구글, 단일 패스로 최대 1,000개 질문에 확률 답하는 Gemini Decisions API 공개
- 구글이 Gemini Decision 1(gemini-decision-1) 모델을 쓰는 Gemini Decisions API를 공개함. 텍스트·이미지·오디오·비디오·PDF를 한 입력으로 넣고 최대 1,000개의 예/아니오·선택·루브릭 채점 질문을 단일 포워드 패스로 평가해 확률과 신뢰도 점수를 반환함.
- 입력 컨텍스트는 최대 256K 토큰, 모델 연산 중앙값 50-100ms에 종단 지연 150-250ms이며 질문이 1개에서 100개로 늘어도 지연이 거의 평탄함.
- 가격은 입력 100만 토큰당 $0.10이고 출력 토큰은 과금하지 않아, 공유 벤치마크 기준 Gemini 3.5 Flash-Lite와 Interactions API 조합보다 약 5배 저렴함.
- 에이전트 라우팅, 추론, 랭킹, 멀티모달 이해 벤치마크에서 선두이고 캘리브레이션 오차가 가장 낮다고 구글이 밝힘.
- 현재 Google AI Studio에서 API 키를 받아 쓸 수 있고 Python, JavaScript, REST 가이드가 제공됨. Vertex AI 제공 시점은 글에 없음.
Hacker News opinions
구글이 Jev에서 영감 받은 자체 decision API랑 모델을 냈네. 2달 전에 화제였던 그 흐름 그대로임.
다른 decision 모델보다 좀 비싼 편인데 오디오랑 비디오를 입력으로 받으니까 그쪽 케이스에서는 꽤 유용할 듯.
난 1년 전에 클로드한테 짜달라고 한 직접 만든 Jev 버전에서 못 벗어나고 있음. 이미지 1k로 줄여서 태깅 질문 몇 개 던지는 식인데 Qwen 3 VL로 초당 3장 정도 나옴.
그 와중에 Jules는 오늘 베개로 목 졸라 죽였더라. 1년 만에 마이그레이션 경로라고 내놓은 게 'antigravity 쓰세요' 한 줄 배너가 전부임.
그건 말이 안 됨. 이건 Jev 경쟁작이자 모델 릴리스라서 Carbon이나 Argon처럼 대체재 없이 그냥 죽지는 않음.
Jev 나오고 OpenAI는 2주 만에 냈는데 구글은 2달 걸렸음. 관료제인지 품질 관리인지 궁금하네.
벤치마크 보면 OpenAI랑 Jev보다 나은데, 같은 평가에서 Jev가 오히려 더 나쁘게 나오는 게 이상하긴 함.
확률은 대체 어떻게 계산하는 거임? 로짭으로 yes/no 비교하면 되긴 하는데 궁금하네.
그냥 더 많고 좋은 데이터임. 다른 분류기처럼 cross entropy로 예측 확률을 정답 쪽으로 밀어붙이는 거고.
Jev 나오기 전에도 제로샷 분류는 다들 했음. 생성이 아니라 분류에 맞춰 튜닝하고 도메인에 맞춘 게 제품으로 쓸 만해진 거지.
Jev는 거의 10억 규모 투자를 OAI decision API 나온 뒤에 받았음. 다음 수가 뭘지 궁금하네.
Vertex에는 언제 들어옴? 지금은 AI Studio에만 있는 것 같은데.
확률 타입 이름이 왜 noul임? Bernoulli에서 왔다던데 출처는 못 찾겠더라.
Jev 말고 내가 써본 최고는 respan/span-02임. Gemma4 26A4 파인튜닝이라 비싼 가격에도 이번 릴리스는 기대됨.
구글은 기존 고객 지갑 점유율 지키려고 '우리도 함' 수준 제품을 비싸게 내는 거임. 안 옮겨가게 하면 그만이니까.