Google startet Gemini Decisions API für schnelle, multimodale Entscheidungsfindung

Image: Comparison of Gemini Decision and other APIs against various benchmarks · Source

Google stellt die Gemini Decisions API mit dem Modell Gemini Decision 1 vor, die schnelle, kalibrierte Ja/Nein-, Multiple-Choice- und Bewertungsentscheidungen über Text, Bilder, Audio, Video und PDFs in einem Durchgang mit niedriger Latenz und Kosten ermöglicht.

Google hat die Gemini Decisions API vorgestellt, ein neues Werkzeug, das schnelle, kalibrierte Entscheidungen über verschiedene Datentypen hinweg erlaubt, darunter Text, Bilder, Audio, Video und PDFs. Die API wird vom neuesten Modell Gemini Decision 1 angetrieben und ist über die Gemini API auf Google AI Studio zugänglich.

Diese Technologie kann bis zu 1.000 verschiedene Ja/Nein-, Multiple-Choice- und Rubrik-Bewertungsfragen in einem einzigen Durchlauf einer kombinierten multimodalen Eingabe verarbeiten, die Text und Medien mit bis zu 256.000 Tokens umfassen kann. Im Gegensatz zu traditionellen generativen Ansätzen, die Ausgabe Token für Token erzeugen, bewertet Gemini Decision 1 Kandidatenoptionen gleichzeitig und liefert Konfidenzwerte und Wahrscheinlichkeiten in etwa 150 bis 250 Millisekunden End-to-End-Latenz.

Laut Min Choi, Produktmanager bei Google DeepMind, und Felix Yu, leitendem Wissenschaftler, bietet dieser Ansatz eine hocheffiziente und kostengünstige Möglichkeit, umfangreiche Entscheidungsaufgaben wie Richtlinienprüfungen, Inhaltsbewertung und Anfragen-Routing zu bewältigen. Die API kostet 0,10 $ pro Million Eingabetoken ohne Gebühren für Ausgabetoken, was sie fast fünfmal günstiger macht als frühere Modelle wie Gemini 3.5 Flash-Lite über die Interactions API.

Die Gemini Decisions API unterstützt drei Entscheidungstypen: binäre Ja/Nein-Bewertungen, Multiple-Choice-Auswahl mit 2 bis 255 Optionen sowie geordnete Rubrik-Scores, die gewichtete kontinuierliche Ergebnisse liefern. Entwickler können verschiedene Eingabemodalitäten kombinieren, beispielsweise Audioanrufaufnahmen mit Kontoinformationen oder gescannte PDF-Dokumente mit Fotos, wobei die visuelle Auflösung zur Balance zwischen Details und Tokenkosten optimiert wird.

Mehrere Google-Teams verwenden die API bereits für vielfältige Anwendungen. Beispielsweise nutzt Gemini Notebook sie, um Anfragen dynamisch an die jeweils passendste KI-Modellstufe weiterzuleiten und verbessert so die Latenz um bis zu 40 %. Das Design-Tool Stitch integriert die API für schnelle Erstellung von Produktfluss-Wireframes mit nahezu Echtzeit-Bearbeitung, und die Google Labs App CC für die sofortige Auswahl von Emoji-Reaktionen. Zudem setzt Google Search die API als Sicherheitsschicht ein, um gegnerische Inhalte effizient innerhalb enger Latenzvorgaben zu erkennen.

Entwickler können sofort mit der Nutzung der Gemini Decisions API beginnen, indem sie einen API-Schlüssel von Google AI Studio erhalten, wo Dokumentation und Beispielanwendungen in Python, JavaScript und REST-Formaten verfügbar sind. Die API integriert sich außerdem in mehrere populäre Ökosysteme und Plattformen wie OpenRouter, LangChain, Vercel, LiteLLM und mehr, mit zukünftigem Support für Gemini in Google Cloud.

Diese Veröffentlichung spiegelt Googles anhaltenden Fokus auf skalierbare, latenzarme KI-Werkzeuge wider, die komplexe multimodale Eingaben schnell evaluieren und so reaktionsfähigere und intelligentere Anwendungen in verschiedenen Branchen ermöglichen.