TechFlow Logo
ログイン/ 登録
ETHガス
Gwei
恐怖
gas
グーグル Gemini Decision 1 リリース:逐次生成は行わず、1回のリクエストで1000問を判定

グーグル Gemini Decision 1 リリース:逐次生成は行わず、1回のリクエストで1000問を判定

2026.11.12
共有先
グーグルが初のデシジョンモデル「Gemini Decision 1」を発表。逐次生成が不要となり、1回のリクエストで1000件の質問を判定可能。9つのベンチマークテストで7つにて首位を記録し、最高精度は92.2%。

著者:冬梅、AIフロントライン

全体のAI業界がまだより多くのトークンを生成できるか、推論能力の優劣を競っている中で、Googleは文字列としての生成に頼らない新モデルを発表した。

このほどGoogleはGemini Decision 1を正式に発表するとともに、同モデルを搭載したGemini Decisions APIをリリースした。従来の生成型大規模モデルとは異なり、このモデルは迅速な意思決定用に特別に設計されており、トークンを逐次生成する必要はなく、単一の順伝播処理によって事前に設定された候補答えに対してスコアリングを行う。

GoogleのCEOであるサトル・ピチャイ氏もXプラットフォームで投稿し、Gemini Decision 1の主要な機能を解説している。彼はこう記している。

今日、Google AI StudioにおいてGemini Decisions APIを正式にローンチしました。これは全く新しいGemini Decision 1モデルによって駆動されています。

従来のモデルがトークンを逐次生成してテキストを作成するのと異なり、このモデルは閉じた選択肢セットからの意思決定タスク向けに設計されています。単一のプロセス内で、テキスト、画像、音声、動画、PDFから最大1000の問題に対する評価を行います。

特に注目すべきポイントは以下の通りです。

  • 3種類の意思決定タイプをサポート:はい/いいえ判定、複数選択肢(最大255オプション)、および採点基準に基づくスコアリング;
  • 入力トークン100万あたり価格はわずか0.10ドル、出力トークンは無料、コストはFlash-Liteの約5分の1;
  • 複数のベンチマークテストで首位を走り、同時に最も低いキャリブレーション誤差を実現。

Googleの内部チームはこの技術の使用を既に始めている。

また、Stitch Rapidが数秒間で完全なプロダクトフローをデザインするデモを公開しており、動画は標準の1倍速で再生されている。

この紹介から、Gemini Decision 1と従来の大規模モデルとの最大の違いが明らかになった。それは正解を言葉にするのではなく、既存の選択肢から判断を下すことを担当するという点だ。

従来、開発者がAIにメールがスパムかどうかを判定させたり、あるタスクをどのエージェントに委譲するかを決定させたりする場合、通常は生成型大規模モデルを呼び出し、その出力テキストから結果を抽出する必要があった。Gemini Decision 1はこの逐語的なデコーディングプロセスを省略する。

開発者は入力内容、判定対象の質問、候補選択肢を提供するだけでよく、モデルは対応する判断結果、確率、信頼度を直接返却する。

つまり、本来分類、スコアリング、または選択結果だけで済むタスクに対し、AIは一連のテキスト生成プロセスを完了させる必要がなくなる。

Googleが発表したデータによると、Gemini Decision 1は1回のリクエストで最大1000の独立した問題を処理でき、テキスト、画像、音声、動画、PDFなどのマルチモーダル入力をサポートし、エンドツーエンドのレイテンシーはわずか150〜250ミリ秒だ。

コスト面でも攻撃的な価格設定となっている:入力トークン100万あたり0.10ドルのみ、出力トークンは無料。Googleが公開した同じベンチマークテストでは、呼び出しコストがGemini 3.5 Flash-Liteと比較して約5割安くなっている。

さらに注目は、これが単なる選択問題用のモデルではないということだ。GoogleはすでにAIモデルルーティング、エージェントツール選択、製品設計、セキュリティ検査などの用途に活用しており、AIシステム内で判断と意思決定を専門に担当する基盤コンポーネントへと進化させる狙いがある。

一度に1000件の問題を処理、最大255のオプション

Googleが公開した技術資料によると、Gemini Decision 1は3つのコアな意思決定機能を提供する。

1つ目はYes/No(二値判定)だ。例えば、画像に安全上のリスクが存在するか、あるいはテキストが特定のルールに違反していないかを判定する。モデルは対応する条件が成立する確率を出力する。

2つ目はMultiple Choice(複数選択肢)だ。開発者は2〜255個の候補選択肢を事前に設定でき、モデルは条件に最も合致する答えを選出するだけでなく、各候補項目の正規化済み確率も返却する。

3つ目はOrdered Rubric(順序付きルーブリック評価)だ。開発者は異なる段階の採点基準を独自に定義でき、モデルに入力内容を評価させて、連続重み付けスコアおよび各段階の確率を返却させることができる。

これら3つのタスクは1回のリクエストの中で混合して実行することも可能だ。

Googleは簡単な例を提示している。オフィスティーラウンジのカウンターの写真をモデルにアップロードし、説明文を添えて、机の上に液だれがあるか、どのような清掃対策を取るべきか、現場の深刻度はどれくらいかという判断を同時に行うよう求めている。

従来の方法では複数の分類器を設計したり、生成型大規模モデルを使って異なるプロンプトタスクを実行したりする必要があるかもしれない。Gemini Decision 1ならこれらを1回のリクエストで完了できる。

さらに、モデルは最大256Kトークンのマルチモーダル入力コンテキストをサポートする。エンタープライズユースケースでは、これは開発者が通話録音と顧客データを組み合わせて分析したり、保険請求書と現場写真を併せて判断材料にしたりできることを意味する。

すべての意思決定には0〜1の信頼度が付与され、システムが不確実な結果を他のモデルや人間による審査へ振り分けるのが容易になる。

Gemini Decision 1のもう一つの競争力は、速度とコストにある。

Googleの公式説明によれば、エージェントルーティング、推論、ソート、マルチモーダル理解を含むベンチマークテストでGemini Decision 1は首位を走り、最も低いキャリブレーション誤差を記録した。

テストコンテキストが16Kトーク以内の場合、モデル計算フェーズの中央値レイテンシーは50〜100ミリ秒に保たれ、エンドツーエンドレイテンシーは約150〜250ミリ秒だ。単一リクエストに含まれる問題数が1件から100件に増減しても、レイテンシーはほぼ一定に保たれる。

公式が使用する共通ベンチマークセットでは、Gemini Decisions APIのコストはInteractions API経由でGemini 3.5 Flash-Liteを呼び出す場合と比較して約5割安くなっている。

9テストのうち7つで首位、精度は最大92.2%

今回のGemini Decision 1発表に伴い、Googleは見応えのあるモデル比較スコアボードも公開した。

汎用大規模モデルをまとめて比較する通常の手法とは異なり、Googleは今回は3つの競合製品を選択した。OpenAIのGPT-6 Luna、分類・意思決定専用モデルのTypeSafe Jev 1.14、自社製品のGemini 3.5 Flash-Liteだ。

結果を見ると、Gemini Decision 1は9つのベンチマークテストのうち7つで1位となり、確率キャリブレーションでも優位だったが、残り2つのテストおよび総呼び出しコストでは競合製品の方が優れた結果を残した。

JevBenchテストでは、Gemini Decision 1は92.2%の精度を達成し、GPT-6 Lunaの90.9%、TypeSafe Jev 1.14の90.0%、Gemini 3.5 Flash-Liteの86.6%を上回った。

Amazon ESCIの商品検索関連性テストでは、Macro-F1スコア58.7%を獲得し、GPT-6 Lunaを4ポイント、Flash-Liteを11.5ポイント上回った。

New Yorker Captionテストではさらに差が開き、Gemini Decision 1は79.7%の成績を収め、GPT-6 Lunaは68.4%で、両者の差は11.3ポイントとなった。このテストは漫画のキャプション理解と選択に関するもので、モデルの文脈理解能力と候補コンテンツの判別能力を試すものだ。

医療Q&AテストPubMedQAでもGemini Decision 1が1位となり、スコアは79.8%でGPT-6 Lunaの74.4%を上回った。

マルチリンガルテストGlobal-MMLU-Liteの結果も同様だ。Gemini Decision 1は86.0%、GPT-6 Lunaは79.6%で、差は6.4ポイントとなる。

ただし、Googleが全面的に優位を確立したわけではない。

Mind2Web Multimodalテストでは、TypeSafe Jev 1.14が86.8%の成績で首位となり、Gemini Decision 1は86.2%で0.6ポイント及ばなかった。

ツール呼び出しの判断能力を試すWhen2CallテストではTypeSafe Jev 1.14の優位性がより明確になり、スコアは82.0%、Gemini Decision 1は79.9%だった。

この結果は特に注目される。ツール選択と呼び出し時期の判断はGemini Decision 1が重点的にターゲットとするエージェントユースケースの一つだが、このテストでは専用意思決定モデルのTypeSafe Jevが依然として首位を守っている。

さらに、音声理解テストMMAUおよび動画理解テストVideo-MMEでは、Gemini Decision 1はそれぞれ71.8%、69.1%を獲得し、どちらもFlash-Liteを上回った。

精度よりもっと注目すべきは、Googleが今回特に強調した確率キャリブレーション能力だ。

Top-1 ECE(Expected Calibration Error、期待キャリブレーション誤差)テストでは、Gemini Decision 1のキャリブレーション誤差はわずか0.0250、GPT-6 Lunaは0.0721だった。

同時期の対照モデルではTypeSafe Jev 1.14が0.0494、Flash-Liteは0.2104となっている。つまり、Gemini Decision 1のキャリブレーション誤差はGPT-6 Lunaよりも約65%低く、Flash-Liteよりも約88%低いことになる。

この指標はエージェントシステムにとって特に重要だ。

例えば、あるエージェントが特定のコードにセキュリティ脆弱性が存在するかを判定する際、モデルは「存在」「非存在」の結果だけでなく、確率値も含めて出力することがある。システムはその確率と実際の正解率の関係に基づき、自動で行動を起こすか、それとも人間の追加検証に委ねるかを決断できる。

Googleの実装例:エージェントルーティングのレイテンシーを最大40%削減

ベンチマーク結果だけを披露する他の新モデルとは異なり、Googleは今回のGemini Decisions APIの内部プロダクトでの実装事例も明らかにした。

その中でも特に注目すべきはGemini Notebookだ。

GoogleはDecisions APIを利用してリアルタイムのモデルルーターとしており、ユーザーのリクエストの複雑さに応じて適切なモデルのグレードと思考強度を選択する。日常的な単純な問題には、コストが低く応答が速いモデルを優先的に呼び出し、複雑な推論タスクが発生した場合は、より高性能なモデルにリクエストを転送する仕組みだ。

Googleによると、この動的ルーティング手法により、日常クエリのレイテンシーは最大40%削減できるという。

この設計は現在のアージェントシステムにおける展開トレンドと密接に関連している。エージェントがタスクを完了する過程では、次のアクションを絶えず判断する必要があることが多い。例えば、どのツールを使うか、どのモデルを呼び出すか、それとも人間の介入が必要かどうかを決める作業だ。

もしすべての単純な意思決定を大規模生成モデルに任せるなら、システムは余計なレイテンシーとコストを負担せざるを得ない。専用の意思決定モデルはもう一つの選択肢を提供する。相対的に単純で選択肢が明確な判断は低レイテンシーモデルに委ね、複雑なタスクは汎用大規模モデルに残すのだ。

Gemini Notebookに加えて、Googleはさらに3つの適用方向も公開した。

Google Stitchでは、新登場のRapid Canvas実験機能がDecisions APIを活用し、数秒でインタラクティブなプロダクトフローのワイヤーフレームを生成するとともに、ユーザーの音声またはクリックによる修正指示に素早く対応する。ユーザーが設計方針を確認した後、ページをStitchの完全なワークフローに移行して仕様に磨きをかけることができる。

Google LabsのCCプロダクトでは、Decisions APIを使用して200以上のEmojiオプションから適切なリアクションを瞬時に選択するのに活用されている。またGoogle Searchの内部では、このAPIを用いてMCPツールのセキュリティ検査層を構築し、潜在的な敵対的行動やコンテンツを検出している。

参照リンク:Gemini Decisions API 公式ブログ