Für die äußerst komplexe Funktionsweise der künstlichen Intelligenz müssen Unternehmen nicht nur die führenden Modelle kontinuierlich weiterentwickeln, sondern es werden auch viele andere „Werkzeuge“ bereitgestellt, um das Ökosystem zu verbessern. In diesem Sinne hat Google das erste Modell entwickelt, das sich speziell auf die Entscheidungsfindung konzentriert.
Über die völlig neue Gemini Decisions API ist das ebenfalls neue Modell „Gemini Decision 1“ verfügbar. Das Unternehmen bezeichnet dies als neuen Endpunkt für schnelle Entscheidungsfindung mit geschlossener Auswahl.
Die Decisions-API stellt Bausteine bereit, die speziell für Situationen mit begrenzten Auswahlmöglichkeiten konzipiert sind, wie beispielsweise die Auswahl von Werkzeugen, die Überprüfung von Richtlinien, die modellbasierte Routenplanung und die Kontextbewertung. Mit dem Modell „Gemini Decision 1“ lässt sich die Effizienz der täglichen Arbeit in jeder Hinsicht deutlich steigern. Nutzer können dadurch Zeit und Geld sparen und die bisher für diesen Zweck eingesetzten Notlösungen ersetzen.
In Leistungstests, die die Routenplanung, die Schlussfolgerung, die Rangfolge und das multimodale Verständnis der Agenten umfassten, hat sich Gemini Decision 1 als absoluter Spitzenreiter etabliert und steht mit den höchsten Erfolgsraten und den wenigsten Fehlern an der Spitze der Rangliste.
Gemini Decision 1 generiert keine Antwort Token für Token: Es bewertet die vorgegebenen Optionen in einem einzigen Schritt gemäß dem erforderlichen Regelsatz. Da keine Dekodierung pro Token erfolgt, bleibt die Medianverzögerung innerhalb der Modellberechnungszeit von 50–100 ms, und die Endpunkt-zu-Endpunkt-Verzögerung beträgt maximal 150–250 ms. Da für die Ausgabetoken keine Gebühren anfallen, erwies sich das mit der Decisions-API verwendete Gemini Decision 1-Modell in den Tests als fast fünfmal kostengünstiger als das zuvor für diesen Zweck mit der Interactions-API verwendete Gemini 3.5 Flash-Lite.
Wichtig ist, dass die Forscher bei der Entwicklung des Gemini Decision 1-Modells auf die native multimodale Architektur von Gemini zurückgegriffen haben. Dadurch ist das Entscheidungsmodell in der Lage, Text, Bilder, Audiodateien, Videos und PDF-Dateien direkt in einem einzigen Verarbeitungsschritt zu interpretieren. Die verschiedenen Datenformate lassen sich in einer einzigen gemeinsamen Eingabe kombinieren, sodass beispielsweise bei einer Versicherung ein PDF-Dokument zur Schadensmeldung und Fotos des Schadens in einem einzigen Arbeitsablauf verarbeitet werden können. Das Eingabematerial kann bis zu 256.000 Token umfassen, und das Modell kann bis zu 1.000 unabhängige Fragen beantworten.
Die zu entscheidenden Fragen können drei verschiedene Typen haben und in einer einzigen Anfrage gemischt sein. Der „binäre“ Typ schätzt die Wahrscheinlichkeit, dass eine Ja/Nein-Aussage wahr ist. Der „Auswahl“-Typ wählt aus 2 bis 255 Optionen einen Gewinner aus und weist jedem Kandidaten eine normalisierte Wahrscheinlichkeit zu. Die „Bewertung“ hingegen klassifiziert auf einer geordneten Skala, die bei Null beginnt, mit einer kontinuierlichen, gewichteten Punktzahl und stufenweisen Wahrscheinlichkeiten. Ungewisse Fälle können automatisch an ein Reservesystem oder einen menschlichen Prüfer weitergeleitet werden.
Bei Google wird die Decisions-API bereits aktiv als Steuerungsschicht mit geringer Latenz eingesetzt, und die Funktionen werden einfach durch die Festlegung von Optionen realisiert, anstelle früherer alternativer Lösungen. Um die Möglichkeiten des neuen Modells besser zu verstehen, hat Google außerdem erläutert, wofür es Gemini Decision 1 einsetzt.
Das Gemini Notebook nutzt die Decisions API als Echtzeit-Router, um eingehende Abfragen sofort an das für die jeweilige Anfrage am besten geeignete Modell und die optimale Argumentationsebene weiterzuleiten. Die Decisions-API bearbeitet alltägliche Suchanfragen mit einer um bis zu 40 % geringeren Latenz und greift nur dann auf die Spitzenmodelle zurück, wenn dies für ein besseres Ergebnis tatsächlich erforderlich ist.
In der Google-Suche sorgt das Modell „Gemini Decision 1“ für mehr Sicherheit, wodurch das System Verhaltensweisen, die gegen die Richtlinien verstoßen, wesentlich effizienter als bisher herausfiltern kann.
Google teilte außerdem mit, dass die neue, schnelle Entwurfsfunktion von Stitch nun vollständig auf die Decisions-API zurückgreift, um innerhalb von Sekunden brauchbare Entwürfe zu erstellen und Änderungen nahezu sofort zu übernehmen. Im experimentellen CC-Dienst von Google Labs wird es mithilfe der Decisions API möglich sein, im Handumdrehen die besten Emoji-Reaktionen hervorzuheben, sodass der Nutzer schneller reagieren kann.
Gemini Decision 1 ist aufgrund seiner vom Üblichen abweichenden Funktionsweise deutlich kostengünstiger, doch beispielsweise bei der Verarbeitung von Bildern und Videos können auch hier die Kosten aus dem Ruder laufen. Um dies einzuschränken, wird Google die Möglichkeit bieten, die Verarbeitungsauflösung auf der Ebene der visuellen Detailgenauigkeit zu regulieren, sodass die Kosten auch in diesem Bereich unter Kontrolle gehalten werden können. Die Verarbeitung von 1 Million Eingabetoken kostet im Idealfall nur 0,1 Dollar, und wie bereits oben erwähnt, fallen keine Kosten für Ausgabetoken an. Über Google AI Studio kann man kostenlos mit der neuen Funktion experimentieren.
