिए फिर भी मज़बूत दलील है।

कैलिब्रेशन और लागत

साझा 7 इवैल्स पर Gemini Decision 1 का Top-1 ECE 0.0250 चार्ट में सबसे अच्छा है—Jev 1.14 के 0.0494 और GPT-6 Luna के 0.0721 से आगे।

कीमत पर तस्वीर उलट जाती है। उन्हीं 7 इवैल्स में Jev चार्ट का सबसे सस्ता मॉडल है।

Google का "लगभग 5x सस्ता" दावा उसके अपने Gemini 3.5 Flash-Lite के विरुद्ध है। Jev के मुकाबले, आप बेहतर कैलिब्रेशन और मीडिया सपोर्ट के लिए लगभग 30% अधिक दे रहे हैं।

Gemini Decision 1 की कीमत और उपलब्धता

Gemini Decision 1 की कीमत पेड टियर पर $0.10 प्रति 1M इनपुट टोकन है, और कोई आउटपुट चार्ज नहीं क्योंकि यह शून्य आउटपुट टोकन जनरेट करता है। टेक्स्ट, इमेज, वीडियो, ऑडियो और PDF—सभी इनपुट एक ही दर पर बिल होते हैं।

• फ्री टियर: Google AI Studio में प्रोटोटाइपिंग के लिए उपलब्ध—200 अनुरोध प्रति मिनट और 10,000 अनुरोध प्रतिदिन। फ्री-टियर डेटा Google के उत्पादों में सुधार के लिए उपयोग होता है; पेड-टियर डेटा नहीं।
• पेड टियर: टियर 1 में 1,500 अनुरोध प्रति मिनट की अनुमति, जो टियर 3 में 15,000 तक बढ़ती है।
• समर्थित नहीं: कॉन्टेक्स्ट कैशिंग, Batch API, और Flex या Priority इन्फ़रेंस—इसलिए अनुरोधों के बीच दोहराए गए इनपुट का हर बार पूरा बिल लगेगा।
• स्थिति: अभी Gemini Developer API (v1beta) पर उपलब्ध।

ग़ायब कॉन्टेक्स्ट कैश दिखने से ज़्यादा मायने रखता है। यदि आप हर कुछ सेकंड में नए प्रश्न के साथ उसी लंबे दस्तावेज़ की जाँच करते हैं, तो हर कॉल पर उस दस्तावेज़ का बिल लगेगा; इसके बजाय प्रश्नों को एक ही अनुरोध में बैच करें।

Gemini Decision 1 तक एक्सेस कैसे पाएँ?

API मॉडल ID gemini-decision-1 है, जिसे google-genai SDK में v1beta API वर्ज़न के साथ client.decisions.create के जरिए कॉल किया जाता है। Google AI Studio में कोड लिखने से पहले प्रश्नों के परीक्षण के लिए Decisions Playground भी है।

OpenRouter पर मॉडल google/gemini-decision-1 है, जो System One एंडपॉइंट से सर्व होता है जिसका उपयोग Jev के लिए होता है—यानी चैट कंप्लीशन एंडपॉइंट नहीं। Google कहता है कि LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit, और OpenCode में इंटीग्रेशन रोल आउट हो रहे हैं, और Google Cloud में Gemini का सपोर्ट जल्द आ रहा है। 12 नवंबर, 2026 तक यह Vertex AI मॉडल डॉक्स में सूचीबद्ध नहीं है।

यहाँ एक न्यूनतम व्यय-क्लेम जाँच है जो एक नोट पर दो प्रश्न पूछती है:

from google import genai

client = genai.Client(http_options={"api_version": "v1beta"})
result = client.decisions.create(
    model="gemini-decision-1",
    input="Team dinner, 6 people, $412 incl. wine. Receipt attached.",
    questions={
        "has_alcohol": {"type": "noul", "instructions": "Does the claim include alcohol?"},
        "category": {
            "type": "choice",
            "instructions": "Which expense category fits this claim?",
            "criteria": {"meals": "Food and drink.", "travel": "Flights, trains, hotels.", "other": "Anything else."},
        },
    },
)
print(result.answers["has_alcohol"].noul, result.answers["category"].choice)संचालित द्वारा

निर्णय-मॉडल पाइपलाइन के पूरे वर्क्ड उदाहरण के लिए, हमारा Jev टिकट राउटर ट्यूटोरियल उन्हीं प्रश्नों, थ्रेशोल्ड्स, और फॉलबैक्स के पैटर्न को कवर करता है।

अंतिम विचार

Gemini Decision 1 ने निर्णय मॉडलों को तीन-वेंडर श्रेणी बना दिया है, और Google वह चीज़ लेकर आया जो TypeSafe और OpenAI नहीं लाए: ऐसा निर्णय मॉडल जो नैटिव रूप से छवियाँ, ऑडियो, वीडियो और PDF पढ़ता है। अपनी ही तुलना में सर्वश्रेष्ठ कैलिब्रेशन के साथ, जब आप कॉन्फिडेंस स्कोर पर कार्रवाई करते हैं, तो यह सुरक्षित विकल्प बनता है।

यह पूरी तरह की जीत नहीं है। Google के साझा इवैल्स में Jev 1.14 सस्ता पड़ता है और टूल-कॉल निर्णयों पर बेहतर है, इसलिए केवल-टेक्स्ट एजेंट राउटर के लिए तुरंत स्विच करने का कोई दबाव नहीं। जहाँ भी मीडिया या PDF शामिल हों, वहीं मैं Gemini Decision 1 से शुरुआत करूँगा।

यदि आप ऐसे मॉडलों के इर्द-गिर्द एप्लिकेशन बनाना चाहते हैं, तो हमारा Developing AI Applications स्किल ट्रैक देखना मैं सुझाऊँगा।