Google bringt Gemini Decisions API: Ein Modell ohne Textgenerierung entscheidet bis zu 1.000 Fragen pro Aufruf

Google steigt nun ebenfalls in das Rennen um „Entscheidungsmodelle“ ein. Am 11. November präsentierte Google DeepMind die Gemini Decisions API, einen neuen Endpunkt der Gemini API, der auf einem dedizierten Modell namens Gemini Decision 1 aufsetzt. Das Grundprinzip: keinerlei Texte verfassen, sondern reine Entscheidungen treffen.

Wahrscheinlichkeiten statt Fließtext

Ein klassisches generatives Modell antwortet Wort für Wort; wenn ein Programm lediglich wissen muss, ob es ein bestimmtes Werkzeug aufrufen soll oder ob eine Nachricht gegen Regeln verstößt, muss dieser Text erst geparst werden – was zusätzliche Latenz und Interpretationsfehler verursacht. Gemini Decision 1 funktioniert genau umgekehrt: Es nimmt eine Eingabe sowie eine Liste geschlossener Fragen entgegen, evaluiert sämtliche Antwortoptionen in einem einzigen Durchlauf und gibt für jede eine Wahrscheinlichkeit sowie einen Konfidenzwert aus.

Die Dokumentation beschreibt drei Fragetypen: Ja/Nein, Auswahl aus 2 bis 255 Optionen und Bewertung anhand einer geordneten Skala. Eine einzige Anfrage kann bis zu 1.000 Fragen umfassen, bezogen auf eine gemeinsame Eingabe, die Text, Bilder, Audio, Video und PDFs kombinieren kann. Die Fragen werden unabhängig voneinander bewertet, ohne wechselseitige Sichtbarkeit; Google empfiehlt, präzise Einzelfragen zu stellen und diese anschließend im Code über gewöhnliche Bedingungen zu verknüpfen.

Was Google verspricht – und was das Modell nicht kann

Die versprochenen Kennzahlen zielen direkt auf Agentenanwendungen: 150 bis 250 Millisekunden End-to-End-Latenz, nahezu gleichbleibend für eine wie für hundert Fragen, und ein Preis von 0,10 Dollar pro Million Eingabetoken, wobei keinerlei Ausgabetoken berechnet werden. Die geteilte Eingabe wird unabhängig von der Anzahl der Fragen nur einmal abgerechnet. Google nennt dafür interne Anwendungsfälle: das Routing von Anfragen an das passende Modell in Gemini Notebook (laut Unternehmen bis zu 40 Prozent weniger Latenz bei Standardanfragen), die Auswahl eines Emojis aus über 200 Optionen in der CC-App oder die Erkennung schädlicher Verhaltensweisen für MCP-Werkzeuge in der Google-Suche.

Das Modell-Datenblatt legt auch offen, was nicht unterstützt wird: keine Textgenerierung, keine Funktionsaufrufe, keine Batch-API und kein Caching. Es handelt sich um ein Weichenstellwerk, nicht um einen Assistenten.

Google behauptet, dass sein Modell in den hauseigenen Testreihen die Spitzenposition mit der besten Kalibrierung belege und bei diesen Tests fast fünfmal günstiger sei als Gemini 3.5 Flash-Lite.

Ein erstes unabhängiges Urteil fällt nuancierter aus

Noch am selben Tag veröffentlichte Artificial Analysis eigene Messwerte. Im hauseigenen Decision Index v2.1, der Genauigkeit und Kalibrierung kombiniert, erzielt Gemini Decision 1 einen Wert von 66 Punkten: ein solides Ergebnis, das jedoch hinter Drex Max v1.1 und GLiDE v1.2 (jeweils 73) sowie weiteren spezialisierten Entscheidungsmodellen zurückbleibt. Bei Wissens- und Logikprüfungen setzt es sich allerdings an die Spitze der Entscheidungsmodelle. Bei der Geschwindigkeit verarbeitet es eine Aufgabe im Schnitt in 211 Millisekunden – genau im von Google angegebenen Rahmen. Beim Preis dreht sich das Bild jedoch: 345 Dollar pro Million Aufgaben im Index stehen 103 Dollar für Drex Max v1.1, 68 Dollar für Decider v1.2 und 14 Dollar für Celeris-1.1 Decision gegenüber. Das Modell ist somit zwar günstiger als generative Modelle, aber keineswegs das preiswerteste seiner Klasse.