TechFlow Logo
로그인/ 회원가입
ETH 가스
Gwei
공포
gas
구글 Gemini Decision 1 출시: 단어 단위 생성 대신 단일 요청으로 1000개 문제 판단

구글 Gemini Decision 1 출시: 단어 단위 생성 대신 단일 요청으로 1000개 문제 판단

2026.11.12
공유하기
구글이 첫 의사결정 모델 Gemini Decision 1을 출시했으며, 문자 단위 생성 없이 단일 요청으로 1,000개 질문의 판정이 가능하다. 9개 평가 항목 중 7개에서 1위를 기록했으며 최고 정확도는 92.2%다.

저자: 둥메이, AI 프론트라인

AI 업계 전체가 여전히 어떤 모델이 더 많은 토큰을 생성하고 추론 능력이 더 강한지 경쟁할 때, 구글은 단어 단위 생성에 의존하지 않는 새로운 모델을 선보였습니다.

방금 구글은 Gemini Decision 1을 정식 발표했으며, 이 모델을 기반으로 한 Gemini Decisions API도 함께 출시했습니다. 기존 생성형 대형 언어 모델(LLM)과는 달리, 이 모델은 빠른 결정을 위해 특화되었으며 토큰을 하나씩 생성할 필요가 없고, 단일 순전파를 통해 미리 설정된 후보 답변에 점수를 매깁니다.

구글 CEO 선다르 피차이는 X 플랫폼에도 게시글을 올려 Gemini Decision 1의 주요 기능을 소개하며 다음과 같이 언급했습니다.

"오늘 우리는 Google AI Studio에서 완전히 새로운 Gemini Decision 1 모델로 구동되는 Gemini Decisions API를 정식 출시합니다."

텍스트를 토큰별로 생성하는 기존 모델과 달리, 본 모델은 제한된 선택지가 있는 결정적 작업에 특화되어 설계되었습니다. 단일 처리 과정에서 텍스트, 이미지, 오디오, 비디오 및 PDF 속 최대 1000개의 질문에 대해 점수를 매길 수 있습니다.

주목할 만한 몇 가지 핵심 사항은 다음과 같습니다.

  • 세 가지 결정 유형 지원: 예/아니오 판단, 다중 선택(최대 255개 옵션), 그리고 평점 기준 기반 채점;
  • 입력 토큰 백만 개당 가격은 단 $0.10이며 출력 토큰 비용은 무료이고, 비용은 Flash-Lite의 약 5분의 1 수준;
  • 여러 벤치마크 테스트에서 선도적인 위치를 차지하며 동시에 가장 낮은 보정 오차를 기록.

구글 내부 팀에서는 이미 이 기술을 활용하기 시작했습니다.

그는 또한 Stitch Rapid가 몇 초 만에 완전한 제품 프로세스를 디자인하는 시연 영상도 공유했으며, 해당 영상은 정상 속도(1배속)로 재생됩니다.

이번 소개를 통해 Gemini Decision 1이 기존 대형 모델과 가장 크게 다른 점을 알 수 있습니다. 즉, 답을 직접 만들어내는 역할이 아니라, 이미 제공된 선택지 중에서 최선의 판단을 내리는 역할을 한다는 것입니다.

과거에는 개발자가 이메일이 스팸인지 판단하거나 특정 작업을 어느 에이전트(Agent)에게 위임할지 결정하고자 할 때, 종종 생성형 대형 모델을 호출한 후 생성된 텍스트에서 결과를 추출해야 했습니다. 반면 Gemini Decision 1은 단어별 디코딩 단계를 거치지 않아도 됩니다.

개발자는 입력 내용, 판단할 질문, 후보 옵션만 제공하면 모델이 해당 판단 결과와 확률, 신뢰도를 즉시 반환해 줍니다.

이는 분류, 채점 또는 선택 결과가 필요한 작업의 경우 AI가 완전한 텍스트 생성 파이프라인을 다시 실행할 필요가 없음을 의미합니다.

구글이 발표한 데이터에 따르면, Gemini Decision 1은 단일 요청으로 최대 1000개의 독립적인 문제를 처리할 수 있으며 텍스트, 이미지, 오디오, 비디오, PDF 등 다양한 멀티모달 입력을 지원합니다. 엔드 투 엔드 지연 시간은 고작 150~250ms에 불과합니다.

가격 정책도 상당히 공격적입니다. 입력 토큰 백만 개당 단 $0.10이며 출력 토큰은 무료입니다. 구글이 공개한 동일한 벤치마크 테스트에서 호출 비용은 Gemini 3.5 Flash-Lite보다 약 5배 저렴합니다.

더 주목할 점은 이것이 단순히 객관식 질문에 답하는 데 국한된 모델이 아니라는 것입니다. 구글은 이미 AI 모델 라우팅, 에이전트 도구 선택, 제품 설계, 보안 검사 등의 시나리오에 이를 도입하여 AI 시스템 내에서 판단과 결정만을 전담하는 하부 레이어 컴포넌트로 자리매김시키려는 전략입니다.

한 번에 1000개 문제 처리, 최대 255개 옵션

구글이 공개한 기술 자료에 따르면, Gemini Decision 1은 세 가지 핵심 결정 능력을 제공합니다.

첫 번째는 Yes/No(이항 판단)입니다. 예를 들어 이미지 내에 안전 위험 요소가 있는지, 또는 특정 텍스트가 정해진 규칙을 위반했는지 판단하는 것입니다. 모델은 해당 조건이 성립할 확률을 제시합니다.

두 번째는 Multiple Choice(다중 선택)입니다. 개발자는 2~255개의 후보 옵션을 사전에 정의할 수 있으며, 모델은 최적의 답안뿐만 아니라 각 후보 항목의 정규화된 확률도 반환합니다.

세 번째는 Ordered Rubric(계층 기준 채점)입니다. 개발자는 평가 등급을 자유롭게 정의할 수 있으며, 모델이 입력 내용을 평가해 연속 가중 점수와 각 등급별 확률을 반환합니다.

세 가지 작업은 단일 요청 내에서 혼합하여 실행할 수도 있습니다.

구글은 간단한 사례를 제시했습니다. 사무실 휴게실 조리대 사진과 함께 설명 문구를 모델에 업로드하고, 탁자에 액체 유출이 있는지, 어떤 청소 조치가 필요한지, 현장의 심각도가 어떠한지를 동시에 판단하도록 요청하는 것입니다.

기존 방식이라면 여러 분류기를 설계하거나 생성형 대형 모델에 서로 다른 프롬프트를 전달해야 했을 것입니다. Gemini Decision 1은 단일 요청으로 이러한 판단을 모두 처리합니다.

아울러 모델은 최대 256K 토큰의 멀티모달 입력 컨텍스트를 지원합니다. 기업 환경에서는 통화 녹음 파일과 고객 자료를 함께 분석하거나, 보험 청구 서류와 현장 사진을 결합해 판단을 내릴 수 있다는 뜻입니다.

각 결정마다 0에서 1 사이의 신뢰도가 제공되므로, 불확실한 결과는 다른 모델로 넘기거나 인간이 검토하도록 시스템을 구성하기 용이합니다.

Gemini Decision 1의 또 다른 경쟁력은 속도와 비용 절감 효과입니다.

구글 공식 자료에 따르면 에이전트 라우팅, 추론, 랭킹, 멀티모달 이해를 아우르는 벤치마크 테스트에서 Gemini Decision 1이 우위를 점했으며, 가장 낮은 보정 오차를 기록했습니다.

16K 토큰 이내의 테스트 컨텍스트에서 모델 연산 단계의 중위 지체 시간은 50~100ms 수준을 유지하며, 엔드 투 엔드 지연 시간은 약 150~250ms입니다. 단일 요청 내 문제 수가 1개에서 100개로 늘어나더라도 지연 시간은 기본적으로 안정적으로 유지됩니다.

공식이 공동으로 사용한 벤치마크 테스트 세트에서 Gemini Decisions API의 호출 비용은 Interactions API를 통해 Gemini 3.5 Flash-Lite를 호출하는 것보다 약 5배 저렴합니다.

9개 테스트 중 7개 1위, 정확도 최고 92.2%

구글은 이번 Gemini Decision 1 발표와 함께 주목할 만한 모델 비교 성적표도 공개했습니다.

일반 대형 언어 모델을 일괄 비교하는 관례와 달리, 구글은 세 가지 경쟁 제품을 선정했습니다. OpenAI의 GPT-6 Luna, 분류 및 결정 전용 모델인 TypeSafe Jev 1.14, 그리고 자체 Gemini 3.5 Flash-Lite입니다.

결과적으로 Gemini Decision 1은 총 9개 벤치마크 중 7개 부문에서 1위를 차지했고, 확률 보정 측면에서도 앞서 나갔습니다. 다만 나머지 2개 테스트 항목과 총 호출 비용에서는 타사가 더 우수한 성과를 보인 경우도 있었습니다.

JevBench 테스트에서 Gemini Decision 1은 92.2%의 정확도를 기록해 GPT-6 Luna(90.9%), TypeSafe Jev 1.14(90.0%), Gemini 3.5 Flash-Lite(86.6%)를 모두 앞섰습니다.

Amazon ESCI 상품 검색 관련성 테스트에서는 Macro-F1 점수 58.7%를 얻어 GPT-6 Luna보다 4%p, Flash-Lite보다 11.5%p 높았습니다.

New Yorker 캡션 테스트에서는 격차가 더욱 벌어졌습니다. Gemini Decision 1은 79.7%를 기록한 반면 GPT-6 Luna은 68.4%에 그쳐 11.3%p 차이를 보였습니다. 해당 테스트는 만화 컷에 대한 문구 이해 및 선택을 요구하며, 모델의 문맥 파악 능력과 후보 콘텐츠 판단력을 검증합니다.

의학 Q&A 테스트인 PubMedQA에서도 Gemini Decision 1은 1위를 차지하며 79.8%의 점수로 GPT-6 Luna(74.4%)를 제쳤습니다.

다국어 테스트인 Global-MMLU-Lite 결과도 비슷하게 나타났습니다. Gemini Decision 1은 86.0%를 기록해 GPT-6 Luna(79.6%)보다 6.4%p 높았습니다.

하지만 구글이 전반적으로 압승한 것은 아닙니다.

Mind2Web Multimodal 테스트에서는 TypeSafe Jev 1.14가 86.8%로 1위를 기록했으며, Gemini Decision 1은 86.2%로 0.6%p 차이가 났습니다.

도구 호출 판단력을 시험하는 When2Call 테스트에서는 TypeSafe Jev 1.14의 우세가 더 뚜렷했습니다. TypeSafe Jev 1.14는 82.0%를 기록한 반면 Gemini Decision 1은 79.9%에 그쳤습니다.

이 결과는 특히 주목할 만합니다. 도구 선택과 호출 시기 판단은 Gemini Decision 1이 집중적으로 타겟팅하는 에이전트 적용 사례 중 하나이지만, 본 테스트에서는 전용 결정 모델인 TypeSafe Jev가 여전히 선두를 달렸습니다.

또한 오디오 이해 테스트 MMAU와 비디오 이해 테스트 Video-MME에서 Gemini Decision 1은 각각 71.8%, 69.1%를 기록해 Flash-Lite보다 높았습니다.

정확도 못지않게 주목할 점은 구글이 이번 발표에서 특히 강조한 확률 보정 능력입니다.

Top-1 ECE(Expected Calibration Error, 기대 보정 오차) 테스트에서 Gemini Decision 1의 보정 오차는 고작 0.0250에 그친 반면, GPT-6 Luna은 0.0721이었습니다.

동시기 대비 결과 TypeSafe Jev 1.14은 0.0494, Flash-Lite은 0.2104를 기록했습니다. 즉, Gemini Decision 1의 보정 오차는 GPT-6 Luna 대비 약 65%, Flash-Lite 대비 약 88% 낮다는 의미입니다.

이 지표는 에이전트 시스템에 매우 중요합니다.

예를 들어 에이전트가 특정 코드에 보안 취약점이 있는지 판단해야 할 때, 모델은 단순히 '존재' 또는 '부존재' 결과를 넘어서 확률 값을 제공할 수 있습니다. 시스템은 확률과 실제 정답율 간의 관계를 바탕으로 자동 조치 여부를 결정하거나, 추가 점검을 위해 인간 검토자에게 넘길 수 있습니다.

구글 내부 적용 완료: 에이전트 라우팅 지연 최대 40% 감소

일부 모델들이 벤치마크 결과만 공개하는 것과 달리, 구글은 이번에 Gemini Decisions API가 사내 제품에서 어떻게 활용되는지에 대한 적용 사례도 공개했습니다.

그중 가장 주목할 만한 사례는 Gemini Notebook입니다.

구글은 현재 Decisions API를 실시간 모델 라우터로 활용하고 있습니다. 사용자의 요청 난이도에 따라 적절한 모델 레벨과 추론 강도를 자동으로 선택하는 방식입니다. 일상적인 단순 질문에는 비용이 저렴하고 응답 속도가 빠른 모델을 우선적으로 호출하며, 복잡한 추론 과제가 발생할 경우에만 상위 성능 모델을 투입합니다.

구글은 이러한 동적 라우팅 방식을 통해 일상적인 질의 응답 지연 시간을 최대 40%까지 줄일 수 있다고 밝혔습니다.

이러한 설계 방향은 현재 에이전트 시스템의 발전 추세와 밀접하게 연결됩니다. 에이전트가 작업을 수행하는 과정에서는 다음 행동을 계속적으로 판단해야 하는데, 여기에는 도구 선택, 호출할 모델 지정, 혹은 인간 검토 필요 여부 결정 등이 포함됩니다.

만약 모든 단순 판단을 대형 생성형 모델에 맡긴다면 시스템은 추가적인 지연 시간과 비용 부담을 안게 됩니다. 전용 결정 모델은 대안을 제시합니다. 비교적 간단하고 선택지가 명확한 판단은 저지연 모델이 처리하게 하고, 복잡한 작업은 범용 대형 모델에 위임하는 구조입니다.

Gemini Notebook 외에도 구글은 세 가지 추가 적용 분야를 공개했습니다.

Google Stitch에서는 새로 출시된 Rapid Canvas 실험 기능이 Decisions API를 활용해 몇 초 만에 대화형 제품 프로세스 와이어프레임을 생성합니다. 또한 사용자의 음성 명령이나 클릭 수정 요청에 빠르게 반응하며, 사용자가 최종 디자인 방향을 확인하면 페이지를 Stitch 전체 워크플로우로 전환해 세부 사항을 보완할 수 있습니다.

Google Labs의 CC 제품에서는 Decisions API를 활용해 200개가 넘는 이모지 후보 중에서 적합한 반응 표현을 빠르게 선별합니다. Google Search 내부에서는 이 API를 사용해 MCP 도구용 보안 검사 계층을 구축, 잠재적 적대적 행동 및 콘텐츠를 식별하고 있습니다.

참고 링크: Gemini Decisions API 공식 블로그