Gemini Decisions API登場:Gemini Decision 1の使い方と、Jev・OpenAI Decisions APIとの性能・価格比較

執筆:
岡崎 太
CTO / AIアーキテクト
公開
読了時間
25分で読めます
Share

Googleが発表した判断専用のAPI「Gemini Decisions API」と専用モデルGemini Decision 1を、TypeSafe Jev・OpenAI Decisions APIと比べます。質問型と入力の種類、質問数の上限、料金と課金の仕組みを公式情報で整理し、Googleが公表した評価表の読み方も解説します。後半は、APIキーの用意から3つの質問型の呼び出し、confidenceで人の確認へ回す分岐までの使い方ガイドです。

POINT

音声・動画・PDFをそのまま渡して判断させたいなら、Gemini Decision 1が最初の候補です。テキスト中心で単価を抑えるならJev(入力100万トークン0.042ドル)、同じ資料へ別々のリクエストで質問を重ねていくなら、プロンプトキャッシュのあるOpenAI Decisions APIが合います。confidenceの計算方法はAPIごとに違うため、しきい値は移し替えず、自社のデータで決め直します。

2026年11月12日時点の各社の公式ドキュメントと発表に基づく整理です。性能の数値はGoogleが発表記事に載せた評価表によるもので、当社では各APIを実行していません。

3つの選択肢の要点

出典:Gemini API・TypeSafe・OpenAIの公式ドキュメント(2026年11月12日確認)
観点GeminiJevOpenAI
モデルGemini:Gemini Decision 1Jev:Jev 1.14Gemini Decision 1Jev 1.14GPT-6 Luna
入力100万トークンの単価Gemini:0.10ドルJev:0.042ドル0.10ドル0.042ドル0.10ドル
入力の種類Gemini:テキスト・画像・音声・動画・PDFJev:テキスト・画像(画像は試験提供)テキスト・画像・音声・動画・PDFテキスト・画像(画像は試験提供)テキスト・画像・JSON
1リクエストの質問数Gemini:1〜1,000問Jev:個別の上限なし1〜1,000問個別の上限なし1〜400問
コンテキスト長Gemini:262,144トークンJev:全体64k、入力+質問1つで32k262,144トークン全体64k、入力+質問1つで32kガイドに記載なし
繰り返す入力の割引Gemini:なしJev:モデルページに記載なしなしモデルページに記載なしプロンプトキャッシュ
はい/いいえの質問型Gemini:noulJev:noulnoulnoulpredicate

2026年11月11日、GoogleはGemini Decisions APIと、その専用モデルGemini Decision 1を発表しました。文章を生成せず、「はい/いいえ」「候補から1つ選ぶ」「段階で採点する」という3種類の質問に、確率で答えるAPIです。

当ブログでは、9月にTypeSafe AIのJev、10月にOpenAI Decisions APIと4社の意思決定AIの比較を取り上げました。「判断だけを返すAI」に、Googleも加わったことになります。

本記事では、Gemini Decisions APIが何を返すのかを確認し、JevとOpenAI Decisions APIとの違いを、仕様・性能・価格の順に比べます。後半では、APIキーの用意から、判定結果を人の確認へ回す分岐までの使い方をまとめます。

Gemini Decisions APIは何を返すのか

リクエストは3つの部品でできています。モデル名(gemini-decision-1)、判断の材料になる共有入力(input)、質問の一覧(questions)です。モデルは共有入力を読み、質問ごとに、用意された答えの候補へ確率を割り振ります。文章は生成しないため、出力トークンは常に0です。

Gemini Decisions APIの1リクエストの流れを示した図。テキスト・画像・音声・動画・PDFを合わせた共有入力と、noul・choice・scoreの質問(1〜1,000問)をGemini Decision 1へ渡す。共有入力と質問の合計は262,144トークンまで。モデルは文章を生成せず、質問ごとに独立して採点し、確率とconfidenceを返す。アプリケーションのコードは、confidenceが高ければ自動で実行し、低ければ人の確認や別の処理へ回す

質問の型は次の3種類です。

質問型 使いどころ 返る値
noul 条件が成り立つかを確かめる noul(成り立つ確率。0.01〜0.99)とconfidence
choice 決まった候補から1つ選ぶ choice(選んだ候補)、probabilities(候補ごとの確率)、confidence
score 順序のある段階で採点する score(確率で重み付けした段階の平均)、probabilities、legend(段階の番号と説明の対応)、confidence

noul、choice、scoreという型名は、JevやCloudflareのClefと同じです。今回比べる3つの中では、OpenAIだけが、はい/いいえの質問をpredicateと呼びます。

Googleのガイドは、設計の前提として次の点を挙げています(Decisions APIガイド)。

  • 質問は互いに独立:すべての質問が同じ共有入力に対して採点され、質問同士は互いの内容を見ません。質問を足したり外したりしても、他の答えは変わりません。
  • 答えとconfidenceが別々に返る:答えの値でどの処理を選ぶかを決め、confidenceで、それを自動で実行するか人の確認へ回すかを決めます。
  • 小さな質問をコードで組み合わせる:1つの質問には1つの判断だけを聞き、複数の答えをif文や重み付けで組み合わせます。

自由な文章や要約、独自のJSONスキーマに沿った抽出、引数付きのツール呼び出し、複数段階の推論が必要なら、Googleは文章を生成する通常のInteractions APIを使うよう案内しています。Gemini Decision 1のモデルページでも、テキスト生成、関数呼び出し、構造化出力、思考(Thinking)は対応していない機能に挙げられています(モデルページ)。

Googleは社内での利用例も紹介しています。Gemini Notebookでは、届いた質問をどのモデルと思考量で処理するかの振り分けに使い、日常的な質問の待ち時間が最大40%短くなったと説明しています。ほかにも、Google Labsの「CC」で200を超える絵文字から反応を選ぶ処理や、Google検索で敵対的な振る舞いや内容を検出する、MCPツールの安全層に使われています(Googleの発表記事)。MCPは、AIエージェントが外部のツールを呼び出すための共通の仕組みです。

Jev・OpenAI Decisions APIと何が違うのか

仕様を並べる

2026年11月12日時点の、各社の公式ドキュメントでの仕様です。

項目 Gemini Jev OpenAI
モデル Gemini Decision 1 Jev 1.14 GPT-6 Luna
提供状況 v1beta(段階の明記なし) 安定版(10月14日から) 一般提供(10月22日から)
入力 テキスト、画像、音声、動画、PDF テキスト、画像(試験提供) テキスト、画像、JSON
1リクエストの質問数 1〜1,000問 個別の上限なし 1〜400問
コンテキスト長 262,144トークン 全体64k、入力+質問1つで32k ガイドに記載なし
繰り返す入力の割引 なし モデルページに記載なし プロンプトキャッシュ

出典:Decisions APIガイド、TypeSafeのモデル一覧、OpenAI Decisionsガイド。

Gemini Decisions APIは、Gemini Developer APIのv1betaとGoogle AI Studioで提供されています。ドキュメントは、一般提供かプレビューかを明記していません。Google Cloudでの提供は「近日」とされ、時期は示されていません。

違いが大きいのは次の3点です。

まず、入力の種類です。音声・動画・PDFまで1つの入力にまとめて渡せるのは、3つの中ではGemini Decision 1だけです。Googleは、通話の録音と顧客情報、スキャンしたPDFと破損箇所の写真、といった組み合わせを例に挙げています。JevとOpenAI Decisions APIは、音声・動画・PDFを直接は受け付けません。

Jevの画像入力には条件があります。画像を含むリクエストには、専用のHTTPヘッダー(TypeSafe-Danger-Zone-Images: true)を毎回付けます。TypeSafeは、画像とbox型はまだ本番で使う水準に達しておらず、試作やアイデアの検証に使ってほしいと説明しています(TypeSafeの画像の説明)。

次に、質問数とコンテキストです。Geminiは1リクエストに1,000問まで入り、共有入力と質問の合計で262,144トークンまで扱えます(発表記事は256Kと表記しています)。OpenAIは400問までです。Jevは質問数に個別の上限を設けていませんが、リクエスト全体で64k、入力と質問1つの組で32kというコンテキストの上限があります。専用のHTTPヘッダーを付けると両方を262kまで広げられますが、TypeSafeは、その場合は遅くなり精度も下がると説明しています。

最後に、繰り返す入力の扱いです。OpenAIは一般提供に合わせてプロンプトキャッシュに対応しました。同じ資料へ別々のリクエストで質問を重ねていく場合、前回と一致する共有入力の先頭部分(1,024トークン以上)が再利用され、その分の入力が割引になります。キャッシュへの書き込みには料金がかかります。Gemini Decisions APIはコンテキストキャッシュに対応しておらず、リクエストをまたいで繰り返した入力も全量が課金されます。

会話の渡し方も違います。OpenAIは、メッセージ、ツール呼び出し、ツールの出力を配列のままinputに渡せます。Geminiは会話履歴やツール呼び出しのブロックを受け付けないため、テキストに直して渡します。

フィールド名の対応

役割 Gemini Jev OpenAI
判断の材料 input state input
質問の入れ物 キー付きのmap キー付きのmap 配列(各質問にname)
はい/いいえの型 noul noul predicate
はい/いいえの説明 criteria(true_descriptionなど) criteria(trueとfalse) ガイドに記載なし
はい/いいえの返り値 noul(0.01〜0.99) noul(0〜1) probability(0〜1)
選択肢の書き方 criteria(キーと説明のmap) criteria(選択肢のmap) choices(valueとdescriptionの配列)
採点の段階 criteria(説明の配列) criteria(段階の順序付きリスト) levels(labelとdescriptionの配列)
JSONの渡し方 文字列に直してテキストで渡す stateにオブジェクトのまま渡せる input_jsonで渡せる

GeminiとJevは、リクエストの形がよく似ています。質問をキー付きのmapで渡し、各質問にtype、instructions、criteriaを書く点まで同じです。主な違いは、判断の材料の名前(inputとstate)、はい/いいえの説明のキー名、JSONの渡し方の3点です。Jev向けに書いた質問の定義は、この3点を書き換えればGeminiへ移せる形です。

confidenceは、同じ名前でも計算が違う

複数のAPIを併用したり、乗り換えたりするときに見落としやすいのがconfidenceです。

  • Gemini:最上位の答えが正しい確率の推定値で、0〜1の値です。最上位の候補の確率と同じ値になり、noulでは、noulの値と、1からnoulを引いた値の、大きいほうになります。
  • Jev:確率分布の形から計算します。1つの候補に確率が集中すれば1、均等に散れば0です。noulにはconfidenceを返しません(TypeSafeの説明)。
  • OpenAI:choiceとscoreにconfidenceを返し、predicateは確率だけを返します。Decisionsガイドには計算式が書かれていません。ガイドの応答例では、4択で最上位の確率が0.95のときconfidenceは0.93で、最上位の確率とは一致していません。

3択の質問で、最上位の候補の確率が0.70だったとします。Geminiのconfidenceは0.70です。Jevの式では(3×0.70−1)÷2で、0.55になります。「confidenceが0.7以上なら自動で実行する」という条件をそのまま移すと、同じ確率分布でも、Geminiでは実行され、Jevでは人の確認へ回ります。しきい値は、APIを替えるたびに正解付きのデータで決め直す必要があります。

10月の記事から変わった点

10月に取り上げた2つのAPIにも、その後の更新がありました。

  • OpenAI Decisions API:10月22日に一般提供になりました。1リクエストの質問数がパブリックベータ時の200問から400問に増え、プロンプトキャッシュ、質問ごとの画像、JSONをそのまま渡すinput_jsonが加わっています(OpenAI APIの更新履歴)。
  • Jev:10月14日からJev 1.14が提供されています。画像の中の位置を返すbox型が加わりました(画像と同じく試験提供です)。10月10日の比較記事は、確認時点のモデル一覧をもとにJev 1.13をテキストのみと整理していました。現在のモデル一覧では、1.14と1.13のどちらも入力が「テキストと画像」になっています。

性能比較:Googleが公表した評価表を読む

Googleは発表記事に、4つのモデルを並べた評価表を載せています。Gemini Decision 1、Jev 1.14、GPT-6 Luna(OpenAI Decisions API)と、生成モデルのGemini 3.5 Flash-Lite(Interactions API。表の表記は「minimal」)です。

この表はGoogleによる評価で、第三者が検証した結果ではありません。表は画像として掲載されており、発表記事の本文には同じ数値が書かれていません。以下の数値は、その画像から読み取ったものです。

まず、3つの意思決定モデルに共通する7評価です。

評価(単位は%) Gemini Decision 1 Jev 1.14 GPT-6 Luna
JevBench(公開分割) 92.2 90.0 90.9
Amazon ESCI(Macro-F1) 58.7 56.7 54.7
New Yorker Caption(テキストのみ) 79.7 72.0 68.4
Mind2Web Multimodal 86.2 86.8 81.8
PubMedQA 79.8 78.2 74.4
Global-MMLU-Lite(英語以外) 86.0 85.0 79.6
When2Call 79.9 82.0 70.4

注記のない評価はTop-1正答率(最も確率の高い答えが正解だった割合)で、Amazon ESCIだけがMacro-F1(分類のクラスごとのF1を均等に平均した値)です。拒否、安全フィルタによる遮断、モデルが受け付けられなかったリクエストは、不正解として数えられています(表の脚注)。太字は各評価の首位です。

Googleが公表した評価表のうち、3つの意思決定モデルに共通する7評価を比較した横棒グラフ。JevBenchはGemini Decision 1が92.2%、Jev 1.14が90.0%、GPT-6 Lunaが90.9%。Amazon ESCIは58.7%、56.7%、54.7%。New Yorker Captionは79.7%、72.0%、68.4%。Mind2Web Multimodalは86.2%、86.8%、81.8%。PubMedQAは79.8%、78.2%、74.4%。Global-MMLU-Liteは86.0%、85.0%、79.6%。When2Callは79.9%、82.0%、70.4%

この表から読み取れることを整理します。

  1. 首位は5対2:共通の7評価のうち、Gemini Decision 1が5つ、Jev 1.14が2つで首位です。発表記事の本文は、評価一式を通じてGemini Decision 1が首位だという趣旨で書かれています。ただし、Webページを操作するエージェントの評価であるMind2Web Multimodalと、ツールを呼ぶべきかどうかの判断を測るWhen2Callでは、Jevが上回っています。
  2. 差の多くは2ポイント前後:首位と2位の差が2.1ポイント以内の評価が、7つのうち6つあります。Gemini Decision 1が首位の評価でも、JevBench(2位のGPT-6 Lunaと1.3ポイント差)、Amazon ESCI(2位のJevと2.0ポイント差)、PubMedQA(同1.6ポイント差)、Global-MMLU-Lite(同1.0ポイント差)は僅差です。発表記事には試行回数や信頼区間が書かれていないため、この程度の差を優劣として読むのは避けたほうが安全です。数値上の差が最も大きいのはNew Yorker Captionで、Jevに7.7ポイント、GPT-6 Lunaに11.3ポイントの差があります。
  3. 汎用の生成モデルが、他社の専用モデルを上回る評価もある:Gemini 3.5 Flash-Liteは、7評価すべてでGemini Decision 1に及びません(差は2.2〜19.0ポイント)。それでも、New Yorker Captionでは73.7%でJev 1.14とGPT-6 Lunaを上回り、PubMedQAでも77.6%でGPT-6 Luna(74.4%)を上回りました。

音声と動画の評価は、その入力を受け付けるGoogleの2モデルだけが対象です。JevとGPT-6 Lunaの欄は空になっています。

評価(単位は%) Gemini Decision 1 Gemini 3.5 Flash-Lite
MMAU(音声・環境音・音楽) 71.8 67.7
Video-MME(動画、字幕なし) 69.1 63.3

日本語での精度は、この表からは分かりません。Global-MMLU-Liteには「英語以外」という注記がありますが、日本語だけの値は載っていません。

確率がどれだけ当てになるか

意思決定モデルでは、正答率と並んで較正が重要になります。「90%の確率」と答えた判断が、実際に9割ほど当たるかどうか、という性質です。評価表の「Top-1 ECE」(ECEはExpected Calibration Error、期待較正誤差の略)は、最上位の答えに付けた確率と、実際の正答率のずれを示す指標で、低いほど良い値です。

共通の7評価でのTop-1 ECE(較正誤差)を比較した横棒グラフ。値が小さいほど、確率と実際の正答率のずれが小さい。Gemini Decision 1が0.0250、Jev 1.14が0.0494、GPT-6 Lunaが0.0721、Gemini 3.5 Flash-Liteが0.2104

共通の7評価でのTop-1 ECEは、Gemini Decision 1が0.0250、Jev 1.14が0.0494、GPT-6 Lunaが0.0721、Gemini 3.5 Flash-Liteが0.2104でした。Googleの測定では、Gemini Decision 1のずれはJevの約半分です。Flash-Liteは桁が1つ大きくなっています。Flash-Liteの確率をどう取り出したかは、発表記事では説明されていません。

較正が良ければ、「この値以上なら自動で実行し、未満なら人が確認する」というしきい値の設計が成り立ちやすくなります。ただし、これは公開ベンチマークでの値です。自社の問い合わせや帳票で同じ傾向になるかは、正解付きのデータで確かめる必要があります。

速度は「16Kトークンまで、100問まで」の値

Googleは、リクエストから応答までが150〜250ミリ秒、モデルの計算だけなら中央値で50〜100ミリ秒と説明しています。条件は入力が16Kトークンまでの場合で、質問数が1問から100問に増えてもほぼ横ばいだとしています。上限に近い長さの入力や、1,000問をまとめたときの値は公表されていません。

OpenAIは「Responses APIより約10倍速い」、Microsoftは「GPT-6 Solより35倍速い」と説明していますが、比較の相手も測り方も違います。各社の倍率を掛けたり割ったりして、順位を付けることはできません。

価格比較:単価が同じでも、払う額は使い方で変わる

公表単価

API・モデル 入力100万トークン 出力 繰り返す入力
Jev 1.14 0.042ドル 課金なし モデルページに記載なし
OpenAI Decisions API(GPT-6 Luna) 0.10ドル 課金なし キャッシュ読み取りは割引、書き込みは課金
Gemini Decision 1 0.10ドル 課金なし(常に0トークン) 割引なし

出典:TypeSafeのモデル一覧、OpenAI Decisionsガイド、Gemini APIの料金表。税、為替、ゲートウェイの手数料は含みません。OpenAIは、地域を指定した処理への上乗せと、長い入力への倍率が別にかかると案内しています。

10月の比較記事で扱った他の選択肢の単価は、11月12日時点でも変わっていません。Microsoft-Decision-1は0.042ドル、CloudflareのClef-flashは0.038ドル、Clef-omniは0.15ドル、Clefは0.24ドルです。

音声と動画の両方を扱える意思決定モデルは、この中ではGemini Decision 1(0.10ドル)とClef-omni(0.15ドル)の2つです。Clef-omniはコンテキストが64,000トークン、質問が64問までです。

100万件を処理すると

指示や選択肢の説明も含めて、1件あたりの課金入力を1,000トークン、1件につき1リクエスト、再試行なしと仮定します。100万件なら合計10億トークンです。

100万件を、1件あたり課金入力1,000トークン・再試行なしで処理したときのモデル推論費用を比較した横棒グラフ。Clef-flashが38ドル、Microsoft-Decision-1が42ドル、Jev 1.14が42ドル、OpenAI Decisions APIが100ドル、Gemini Decision 1が100ドル、Clef-omniが150ドル、Clefが240ドル。実測ではなく公表単価からの試算

この条件では、Jevが42ドル、OpenAI Decisions APIとGemini Decision 1が100ドルです。測定した結果ではなく、公表単価からの算術です。

差は100万件で58ドルです。入力が10倍になれば差も10倍になります。ただ、入力が短いうちは、単価の差よりも、誤判定の手直しや人の確認にかかる費用のほうが大きくなり得ます。この点は10月の比較記事でも書きました。

質問をまとめると、共有入力の課金は1回で済む

Gemini Decisions APIは、共有入力のトークンを、質問の数にかかわらず1リクエストにつき1回だけ課金します。質問ごとに加わるのは、その質問の指示・選択肢・書式の分です。

共有入力が2,000トークン、質問1つが60トークンで、同じ入力に10の質問を当てる場合を考えます。

呼び出し方 1件あたりの課金入力 100万件の費用
1リクエストに10問をまとめる 2,600トークン 260ドル
質問ごとに10リクエストへ分ける 20,600トークン 2,060ドル

トークン数は仮定で、費用は単価からの算術です。まとめたほうが、約8分の1で済みます。

一方、Gemini Decisions APIには、コンテキストキャッシュも一括処理用のBatch APIもありません。同じ長い資料へ、別々のリクエストで質問を重ねていく使い方では、毎回、資料の全量が課金されます。この使い方が中心なら、プロンプトキャッシュのあるOpenAI Decisions APIのほうが安くなる可能性があります。

Googleの評価では、単価の比と費用の比が一致していない

Googleの評価表には、共通の7評価を解くのにかかった費用の合計も載っています。

モデル 7評価の合計費用 入力100万トークンの公表単価
Jev 1.14 0.68ドル 0.042ドル
Gemini Decision 1 0.88ドル 0.10ドル
GPT-6 Luna 0.93ドル 0.10ドル
Gemini 3.5 Flash-Lite 4.14ドル 0.30ドル(出力は別に2.50ドル)

公表単価では、Gemini Decision 1はJevの約2.4倍です。ところが、同じ評価を解いた費用は約1.3倍に収まっています。公表単価が同じGPT-6 Lunaとも、費用は0.05ドル違います。Googleは算出方法を公表していないため、理由は断定できません。同じ入力でも、APIごとに数えるトークン数が違うことが、一因として考えられます。

Googleは、共通の評価一式ではFlash-Lite(Interactions API)より5倍近く安いと説明しています。この合計費用の比(4.14ドルと0.88ドルで約4.7倍)と合う値です。

実際に払う額は、単価と、自社の入力で数えたトークン数の掛け算で決まります。Gemini Decisions APIの応答には、入力トークンの合計と、テキスト・画像・音声ごとの内訳(usage.input_tokens_by_modality)が含まれます。動画のフレームとPDFのページ画像は、画像のトークンとして数えられます。見積もりは、手元の代表的な入力で数回呼び、この値から作るのが確実です。

無料枠とレート制限

Google AI Studioの無料枠でも試せます。ただし料金表では、無料枠で送った入力は製品の改善に使われ、有料枠では使われないと区別されています。顧客情報を含む業務データは、有料枠で扱うのが前提になります。

利用枠 1分あたりのリクエスト 1分あたりのトークン 1日あたりのリクエスト
無料 200 50,000 10,000
Tier 1 1,500 1,000,000 50,000
Tier 2 5,000 4,000,000 上限なし
Tier 3 15,000 10,000,000 上限なし

出典:Gemini APIのレート制限。無料枠は1分あたり50,000トークンなので、1リクエストが1,000トークンなら、実際に送れるのは1分に50回までです。

使い方ガイド:最初の1回から、人の確認へ回す分岐まで

以下のコードは、公式ドキュメントの仕様に沿って書いた例です。当社では実行していないため、応答の数値は形を示すための仮の値です。

1. APIキーとSDKを用意する

Google AI StudioでAPIキーを作り、環境変数GEMINI_API_KEYに設定します。SDKを使う場合は、バージョン3.2以降を入れます。

# Python
pip install -U google-genai

# JavaScript
npm install @google/genai@latest

Decisions APIはGemini Developer APIのv1betaで提供されています。SDKでは、APIバージョンにv1betaを指定します。

2. curlで1回呼ぶ

最初は、はい/いいえの質問を1つだけ送ります。

curl -X POST "https://generativelanguage.googleapis.com/v1beta/decisions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-decision-1",
    "input": "先週届いたマグカップの取っ手が割れていました。交換をお願いします。",
    "questions": {
      "is_damaged": {
        "type": "noul",
        "instructions": "商品は破損した状態で届きましたか?"
      }
    }
  }'

応答では、質問と同じキーの下に答えが入ります。あわせて、トークンの使用量も返ります。

{
  "answers": {
    "is_damaged": { "type": "noul", "noul": 0.98, "confidence": 0.98 }
  },
  "usage": {
    "total_input_tokens": 60,
    "input_tokens_by_modality": [{ "modality": "text", "tokens": 60 }],
    "total_output_tokens": 0,
    "total_tokens": 60
  }
}

noulが「はい」の確率です。total_output_tokensは常に0で、課金されるのはtotal_input_tokensの分だけです。

3. 3つの質問型を1回のリクエストにまとめる

同じ問い合わせに対して、不具合の報告かどうか、どの担当へ回すか、解約の恐れがどの程度かを、1回で聞く例です。

from google import genai

client = genai.Client(http_options={"api_version": "v1beta"})

result = client.decisions.create(
    model="gemini-decision-1",
    input="注文番号8821。届いたヘッドホンの左側から音が出ません。今日中に対応がなければ解約します。",
    questions={
        "is_defect": {
            "type": "noul",
            "instructions": "この問い合わせは、製品の故障や不具合を報告していますか?",
            "criteria": {
                "true_description": "製品そのものが壊れている、または正常に動かない。",
                "false_description": "好み、サイズ、配送、料金についての不満。",
            },
        },
        "department": {
            "type": "choice",
            "instructions": "この問い合わせは、どの担当が対応すべきですか?",
            "criteria": {
                "billing": "支払い、請求書、返金。",
                "technical": "製品が使えない、動かない。",
                "shipping": "配送、追跡。",
                "other": "請求・技術・配送のどれにも当てはまらない。",
            },
        },
        "churn_risk": {
            "type": "score",
            "instructions": "いま解決しなかった場合、この顧客が解約する可能性はどの程度ですか?",
            "criteria": [
                "解約の兆候はない",
                "軽い不満がある",
                "他社への乗り換えに触れている",
                "解約すると明言している",
            ],
        },
    },
)

answers = result.answers
print(answers["is_defect"].noul)
print(answers["department"].choice, answers["department"].confidence)
print(answers["churn_risk"].score, answers["churn_risk"].probabilities)

書き方のポイントは次のとおりです。

  • 質問キーは半角で付ける:is_defectのような質問キーに使えるのは、半角の英数字と_、-だけで、64文字までです。モデルは質問キーを見ないため、聞きたいことは省略せずにinstructionsへ書きます。
  • noulの説明はcriteriaに書く:「はい」と「いいえ」がそれぞれ何を指すかを、true_descriptionとfalse_descriptionで補えます。質問文だけで意味が決まるなら省略できます。
  • choiceの候補には説明を付ける:criteriaは、候補のキーと「どんなときに当てはまるか」の説明の組です。キーだけで意味が通じる場合は、説明を空文字にできます。
  • scoreの段階は低い順に並べる:返ってくるscoreは、段階の番号(0から始まります)を確率で重み付けした平均です。そのため、2.4のように段階の間の値になることがあります。段階を1つに決めたいときは、probabilitiesで最も確率の高い段階を選びます。

4. confidenceで、自動で実行するか人が確認するかを分ける

答えの値で処理を選び、confidenceで自動で実行するかどうかを決めます。次は公式ガイドに載っている分岐の例です。

answer = result.answers["department"]
if answer.confidence >= 0.7:
    route_to(answer.choice)
else:
    route_to("human_review")

0.7は例の値です。Googleは、利用する側が実際の入力から正解付きの例を用意し、誤って実行したときと、誤って人の確認へ回したときの損失を比べて、しきい値を決めるよう勧めています。

5. 画像・音声・動画・PDFを渡す

テキスト以外を渡すときは、inputをブロックの配列にします。

ブロック 主な形式 補足
text テキスト 隣り合うテキストは区切りなしで連結される
image PNG、JPEG、WebP、HEIC、GIFなど resolutionを指定できる
audio WAV、MP3、AAC、FLAC、OGGなど resolutionは使わない
video MP4、MOV、WebMなど resolutionを指定できる
document PDFのみ resolutionは使わない

返品申請に添付された写真に、破損が写っているかを確かめる例です。

import base64

from google import genai

client = genai.Client(http_options={"api_version": "v1beta"})

with open("damage.jpg", "rb") as f:
    image_b64 = base64.b64encode(f.read()).decode("utf-8")

result = client.decisions.create(
    model="gemini-decision-1",
    input=[
        {"type": "text", "text": "返品申請8821に添付された写真です。"},
        {
            "type": "image",
            "data": image_b64,
            "mime_type": "image/jpeg",
            "resolution": "low",
        },
    ],
    questions={
        "visible_damage": {
            "type": "noul",
            "instructions": "写真の製品に、目に見える破損がありますか?梱包材の傷は無視してください。",
        },
    },
)

print(result.answers["visible_damage"].noul)

メディアを渡すときの決まりは、次のとおりです。

  • 渡し方は3通り:base64で直接埋め込む、Files APIのURIを渡す、公開または署名付きのHTTPS URLを渡す、のいずれかです。埋め込みは1リクエスト100MBまで(PDFは50MBまで)、外部URLは1つ15MBまでです。YouTubeのURLと、Cloud Storageのgs://は使えません。
  • MIMEタイプは実際の形式を書く:汎用のoctet-streamや、ブロックの種類と合わない内容は拒否されます。
  • resolutionでトークン数を調整する:low、medium、high、ultra_highの4段階です。ultra_highは画像だけに使えます。
  • 質問文はテキストだけ:instructionsに画像は入れられません。質問ごとに別の画像を見せたい場合は、質問文に画像を入れられるOpenAI Decisions APIか、Jev(画像は試験提供)が候補になります。

6. 公式ドキュメントが挙げている注意点

Decisions APIガイドには、精度と運用に関わる注意点がまとまっています。実装の前に押さえておきたいものを挙げます。

  • noulは0.01〜0.99の範囲:0.99を超える値は返りません。「0.99より大きければ実行」という条件は、一度も成り立ちません。
  • choiceの候補はキーのアルファベット順に並べ替えられる:JSONに書いた順番は結果に影響しません。確率が完全に同じなら、アルファベット順で先のキーが選ばれます。
  • どれにも当てはまらない入力に備える:choiceは、当てはまる候補がなくても、候補の間で確率を配分します。confidenceを確かめる、対象の範囲内かを聞くnoulを組み合わせる、説明を付けたotherを用意する、といった対策が要ります。「none_of_the_above」のように位置を前提にしたキーは、並べ替えで最後に来ないため避けます。
  • scoreの段階は等間隔にする:scoreは段階の番号の平均なので、1、10、100、1000のような指数的な尺度では値が歪みます。段階の数は2〜10が勧められています。
  • 否定形で聞かない:「ゴールド会員ではないですか」とは聞かず、「ゴールド会員ですか」と聞いて、コードで1から確率を引きます。
  • 数値・日付・期間の比較はコードで済ませる:比較の結果や区分の名前を、入力に入れて渡します。関係のない項目は入力から外します。
  • 入力を信頼しない:利用者が書いた文章は、自分に都合のよい分類を主張できます。選択肢の説明を明確に書き、悪意のある例で試し、支払いのような重要な操作には、人か別の検査を残します。
  • 会話履歴はテキストに直す:会話履歴やツール呼び出しのブロックは渡せません。
  • 安全フィルタに止められるとHTTP 400が返る:answersの代わりに、codeとmessageを持つエラーが返ります。

Google AI Studioには、3つの質問型を画面で試し、動くコードを書き出せる「Decisions Playground」も用意されています。

どれから試すか

以下は公式の順位ではなく、ここまでの仕様から整理した当社の案です。

こういう要件なら 最初の候補 確かめること
音声・動画・PDFをそのまま判断の材料にしたい Gemini Decision 1 メディアごとの課金トークン数、待ち時間
長い資料に、数百の質問を1回で当てたい Gemini Decision 1(262,144トークン・1,000問) 質問を増やしたときの精度と待ち時間
テキスト中心で、単価を抑えたい Jev 64kと32kのコンテキスト上限、日本語での精度
同じ資料へ、別々のリクエストで質問を重ねたい OpenAI Decisions API キャッシュの割引率、再利用できる入力の条件
会話履歴やツール呼び出しを、そのまま渡したい OpenAI Decisions API 既存のエージェントの記録との相性
画像の中の位置を知りたい Jev 1.14のbox型 試験提供であること、対象が写っていなくても位置を返す点
まず無料で形を確かめたい Gemini Decision 1の無料枠 無料枠で送った入力は製品の改善に使われる点

候補を絞ったら、実際の日本語の入力から正解付きの例を用意して比べます。よくある例だけでなく、曖昧な例、情報が足りない例、どの候補にも当てはまらない例も含めます。測る項目は、正答率、確率の較正、待ち時間、候補の順序や言い換えへの安定性、そして再試行や人の手直しを含めた1件あたりの費用です。

まとめ:判断を仕様として書き、モデルは入れ替えて比べる

Gemini Decisions APIの要点は、次のとおりです。

  • 入力の広さ:音声・動画・PDFを含む入力を、1リクエストで1,000問まで判断できます。今回比べた3つの中では、入力の種類が最も広いAPIです。
  • 価格:公表単価はOpenAI Decisions APIと同じ0.10ドルで、Jevの約2.4倍です。質問をまとめれば共有入力の課金は1回で済みます。ただしキャッシュがないため、同じ資料へ別々のリクエストで質問を重ねる使い方では割高になりやすいAPIです。
  • 性能:Googleの評価表では、共通の7評価のうち5つで首位、較正誤差も最小でした。ただし多くの評価で2位との差は2ポイント前後で、Jevが首位の評価も2つあります。また、これはGoogleによる評価です。

フィールフロウのAI仕様駆動開発の視点では、モデルを選ぶ前に、判断そのものを仕様として書き出しておくことをおすすめします。

  • 何を聞くのか。質問文と、答えの候補や段階の定義。
  • どの確信度から自動で実行し、どこから人が確認するのか。
  • 誤って実行したときと、誤って人の確認へ回したときの、それぞれの損失。

この3つが文書になっていれば、GeminiでもJevでもOpenAIでも、同じ質問と同じ正解データで比べられます。GeminiとJevはリクエストの形が近いので、入れ替えて試しやすいはずです。ただしconfidenceのしきい値だけは移し替えず、正解付きのデータで決め直します。今回の比較で、実務にいちばん効く注意点はここだと考えています。

関連記事

用語

Gemini Decisions API
文章を生成せず、はい/いいえ・選択・採点の質問に確率で答えるGoogleのAPI。2026年11月11日に発表されました。
Gemini Decision 1
Decisions API専用のモデル。モデルIDはgemini-decision-1で、テキスト・画像・音声・動画・PDFを入力にできます。
Interactions API
Gemini APIで文章を生成する通常のAPI。Googleは、自由な文章や要約、ツール呼び出しにはこちらを使うよう案内しています。
noul
条件が成り立つかを聞く、はい/いいえの質問型。Geminiでは成り立つ確率を0.01〜0.99で返します。JevとClefも同じ型名を使います。
choice
決まった候補から1つを選ぶ質問型。選んだ候補と、候補ごとの確率を返します。
score
順序のある段階で採点する質問型。段階の番号を確率で重み付けした平均を返すため、段階の間の値になることがあります。
confidence
答えにどれだけ確信があるかを0〜1で示す値。Geminiでは最上位の候補の確率と同じ値で、Jevでは確率分布の形から計算します。
共有入力
1つのリクエストで、すべての質問が共通して参照する判断の材料。Gemini Decisions APIでは、質問の数にかかわらず1回だけ課金されます。
Top-1正答率
最も確率の高い答えが正解だった割合。
Macro-F1
分類のクラスごとのF1を均等に平均した指標。件数の少ないクラスの出来も、同じ重みで反映されます。
較正
モデルが答えに付けた確率と、実際に当たる割合がどれだけ一致しているかという性質。キャリブレーションとも呼びます。
Top-1 ECE
ECEはExpected Calibration Error(期待較正誤差)の略。最上位の答えに付けた確率と、実際の正答率のずれを示す指標で、低いほど確率が当てになります。
プロンプトキャッシュ
前回と一致する入力の先頭部分を再利用し、その分の入力料金を割り引く仕組み。OpenAI Decisions APIが対応しています。
Jev
TypeSafe AIの意思決定モデル。現行はJev 1.14で、入力100万トークンあたり0.042ドルです。
GPT-6 Luna
OpenAI Decisions APIが対応しているモデルです。

よくある質問

Gemini Decisions APIは、通常のGemini APIと何が違いますか?

文章を生成せず、はい/いいえ・選択・採点の3種類の質問に確率で答える点が違います。出力トークンは常に0で、課金は入力トークンだけです。自由な文章や要約、独自のJSONスキーマに沿った抽出、引数付きのツール呼び出し、複数段階の推論が必要な場合は、GoogleはInteractions APIを使うよう案内しています。

Jev、OpenAI Decisions APIと比べて、料金はどうですか?

入力100万トークンあたりの公表単価は、Gemini Decision 1とOpenAI Decisions APIが0.10ドル、Jev 1.14が0.042ドルです。3つとも出力には課金されません。Gemini Decisions APIは共有入力を1リクエストにつき1回だけ課金するため、同じ入力への質問は1リクエストにまとめると安くなります。一方でコンテキストキャッシュには対応しておらず、リクエストをまたいで繰り返した入力は全量が課金されます。OpenAI Decisions APIにはプロンプトキャッシュがあり、キャッシュの読み取りは割引、書き込みは課金されます。

性能はGemini Decision 1が最も高いのですか?

Googleが発表記事に載せた評価表では、3つの意思決定モデルに共通する7評価のうち、Gemini Decision 1が5つ、Jev 1.14が2つ(Mind2Web MultimodalとWhen2Call)で首位でした。ただし、首位と2位の差が2.1ポイント以内の評価が7つのうち6つあり、数値上の差が最も大きいのはNew Yorker Captionです。較正誤差を示すTop-1 ECEは、Gemini Decision 1が0.0250で最も低い値でした。これはGoogleによる評価で、試行回数や信頼区間も書かれていないため、自社のデータで確かめることをおすすめします。

無料で試せますか?

Google AI Studioの無料枠で試せます。無料枠のレート制限は、1分あたり200リクエスト、1分あたり50,000トークン、1日あたり10,000リクエストです。料金表では、無料枠で送った入力は製品の改善に使われ、有料枠では使われないと区別されています。顧客情報を含む業務データは、有料枠で扱うのが前提になります。

日本語の問い合わせや文書でも、同じ精度が出ますか?

Googleの評価表からは、日本語での精度は分かりません。Global-MMLU-Lite(英語以外)の値はありますが、日本語だけの値は載っていません。実際の日本語の入力から正解付きの例を用意し、正答率と、確率がどれだけ当てになるかを自社で確かめる必要があります。

Jevで決めたconfidenceのしきい値は、Geminiでもそのまま使えますか?

そのままは使えません。Geminiのconfidenceは最上位の候補の確率と同じ値ですが、Jevは確率分布の形から計算します。3択で最上位の確率が0.70の場合、Geminiは0.70、Jevの式では0.55になります。OpenAIのDecisionsガイドには計算式が書かれていません。しきい値は、APIを替えるたびに正解付きのデータで決め直します。

この比較は、フィールフロウが自分で測った結果ですか?

いいえ。2026年11月12日時点の各社の公式ドキュメントと発表に基づく整理です。性能の数値はGoogleが発表記事に載せた評価表によるもので、当社では各APIを実行していません。使い方の節のコードも、公式ドキュメントの仕様に沿って書いた例です。

参考資料

この記事は、次の一次情報に基づいています。数値や記述の詳細は各資料をご確認ください。

参考資料 19 件を表示
  1. Gemini Decisions API の公式発表
    Googleblog.google発行 確認

    API とモデルの概要、応答時間の説明、社内での利用例、評価表(表は画像で掲載されている)

  2. Decisions API ガイド
    Googleaistudio.google.com確認

    エンドポイント、質問型とフィールド名、confidence の定義、入力ブロック、上限、非対応の機能、推奨される書き方

  3. Gemini Decision のモデルページ
    Googleaistudio.google.com確認

    モデル ID、入力の種類、トークン上限、対応していない機能の一覧

  4. Gemini API の料金表
    Googleaistudio.google.com確認

    Gemini Decision の入力単価、無料枠と有料枠のデータの扱い、共有入力の課金規則、Gemini 3.5 Flash-Lite の単価

  5. Gemini API のレート制限
    Googleaistudio.google.com確認

    Gemini Decision の利用枠ごとのリクエスト数とトークン数の上限

  6. Gemini API の更新履歴
    Googleaistudio.google.com発行 確認

    2026年11月11日付の Gemini Decision と Decisions API の公開

  7. TypeSafe のモデル一覧
    TypeSafe AIdocs.typesafe.ai確認

    Jev 1.14 と 1.13 の単価、コンテキスト長、入力の種類、質問型、質問数の扱い、長いコンテキストのヘッダー

  8. TypeSafe の画像入力の説明
    TypeSafe AIdocs.typesafe.ai確認

    画像と Box 型が試験提供であること、画像を使うときのヘッダー、画像を置ける場所

  9. TypeSafe の質問型の説明
    TypeSafe AIdocs.typesafe.ai確認

    Choice・Score・Noul・Box の返り値と、criteria の形

  10. TypeSafe の confidence の説明
    TypeSafe AIdocs.typesafe.ai確認

    confidence を確率分布の形から計算する式と、Noul には confidence を返さないこと

  11. OpenAI Decisions ガイド
    OpenAIdevelopers.openai.com確認

    対応モデル、質問型とフィールド名、質問数の上限、入力の種類、プロンプトキャッシュ、料金、confidence を含む応答例

  12. OpenAI API の更新履歴
    OpenAIdevelopers.openai.com確認

    10月6日のベータ公開と、10月22日の一般提供で加わった機能

  13. Microsoft-Decision-1 の公式発表
    Microsoftcommandline.microsoft.com発行 確認

    入力単価と、速度についての説明

  14. Clef-flash の仕様
    Cloudflaredevelopers.cloudflare.com確認

    入力単価と入力の種類

  15. Clef の仕様
    Cloudflaredevelopers.cloudflare.com確認

    入力単価と入力の種類

  16. Clef-omni の仕様
    Cloudflaredevelopers.cloudflare.com確認

    入力単価、入力の種類、コンテキスト長、質問数の上限

  17. When2Call: When (not) to Call Tools
    arXivarxiv.org発行 確認

    When2Call が、ツールを呼ぶ・聞き返す・答えられないと伝える、のどれが適切かを判断できるかを測る評価であること

  18. MMAU: A Massive Multi-Task Audio Understanding and Reasoning Benchmark
    arXivarxiv.org発行 確認

    MMAU が、音声・環境音・音楽の理解と推論を測る評価であること

  19. Multimodal-Mind2Web
    OSU NLP Grouphuggingface.co確認

    Web ページの HTML とスクリーンショットを組にした、Web エージェント向けの評価データであること

この記事を引用する

岡崎 太「Gemini Decisions API登場:Gemini Decision 1の使い方と、Jev・OpenAI Decisions APIとの性能・価格比較」株式会社フィールフロウ、2026年11月12日、https://feelflow.net/blog/2026-11-gemini-decisions-api/

この記事を書いた人

岡崎 太

CTO / AIアーキテクト

この著者の記事を見る

次に読む

同じトピック:OpenAIOpenAI Decisions API がパブリックベータに:公式仕様で埋まった「未公表」と Jev との再比較OpenAI Decisions API が 2026 年 10 月 6 日にパブリックベータになり、公式ガイドと SDK が公開されました。predicate / choice / score の 3 つの質問型、確率と confidence、入力トークンのみの料金など、前回記事で「未公表」だった項目を公式仕様で埋め直し、TypeSafe Jev との比較を図解つきで更新します。