HyperAIHyperAI

Command Palette

Search for a command to run...

Multimodal
LLM

Gemini Decisions API: schnelle Multimodal-Entscheidungen

Google hat die Gemini Decisions API eingeführt, einen neuen Endpunkt für schnelle Entscheidungen aus definierten Optionsmengen. Das Angebot basiert auf dem neuen Modell Gemini Decision 1 und ist über die Gemini API in Google AI Studio verfügbar. Die Schnittstelle richtet sich an Anwendungsfälle wie Tool-Auswahl, Policy-Prüfungen, Modell-Routing und Kontext-Bewertungen. Nutzer können eine multimodale Eingabe mit Text, Bildern, Audio, Video und PDFs bis zu 256.000 Tokens senden und bis zu 1.000 unabhängige Fragen daran adressieren. Gemini Decision 1 erzeugt keine Antworttexte tokenweise, sondern bewertet Kandidatenoptionen in einem einzigen Modellpass und liefert Wahrscheinlichkeiten sowie Konfidenzwerte. Die Medianlatenz liegt bei 50 bis 100 Millisekunden Modellrechenzeit und 150 bis 250 Millisekunden von der Anfrage bis zur Antwort; sie bleibt bei Kontexten bis 16.000 Tokens und einer bis 100 Fragen pro Anfrage nahezu konstant. Preislich kostet das Modell 0,10 US-Dollar pro eine Million Eingabe-Tokens, während Ausgabe-Tokens nicht berechnet werden. Laut Google ist der Ansatz auf einer gemeinsamen Benchmark-Suite rund fünfmal günstiger als Gemini 3.5 Flash-Lite über die Interactions API. Durch die native Multimodalität lassen sich verschiedene Modalitäten in einer geteilten Eingabe kombinieren, etwa eine Anrufaufnahme mit Metadaten oder ein gescanntes Schadensformular mit Fotos. In einer Anfrage können Ja-Nein-Prüfungen, Multiple-Choice-Entscheidungen und Bewertungsskalen gemischt werden. Jede Antwort enthält einen Konfidenzwert zwischen 0 und 1, damit unsichere Fälle automatisch an einen Fallback oder eine menschliche Prüfung übergeben werden können. Der geteilte Eingabeprompt wird pro Anfrage nur einmal berechnet; jede Frage erhöht nur die Kosten für ihre eigenen Instruktionen und Bewertungskriterien. Zusätzlich entfallen variable Kosten für interne Denkschritte sowie separate Gebühren für Audio-Transkription oder Zeichenenerkennung. Entwickler können über Google AI Studio sofort einen API-Schlüssel erhalten und Prototypen im kostenlosen Kontingent bauen. Google verweist auf Demos wie Doorstep Parcels, Speed Sketch und Find the Zoo Keeper sowie auf Dokumentationen für Python, JavaScript und REST. Ökosystemintegrationen werden im Zuge des Starts über OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit und OpenCode ausgerollt; Unterstützung für Gemini in Google Cloud soll folgen.

Verwandte Links