Gemini Decisions API tar raske valg i tekst, lyd og video

Gemini Decisions API gir utviklere en billig modell som tar avgrensede valg i stedet for å skrive lange svar. Gemini Decision 1 kan vurdere tekst, bilder, lyd, video og PDF-er, og returnerer sannsynligheter som programvaren din kan bruke videre.

Dette er laget for de små, viktige avgjørelsene som dukker opp overalt i en AI-arbeidsflyt: Hvilken modell bør få oppgaven? Viser bildet en skade? Skal saken sendes til et menneske? Hvilket av fem verktøy passer best? Du trenger ofte ikke et velformulert avsnitt. Du trenger et tall eller et valg som koden kan bruke.

Google går dermed inn i samme nye kategori som Jev og OpenAI Decisions API. Det viktigste er at beslutningsmodellen er multimodal, kan behandle opptil 1 000 spørsmål i samme kall og koster rundt 95 øre per million input-tokens.

Hva er Gemini Decisions API?

Gemini Decisions API er et eget endepunkt for lukkede valg, drevet av modellen gemini-decision-1. Ifølge Googles lansering 11. november 2026 kan ett kall kombinere en felles input med opptil 1 000 uavhengige spørsmål og gi svar som sannsynligheter, valg eller poeng.

Modellen skal altså ikke skrive en e-post, forklare et komplisert tema eller føre en samtale. Den vurderer alternativer du allerede har definert. Google beskriver tre spørsmålstyper: noul for ja eller nei, choice for valg mellom 2 og 255 alternativer og score for vurdering langs en ordnet skala.

Google gjenbruker Jevs begrep noul og de samme tre spørsmålstypene. Det sier ganske mye om hvor raskt et nytt API-mønster er i ferd med å feste seg. Dette er ikke en chatbot i en litt annen innpakning. Det er en spesialist for klassifisering, rangering og ruting.

Hvorfor er multimodaliteten viktig?

Gemini Decision 1 kan vurdere tekst, bilder, lyd, video og PDF-er i samme modell. Det er den tydeligste forskjellen fra Jev, som er begrenset til tekst og JSON, og fra OpenAIs beslutningsmodell, som støtter tekst og bilder. Googles modell kan for eksempel vurdere et skadebilde sammen med en skriftlig kundemelding eller en samtale sammen med kontodata.

Simon Willison prøvde modellen på en video og stilte fire ja/nei-spørsmål om innholdet. Den ga omtrent 92,3 prosent sannsynlighet for at videoen viste en robot og omtrent 5 prosent for at den viste en drage. Det er én enkelt demonstrasjon, ikke en full kvalitetsmåling, men den viser hvordan formatet fungerer i praksis.

En vanlig generativ modell kan også svare på slike spørsmål. Forskjellen er at beslutningsmodellen er bygget for å gi et avgrenset resultat med sannsynlighet, uten å bruke tid og penger på å formulere en forklaring. Det gjør den egnet som et kontrollag foran dyrere modeller, verktøy og mennesker.

Det er også en naturlig utvidelse av Gemini som plattform. I min norske guide til Google Gemini er bredden i Googles økosystem et hovedpoeng. Her brukes den bredden til noe smalere: Ett API kan vurdere innhold på tvers av flere medietyper uten at utvikleren først må bygge separate løp for transkripsjon, OCR og klassifisering.

Hvor rask er Gemini Decision 1?

Google oppgir 50-100 millisekunder modellberegning og 150-250 millisekunder samlet svartid i selskapets målinger med multimodal input på opptil 16 000 tokens. Svartiden skal holde seg nokså flat fra 1 til 100 spørsmål, fordi modellen vurderer alternativene i én passering i stedet for å generere svar token for token.

Det er lovende tall for modellruting, moderering og andre oppgaver som ligger midt i en brukerhandling. Google hevder blant annet at Gemini Notebook bruker API-et til å velge modellnivå og tenkenivå, med opptil 40 prosent lavere svartid for vanlige spørsmål. Tallene kommer fra Google og bør behandles som leverandørens egne målinger til de er bekreftet bredere.

API-et har et kontekstvindu på 262 144 tokens fordelt på felles input og spørsmål. Du kan sende fra 1 til 1 000 spørsmål, men hvert spørsmål vurderes uavhengig. Hvis spørsmål nummer to avhenger av svaret på spørsmål nummer én, må arbeidsflyten deles i flere kall.

Hva koster Gemini Decisions API?

Gemini Decision 1 koster 0,10 dollar per million input-tokens, mens output er gratis. Med Norges Banks dollarkurs på 9,5394 kroner 11. november tilsvarer det cirka 95 øre per million input-tokens. Google tilbyr også et gratisnivå i Gemini AI Studio for prototyper.

Prisen er den samme som for OpenAIs GPT-6 Luna i Decisions API. Jev er fortsatt billigst med 0,042 dollar per million input-tokens, rundt 40 øre med samme valutakurs. På dette nivået er prisforskjellen sjelden det viktigste for små og mellomstore løsninger. Støttede inputtyper, treffsikkerhet på egne data og stabil svartid vil bety mer.

Den felles inputen faktureres én gang i hvert kall, uansett hvor mange spørsmål du stiller. Spørsmålenes egne instruksjoner og kriterier teller likevel som input. Det er en ryddig prismodell når du vil kontrollere mange regler mot samme dokument, bilde eller videoklipp.

Hva kan utviklere bruke modellen til?

Det naturlige bruksområdet er ruting. En beslutningsmodell kan velge hvilken språkmodell som skal få en oppgave, hvilket verktøy en agent trenger, om konteksten bør komprimeres eller om en usikker sak skal sendes videre til et menneske. Den kan også rangere søkeresultater, vurdere innhold mot flere regler eller gi en poengsum etter en fast rubrikk.

Dette kan kutte unødvendige kall til store modeller. Hvis en billig modell med lav forsinkelse kan sende en enkel oppgave til en rask modell og en vanskelig oppgave til en dyr resonneringsmodell, blir hele systemet mer effektivt. Det passer godt med måten jeg mener AI-systemer bør bygges på: Bruk den rimeligste modellen som faktisk løser hvert ledd, ikke den største modellen på absolutt alt.

Et praktisk oppsett kan begynne med noen få spørsmål: Er henvendelsen en supportsak? Hvilken produktgruppe gjelder den? Er tryggheten lavere enn terskelen virksomheten har satt? Resultatet kan avgjøre kø, modell og behov for menneskelig kontroll. Gevinsten kommer ikke av at modellen «tenker» over hele prosessen, men av at den gjør én avgrenset jobb raskt nok til å ligge i flyten.

Google nevner også konkrete interne eksempler. Stitch bruker beslutningsmodellen i en rask prototypemodus, et Google Labs-produkt velger reaksjoner fra mer enn 200 emojier, og Google Search bruker API-et som et sikkerhetslag for MCP-verktøy. Det er små avgjørelser hver for seg, men nettopp slike avgjørelser kan ligge i den mest trafikkerte delen av et system.

Hva er begrensningene?

Gemini Decisions API er tilgjengelig i v1beta gjennom Gemini Developer API. Det støtter foreløpig ikke context caching, Batch API eller Flex- og Priority-kjøring. Samme input som sendes i flere kall, faktureres derfor på nytt. Google Cloud-støtte er varslet, men var ikke tilgjengelig ved lanseringen. Google sier samtidig at integrasjoner er under utrulling til blant annet OpenRouter, LangChain, Vercel og LiteLLM.

Det finnes også en mer grunnleggende begrensning: Du får et tall, ikke en pålitelig forklaring på hvorfor modellen valgte som den gjorde. En sannsynlighet på 0,82 kan være lett å bruke i kode, men den forteller ikke hvilke signaler som avgjorde saken. I rekruttering, kreditt, helse, utbetalinger og andre høyrisiko-områder er det en alvorlig svakhet.

Googles dokumentasjon anbefaler selv tydelige kriterier, tester med fiendtlige eksempler og menneskelig eller ekstra kontroll ved viktige handlinger. Den anbefaler også at tall, datoer og varigheter sammenlignes i vanlig kode før resultatet sendes til modellen. Det er fornuftig. En billig sannsynlighet er nyttig, men den er ikke en fasit.

Er dette bedre enn en vanlig Gemini-modell?

Gemini Decision 1 er bedre når oppgaven faktisk er et lukket valg og du trenger lav pris, rask respons og en sannsynlighet du kan sette terskler på. En vanlig Gemini-modell er fortsatt riktig valg når du trenger tekst, forklaringer, verktøykall, flertrinns resonnering eller et fritt svar.

Google sier at beslutningsmodellen er nær fem ganger billigere enn Gemini 3.5 Flash-Lite med Interactions API på selskapets felles testsamling. Det er nyttig som retning, men ikke som garanti for din arbeidsflyt. Det avgjørende er om sannsynlighetene er godt kalibrert på dine egne eksempler, og om feilene havner på en side du kan leve med.

Jeg liker retningen. AI-systemer trenger ikke bare modeller som kan snakke mer. De trenger små, raske kontrollpunkter som kan velge riktig vei uten å gjøre hvert veikryss til en lang samtale. Gemini Decisions API ser ut som et godt verktøy for akkurat det, særlig når inputen er mer enn ren tekst. Men test tersklene på egne data, behold et sikkert alternativ ved lav trygghet og la ikke et pent desimaltall lure deg til å tro at usikkerheten er borte.

Ofte stilte spørsmål

Kan Gemini Decision 1 analysere video og lyd?

Ja. Modellen støtter tekst, bilder, lyd, video og PDF-er som felles input. Medier kan sendes via Gemini Files API, en offentlig eller signert HTTPS-adresse eller som base64-data. YouTube-adresser og direkte gs://-adresser støttes ikke.

Hvor mange spørsmål kan jeg stille i ett kall?

Du kan sende fra 1 til 1 000 uavhengige spørsmål i samme kall, innenfor et samlet kontekstvindu på 262 144 tokens. Spørsmålene kan blande ja/nei, valg og poengskalaer, men de kan ikke se hverandres svar.

Koster svarene fra Gemini Decisions API noe?

Output prises til 0 dollar. Input koster 0,10 dollar per million tokens, cirka 95 øre med Norges Banks kurs 11. november 2026. Den delte inputen faktureres én gang per kall, mens instruksjoner og kriterier i spørsmålene også teller som input.

Bør Gemini Decision 1 ta avgjørelser helt alene?

Ikke ved viktige eller irreversible handlinger. Bruk egne evalueringsdata til å sette terskler, send usikre saker til et menneske eller en ekstra kontroll, og sammenlign enkle tall og datoer i vanlig kode. Modellen gir sannsynligheter, ikke en forklaring som gjør avgjørelsen automatisk trygg.