Vieles, was KI in Apps erledigt, ist gar kein Schreiben. Es ist Auswählen: Welches Modell soll diese Anfrage bearbeiten, verstößt dieses Bild gegen eine Regel, wie schwer wiegt diese Beschwerde. Googles neue Gemini Decisions API ist für genau diese Arbeit gebaut. Statt eine Antwort Wort für Wort zu erzeugen, bewertet ihr Modell Gemini Decision 1 eine feste Auswahl an Optionen in einem Durchgang und liefert Wahrscheinlichkeiten. Das ist schneller und deutlich günstiger, als ein Chatmodell zu fragen.
Die Funktionsweise ist schnell erklärt. Man schickt eine Eingabe, die Text, Bilder, Audio, Video und PDFs bis 256K Tokens mischen kann, dazu bis zu 1.000 unabhängige Fragen. Jede Frage hat einen von drei Typen: eine Ja-Nein-Prüfung, eine Auswahl zwischen 2 und 255 Optionen oder eine Bewertung auf einer geordneten Skala. Jede Antwort kommt mit einem Konfidenzwert zwischen 0 und 1, sodass Entwickler unsichere Fälle an einen Menschen oder ein stärkeres Modell weitergeben können. Google nennt 150-250 ms Gesamtlatenz, nahezu konstant zwischen 1 und 100 Fragen pro Anfrage bei Eingaben bis 16K Tokens.
Der Preis ist die Schlagzeile. Decision 1 kostet 0,10 Dollar pro Million Eingabetokens und nichts für die Ausgabe, die gemeinsame Eingabe wird einmal berechnet, egal wie viele Fragen gestellt werden, und in AI Studio gibt es eine kostenlose Stufe zum Ausprobieren. Laut Google ist das über die eigene Benchmark-Suite fast fünfmal günstiger als Gemini 3.5 Flash-Lite über die normale API, und das Modell habe den geringsten Kalibrierungsfehler auf diesen Benchmarks. Bei Google selbst leitet es bereits Anfragen in Gemini Notebook weiter, wo die Latenz bei Alltagsfragen um bis zu 40% gesunken sei, und wählt in CC von Google Labs Emoji-Reaktionen aus mehr als 200 Optionen.
Diese Kategorie verfolgen wir bereits. Jev von TypeSafe AI, das wir besprechen, bietet dieselbe Idee typisierter Auswahl und Wahrscheinlichkeiten für 0,042 Dollar pro Million Eingabetokens bei kostenloser Ausgabe, weniger als die Hälfte von Googles Preis. Googles Vorteile sind native multimodale Eingaben und Integrationen in OpenRouter, LangChain, Vercel, LiteLLM und weitere, Jevs Vorteil sind die Kosten. Für Teams, die in großem Maßstab klassifizieren, lohnt der Vergleich mit eigenen Daten.
Die Vorbehalte sind die üblichen. Benchmark-Ergebnisse und Kalibrierungsangaben stammen von Google selbst, und die Suite wird in der Ankündigung nicht genau beschrieben. Ein Entscheidungsmodell wählt nur zwischen den Optionen, die man ihm gibt, eine schlecht gestellte Frage bekommt also trotzdem eine selbstsichere Antwort. Und die Latenzangaben setzen Eingaben voraus, die weit kürzer sind als das Maximum von 256K.