Google DeepMind hat am 11. November 2026 die Gemini Decisions API zusammen mit dem spezialisierten Modell Gemini Decision 1 offiziell freigegeben. Das System stellt eine fundamentale Abkehr von traditionellen Chat-Modellen dar, da es vollständig auf die Generierung von freiem Fließtext verzichtet. Stattdessen konzentriert sich die Architektur ausschließlich darauf, kalibrierte Wahrscheinlichkeiten für strukturierte Auswertungen bereitzustellen.
Technisch zeichnet sich das Modell durch die Erzeugung von null Output-Tokens aus. Entwickler können in einem einzigen API-Aufruf bis zu 1.000 geschlossene Abfragen gleichzeitig evaluieren lassen. Dies umfasst klassische Ja-Nein-Entscheidungen, sogenannte Noul-Fragen, Multiple-Choice-Klassifikationen mit bis zu 255 vordefinierten Optionen sowie gewichtete Rubrik-Bewertungen für komplexe Prüfkataloge.
Trotz des Verzichts auf Textausgaben operiert Gemini Decision 1 multimodal und verarbeitet heterogene Datensätze. Das System akzeptiert eine Kombination aus Texten, hochauflösenden Bildern, Videomaterial, Audiodateien und PDF-Dokumenten. Für umfangreiche Dokumentenanalysen steht ein Kontextfenster von 262.144 Tokens, also 256k Tokens, zur Verfügung.
Bei der Leistung setzt DeepMind auf extreme Geschwindigkeit und niedrige Betriebskosten. Die Latenzzeiten für Entscheidungsabfragen bewegen sich laut Spezifikation zwischen 150 und 250 Millisekunden. Preislich verlangt Google 0,10 US-Dollar pro einer Million Input-Tokens, während die generierten Entscheidungswerte ohne zusätzliche Output-Kosten zurückgegeben werden.
Mit diesem Schritt positioniert sich der Konzern in direkter Konkurrenz zu bestehenden Klassifikationslösungen der Branche. Zu den primären Mitbewerbern zählen das System Jev von TypeSafe sowie OpenAIs GPT-6 Luna Decision API. Googles Vorstoß zielt darauf ab, die Lücke zwischen teuren generativen Modellen und simplen heuristischen Klassifikatoren im Unternehmenseinsatz zu schließen.
Für Entwickler komplexer Agentensysteme entfällt durch diese Architektur die Notwendigkeit fehleranfälliger Parsing-Schritte. Da keine unstrukturierten Strings bereinigt oder formatierte JSON-Antworten erzwungen werden müssen, sinkt das Risiko von Halluzinationen bei Routing- und Filterprozessen in automatisierten Software-Pipelines drastisch.