Gemini Decision 1: возможности, бенчмарки, цены и доступ

Модели для принятия решений выделяются в отдельную категорию. Jev от TypeSafe возвращает типизированные ответы с вероятностями вместо текста, у OpenAI есть собственный Decisions API, а 11 ноября 2026 года Google присоединилась с Gemini Decisions API и моделью, стоящей за ним, — Gemini Decision 1.

Gemini Decision 1 отвечает только на закрытые вопросы — никогда на открытые: проверки да/нет, множественный выбор и оценки по рубрике, до 1 000 вопросов за запрос. Она обрабатывает текст, изображения, аудио, видео и PDF за один прямой проход, не тарифицирует выходные токены и стоит $0.10 за 1 млн входных токенов. По данным Google, сквозная задержка составляет 150–250 мс, а ошибка калибровки — самая низкая в сравнении, опережая Jev.

В этой статье рассмотрим, что такое Gemini Decision 1, что с ней можно построить, как она показывает себя в бенчмарках Google и во сколько обходится. Если модели для принятия решений для вас в новинку, посмотрите наши материалы о Jev от TypeSafe и OpenAI Decisions API.

Чтобы быть в курсе новостей ИИ и данных, рекомендуем подписаться на нашу еженедельную рассылку The Median.

Итоги кратко

• Gemini Decision 1 — первая у Google модель для принятия решений: она оценивает варианты вместо генерации текста.
• Её преимущество перед Jev — мультимедиа: один вызов может оценивать изображения, аудио, видео и PDF.
• Лучшая калибровка в таблице Google — значит, именно её оценки уверенности стоит брать в пороговые решения.
• Jev по‑прежнему лидирует в решениях с вызовом инструментов и дешевле на общих тестах Google.
• Используйте для маршрутизации, проверок политик и оценивания; текст она не генерирует вовсе.

Что такое Gemini Decision 1?

Gemini Decision 1 (gemini-decision-1) — специализированная мультимодальная модель, которая оценивает типизированные вопросы относительно общего входа и возвращает откалиброванные вероятности без выходных токенов. Это единственная модель за новым Decisions API от Google — отдельной конечной точкой от Interactions API, который обслуживает генеративные модели Gemini.

Разница с обычной большой языковой моделью (LLM) — в формате ответа. Генеративная модель «пишет» ответ токен за токеном, а ваш код его парсит; Gemini Decision 1 за один проход выставляет оценку каждому варианту и возвращает вероятность для каждого. Парсить текст не нужно, нет «бюджета размышлений» и нет оплаты за выход.

Ключевая заявка Google — калибровка: у Gemini Decision 1 самая низкая ожидаемая ошибка калибровки (ECE) в сравнении, то есть заявленная уверенность соответствует фактической точности. Это важнее голой точности, когда ваш код действует на основе вероятности.

Ключевые возможности Gemini Decision 1

Gemini Decision 1 решает одну задачу, поэтому её возможности — о том, сколько этой задачи уместится в один вызов.

Задавайте до 1 000 вопросов к одному входу за один вызов

Вы отправляете один общий вход и карту вопросов — получаете по одному типизированному ответу на вопрос. В один запрос можно поместить от 1 до 1 000 вопросов в пределах контекстного окна 262 144 токена, и каждый вопрос оценивается относительно входа изолированно — вопросы не «видят» друг друга.

Три типа вопросов покрывают большинство закрытых решений:

• Да/нет (noul): вероятность истинности утверждения от 0.01 до 0.99.
• Выбор: один вариант из 2–255, с вероятностью для каждого варианта.
• Оценка: балл по упорядоченной рубрике из 2–255 уровней, возвращается как математическое ожидание уровня с учётом вероятностей.

Практическая выгода — в тарификации и задержке. Общий вход тарифицируется один раз за запрос, каждый дополнительный вопрос добавляет только свои токены инструкций и критериев, а Google утверждает, что задержка почти не растёт от 1 до 100 вопросов. Проверка обращения в поддержку по 40 правилам политики стоит лишь немного дороже, чем по одному, и занимает примерно столько же времени.

Оценивайте изображения, аудио, видео и PDF напрямую

Gemini Decision 1 нативно читает мультимедиа, поэтому можно спросить, соответствует ли заявка в отсканированном PDF фотографиям повреждений, или в какую очередь отправить запись звонка, — без предварительной транскрибации или OCR. Google отмечает, что отдельной тарификации за транскрибацию аудио или OCR нет, а разрешение изображений и видео можно настраивать, балансируя визуальную детализацию и токен‑стоимость.

Это самый явный разрыв с Jev и GPT-6 Luna: ни у одной из них нет оценок на аудио- и видеобенчмарках Google. Команды Google применяют модель на живых медиаданнах: CC из Google Labs подбирает эмодзи-реакцию из более чем 200 вариантов за доли секунды, а Stitch’s rapid canvas почти мгновенно применяет голосовые и тач-правки.

Два ограничения из документации. Инструкции к вопросам принимают только текст, а API отклоняет YouTube‑URL и прямые gs://-URI Cloud Storage, поэтому медиа передаются через Files API, HTTPS‑ссылку или инлайновые байты.

Получайте оценку уверенности, по которой можно маршрутизировать

Каждый ответ содержит оценку уверенности от 0 до 1 — оценочную вероятность того, что лучший ответ верен. Рекомендуемый паттерн: действовать автоматически выше порога, а всё остальное отправлять на запасной сценарий или ручную проверку.

Google прямо указывает, что выбор порога — на вашей стороне: подбирайте его по размеченным примерам собственного трафика, взвешивая ложноположительные и ложноотрицательные. Хорошая калибровка на тестах Google — стартовая точка, а не гарантия для ваших данных.

Маршрутизируйте запросы на подходящую модель

Ключевой сценарий — «контрольная плоскость» перед генеративными моделями. Gemini Notebook использует Decisions API, чтобы отправлять каждый входящий запрос в нужный тариф и уровень «размышлений», обслуживая повседневные запросы с до 40% меньшей задержкой и сохраняя глубокие модели рассуждения для сложных случаев.

Google Search применяет её как слой безопасности для инструментов по Model Context Protocol (MCP), выявляя атакующее поведение в заданном бюджете задержки. Паттерн обобщается: везде, где вы сейчас вызываете генеративную модель лишь ради метки, модель решений делает то же быстрее и без парсинга.

Как Gemini Decision 1 показывает себя на бенчмарках?

Gemini Decision 1 лидирует в 7 из 9 бенчмарков точности, опубликованных Google, и имеет самую низкую ошибку калибровки, но Jev 1.14 выигрывает два теста на инструменты и действия и в целом дешевле. Сравнение включает Jev 1.14, GPT-6 Luna на Decisions API от OpenAI и Gemini 3.5 Flash‑Lite на Interactions API с минимальным «мышлением». Оценки приводятся по данным Google; лучший результат в строке выделен полужирным.

Маршрутизация, ранжирование и рассуждение

Самое большое преимущество — на New Yorker Caption (только текст): у Gemini Decision 1 — 79.7% против 72.0% у Jev 1.14 и 68.4% у GPT-6 Luna.

Большинство преимуществ над Jev — 1–2 пункта, что близко к шуму. When2Call — ключевой тест для маршрутизаторов агентов: преимущество Jev на 2 пункта приходится как раз на решение, которое такие маршрутизаторы принимают чаще всего.

Аудио и видео

Gemini Decision 1 набирает 69.1% на Video‑MME без субтитров против 63.3% у Gemini 3.5 Flash‑Lite. У Jev и GPT‑6 Luna нет оценок ни по одному медиа‑бенчмарку.

По аудио и видео сравнение фактически только с генеративной моделью Google. Преимущество над Flash‑Lite примерно на 4–6 пунктов при нулевой тарификации выходных токенов — всё ещё весомый довод в пользу решений по мультимедиа.

Калибровка и стоимость

Top‑1 ECE Gemini Decision 1 — 0.0250 по 7 общим тестам — лучший в таблице, впереди Jev 1.14 с 0.0494 и GPT‑6 Luna с 0.0721.

Цена — где картина меняется. По тем же 7 тестам Jev — самая дешёвая модель в таблице.

Заявление Google о «почти в 5 раз дешевле» — относительно её же Gemini 3.5 Flash‑Lite. По сравнению с Jev вы платите примерно на 30% больше за лучшую калибровку и поддержку мультимедиа.

Цены и доступность Gemini Decision 1

Gemini Decision 1 стоит $0.10 за 1 млн входных токенов на платном тарифе, без оплаты за выход — модель не генерирует выходные токены. Текст, изображение, видео, аудио и PDF тарифицируются по одной ставке.

• Бесплатный тариф: доступен в Google AI Studio для прототипирования, до 200 запросов в минуту и 10 000 запросов в день. Данные бесплатного тарифа используются для улучшения продуктов Google; данные платного тарифа — нет.
• Платные тарифы: Уровень 1 — до 1 500 запросов в минуту, до 15 000 на уровне 3.
• Не поддерживается: кэш контекста, Batch API и Flex или Priority‑инференс, поэтому повторяющийся вход между запросами тарифицируется полностью каждый раз.
• Статус: доступна сейчас через Gemini Developer API (v1beta).

Отсутствующий кэш контекста важнее, чем кажется. Если вы проверяете один и тот же длинный документ новым вопросом каждые несколько секунд, вы платите за документ при каждом вызове; вместо этого объединяйте вопросы в один запрос.

Как получить доступ к Gemini Decision 1?

ID модели в API — gemini-decision-1, вызов через client.decisions.create в SDK google-genai с версией API v1beta. В Google AI Studio также есть Decisions Playground для тестирования вопросов до написания кода.

В OpenRouter модель — google/gemini-decision-1, обслуживается через конечную точку System One, как у Jev, так что не через chat completions. Google сообщает о внедрении интеграций в LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit и OpenCode; поддержка Gemini в Google Cloud «скоро». В документации по моделям Vertex AI на 12 ноября 2026 года она не указана.

Ниже — минимальная проверка расходов по заявке с двумя вопросами к одной записке:

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)Работает на

Полный пример конвейера на модели решений — в нашем руководстве по маршрутизатору тикетов на Jev — с теми же паттернами вопросов, порогов и запасных сценариев.

Итоги

Gemini Decision 1 делает модели решений категорией с тремя вендорами, и Google привносит то, чего не было у TypeSafe и OpenAI: модель решений, которая нативно читает изображения, аудио, видео и PDF. С лучшей калибровкой в собственной таблице это более безопасный выбор, когда вы полагаетесь на оценки уверенности.

Победа не безоговорочная. Jev 1.14 дешевле на общих тестах Google и лучше в решениях с вызовом инструментов, так что для текстового маршрутизатора агентов переключаться незачем. Всё, что связано с мультимедиа или PDF, — с этого и стоило бы начинать с Gemini Decision 1.

Если хотите строить приложения вокруг таких моделей, рекомендуем ознакомиться с нашим скилл‑треком Developing AI Applications.