Gemini Decision（モデルID gemini-decision-1）は、Googleが2026年11月11日にGemini APIで公開した判断専用のモデルです。文章を生成せず、「はい／いいえ」「どの候補か」「何段階目か」の問いに対して較正済みの確率だけを返し、出力トークンは常に0になります。この記事では、Decisions APIの仕様と上限、Pythonとcurlでの呼び出し方、入力100万トークン0.10ドルの料金とレート制限から見た処理件数、閾値の決め方、OpenAI Decisions APIとの違いを、2026年11月12日時点の公式ドキュメントに基づいて整理します。
まとめ：Gemini Decisionの要点と先に知っておきたい採用・見送りの条件
Gemini Decisionは、問い合わせの振り分け、投稿や申請のポリシーチェック、候補のスコアリングのように「答えの選択肢を先に列挙できる判定」を、生成モデルより安く速く回すためのAPIです。テキスト・画像・音声・動画・PDFを入力でき、1リクエストで最大1,000問をまとめて聞けます。
料金はPaid Tierで入力100万トークンあたり0.10ドル、出力は課金されません。共有の入力は質問数にかかわらず1回だけ課金されるため、同じ文書に対する複数の判定は1リクエストにまとめるのが基本の設計です。Free Tierは無料ですが、送信データがGoogleの製品改善に使われる扱いなので、顧客データは送らないでください。
採用してよいのは、Gemini APIをすでに使っていて、音声・動画・PDFを含む大量の閉じた判定を確率付きで処理したい場合です。判断の理由を文章で残す処理、Batch APIやキャッシュで費用を下げたい処理、Vertex AI上で運用を完結させたい処理は見送り、生成モデルや他社の判断APIを選びます。
Gemini Decisionとは何か：判断専用APIの仕様と入力・質問数の上限
まず gemini-decision-1 とDecisions APIの公開の経緯と、質問の型・上限・非対応機能を押さえます。実装で詰まりやすいのは、生成モデルなら当然使える機能の多くが使えない点です。
2026年11月11日の公開内容とv1betaのみで提供される範囲
Gemini APIのリリースノートには、11月11日付で「Gemini Decision（gemini-decision-1）とDecisions APIを公開した」と記載されています。用途は二値・カテゴリ・ルーブリックの判定で、対象はテキスト・画像・音声・動画・PDF、出力トークンは0です。前日の11月10日には推論モデルのGemini 4 Carbonが公開されており、生成系と判断系が続けて追加された形です。
Decisions APIのガイドによると、このモデルはGemini Developer APIのv1betaでのみ利用できます。エンドポイントは POST https://generativelanguage.googleapis.com/v1beta/decisions です。モデルページと料金表にPreviewの表記は無い一方、GAとの明記もありません。本番に入れる場合は、v1betaで仕様が変わる前提で切り戻し先を用意してください。
noul・choice・scoreの3つの質問タイプと返り値の読み方
質問は questions にキー付きのマップで渡し、type で型を指定します。型名はOpenAIの predicate と違い、はい／いいえが noul である点に注意が要ります。
| type | 問いの形 | criteriaの渡し方 | 主な返り値 |
|---|---|---|---|
noul |
はいか、いいえか | 任意（true_description 等も可） |
noul（はいの確率0.01〜0.99） |
choice |
どの候補に当たるか | 必須・キーと説明のマップ（2〜255件） | choice・probabilities |
score |
何段階目に当たるか | 必須・低い順の説明の配列（2〜255段階） | scoreprobabilitieslegend |
3つの型すべてに confidence が付き、上位の答えが正しい推定確率を表します。noul では「はいの確率」と「1からそれを引いた値」の大きいほうです。score は段階番号（0始まり）を確率で重み付けした平均なので、2.99のように段階の間の値が返ります。段階そのものが欲しいときは、probabilities の最大の段階を取り、legend で説明に戻します。
入力262,144トークン・1,000問の上限と非対応機能の一覧
gemini-decision-1のモデルページでは、入力上限262,144トークン、出力上限0、1リクエストの質問数は最大1,000問とされています。ガイド側の上限は、選択肢キーが最大128文字（UTF-8で512バイト）、質問キーは英数字と _ - の64文字以内です。score は2〜255段階まで指定できますが、ガイドが推奨するのは2〜10段階です。
非対応として列挙されているのは、テキスト生成、構造化出力、Function Calling、思考（Thinking）、Batch API、コンテキストキャッシュ、Live API、検索グラウンディング、Flex／Priority推論などです。理由の説明文や抽出項目が必要な処理は、Gemini APIのInteractions APIで生成モデルを呼ぶ方法に切り替えます。JSONの形を保証したい場面の選択肢はLLM構造化出力の仕組みで比べられます。
Python SDK 3.2とcurlで判断APIを呼び出す手順と振り分けの実装
ここからは、APIキーの設定から、問い合わせを窓口へ振り分けるコードまでを順に示します。コードは公式ガイドのリクエスト形式に沿った例で、実行結果の数値は載せていません。
google-genai 3.2.0の導入とAPIキー設定から最初のcurlまで
ガイドは、Python（google-genai）とJavaScript（@google/genai）のどちらもSDK 3.2以降を求めています。PyPIのgoogle-genaiでは、3.2.0がDecisionの公開と同じ2026年11月11日に出ており、対応Pythonは3.11以上です。古いSDKでは client.decisions が存在しないため、まずバージョンを上げます。
pip install -U "google-genai>=3.2.0"
export GEMINI_API_KEY="取得したAPIキー"
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": "月曜に注文した青いマグカップが、水曜に割れた状態で届きました。",
"questions": {
"is_damaged": {
"type": "noul",
"instructions": "商品は破損した状態で届きましたか。"
}
}
}'レスポンスの answers.is_damaged.noul に「はい」の確率が入り、usage.total_input_tokens に課金対象の入力トークン数が、total_output_tokens に0が返ります。公式の例文は英語で、日本語の判定精度について文書に記載はありません。日本語の業務データで使う前に、次節以降の手順でラベル付きデータと突き合わせてください。
振り分け・対象外判定・深刻度を1リクエストで聞くPythonコード
EC事業者の問い合わせを、対象外かどうか、どの窓口か、どれほど深刻かの3問で一度に判定する例です。閾値を下回る答えは自動で処理せず、人の確認キューに回します。
from google import genai
# APIキーは環境変数 GEMINI_API_KEY から読み込まれる
client = genai.Client(http_options={"api_version": "v1beta"})
SCOPE_THRESHOLD = 0.50 # 対象内とみなす下限（自社データで決め直す初期値）
ROUTE_THRESHOLD = 0.80 # 自動で振り分ける確信度の下限
def route_inquiry(text: str) -> dict:
result = client.decisions.create(
model="gemini-decision-1",
input=text,
questions={
"in_scope": {
"type": "noul",
"instructions": "この問い合わせは当社ECサイトの注文・配送・返品・アカウントに関するものですか。",
},
"queue": {
"type": "choice",
"instructions": "この問い合わせを担当すべき窓口はどれですか。",
"criteria": {
"billing": "支払い・請求書・返金に関する問い合わせ。",
"replacements": "破損・欠品・誤配送の商品に関する問い合わせ。",
"general": "商品の仕様やアカウント情報の変更。",
"other": "上記のいずれにも当てはまらない問い合わせ。",
},
},
"severity": {
"type": "score",
"instructions": "利用者にとってこの問題はどの程度深刻ですか。",
"criteria": [
"見た目だけの問題で、機能は失われていない。",
"作業は失敗するが、別の方法で回避できる。",
"作業が失敗し、回避方法がない。",
],
},
},
)
answers = result.answers
if answers["in_scope"].noul < SCOPE_THRESHOLD:
return {"queue": "human", "reason": "対象外の可能性"}
queue = answers["queue"]
if queue.choice == "other" or queue.confidence < ROUTE_THRESHOLD:
return {"queue": "human", "reason": f"確信度 {queue.confidence:.2f}"}
return {"queue": queue.choice, "severity": round(answers["severity"].score, 2)}
print(route_inquiry("先月分の請求書が二重に発行されています。"))3問を別々のリクエストにせず1回で送っているのは、料金が「共有入力は1回だけ課金」という体系だからです。in_scope を独立した noul にしているのは、後述する「choice は該当なしでも確率を配る」問題への対策で、ガイドが勧める組み合わせ方でもあります。
画像・音声・動画・PDFを入力ブロックで渡すときの容量制限と指定方法
テキスト以外は、input を配列にして image・audio・video・document（PDF）のブロックを並べます。各ブロックはbase64の data か uri と mime_type を持ち、画像と動画には resolution（low〜ultra_high）を付けられます。
- インラインデータは1リクエスト最大100MB、PDFは50MBまで
- 外部URLは最大15MBで、Files APIのURIと公開または署名付きHTTPSのURLに対応
- YouTubeのURLと
gs://のURIは使えない - 隣り合うテキストブロックは区切りなしで連結されるので、改行は自分で入れる
- 質問文（
instructions）にはメディアを入れられず、会話履歴やツール呼び出しのブロックも入力不可
実務で引っかかりやすいのは gs:// 非対応です。Cloud Storageに置いた返品写真や通話録音を判定するなら、署名付きURLを発行して渡すか、Files APIにアップロードしてから参照します。
料金とレート制限から月額を試算する手順：入力100万トークン0.10ドルの数え方
判断APIの費用は、生成モデルと数え方が違います。出力が0なので、入力の設計だけで月額がほぼ決まります。
共有入力は1回だけ課金される仕組みと複数の質問をまとめて送る理由
Gemini APIの料金ページでは、gemini-decision-1 の入力単価はPaid Tierで100万トークンあたり0.10ドル（テキスト・画像・動画・音声・PDF共通）、出力は「0 output tokens」のため対象外です。注記には、共有入力は質問数にかかわらずリクエストごとに1回だけ課金され、各質問は自身の指示文と選択肢の分のトークンを加える、とあります。
試算の例として、ガイドのレスポンス例にある3問のリクエストは入力324トークンでした。同じ規模の判定を月10万件送ると3,240万トークンで、費用は約3.24ドルです。同じ3問を別々のリクエストに分けると、共有入力が3回課金されるうえ、RPMも3倍消費します。
コンテキストキャッシュとBatch APIには対応しないため、長い規程文書を毎回入力に入れる設計は、そのまま毎回全量の課金になります。生成モデルで使えるGemini Batch APIの半額実行はDecisionでは選べません。モデル全体の単価と課金設定はGemini APIの料金と無料枠の解説にまとめています。
Free Tierのデータの扱いとTier別のRPM・TPM上限から見る処理件数
Free Tierは無料で使えますが、料金表の「製品改善への利用」欄がFree TierはYes、Paid TierはNoです。顧客の問い合わせや審査書類で検証するなら、最初から課金を有効にしたプロジェクトで行うべきです。
レート制限のページに載っている値は次のとおりです（保証値ではないと注記あり）。
| Tier | RPM | TPM | RPD | 324トークン／件での1分あたり上限 |
|---|---|---|---|---|
| Free | 200 | 50,000 | 10,000 | 約154件（TPMが先に尽きる） |
| Tier 1 | 1,500 | 1,000,000 | 50,000 | 1,500件（RPMが上限） |
| Tier 2 | 5,000 | 4,000,000 | 無制限 | 5,000件 |
| Tier 3 | 15,000 | 10,000,000 | 無制限 | 15,000件 |
右端の列は、1件324トークンとしてRPMとTPMの小さいほうを取った計算値です。Tier 1はRPDが50,000なので、1日5万件を超える判定はTier 2以上が前提になります。PDFや動画を入れると1件のトークンが桁違いに増え、TPMが先に上限へ届く点も見込んでおきます。
閾値の決め方と誤判定を防ぐ質問設計：公式ガイドの注意点を実装に落とす
確率が返ることがDecisionの価値ですが、その確率をどこで切るかは利用者が決めます。ガイドの注意点のうち、実装で事故につながりやすいものを順に扱います。
choiceが該当なしでも確率を配る問題とotherキーの命名規則
choice は、どの選択肢にも当てはまらない入力でも、確率の合計が1になるよう配分します。窓口が3つしかなければ、スパムや営業メールもどれかの窓口へ高めの確率で振られる仕組みです。ガイドの対策は、説明付きの「other」の選択肢を置く、confidence で切る、別の noul で対象範囲を確かめる、の3つで、前節のコードは3つとも入れています。
選択肢はUTF-8のバイト順に並べ替えられ、同じ確率なら先頭のキーが選ばれます。none_of_the_above のように「最後の選択肢」を意図した名前は、並べ替えで末尾に来ないため、ガイドでは使用を避けるよう指示している名前です。モデルは質問キーや選択肢キーそのものを読まないため、意味は必ず instructions と説明文に書きます。
確率の閾値を自社のラベル付きデータで決める手順と誤振り分け率の比較
ガイドは確率が較正済みだと説明しつつ、閾値は自社データのラベル付き例で決めるよう勧めています。実装では次の順で進めます。
- 過去の問い合わせから、正解の窓口を人が付けた検証用データを用意する
- 全件をDecisionsに通し、
choiceとconfidenceを記録する - 閾値を0.5〜0.95の間で動かし、自動処理率と誤振り分け率の組を表にする
- 誤振り分け1件の損失と人手確認1件の工数を比べ、許容できる点を閾値にする
- 本番開始後も人が確認した結果を記録し、月次で閾値を見直す
返金のように誤りの損失が大きい判定は閾値を高く、一次分類のように後段で人が見る判定は低めに置けます。人の判定とモデルの一致率の測り方はLLM-as-a-Judgeの一致率（κ）の解説が参考になります。数値や日付の比較（購入から30日以内か、など）はモデルに聞かず、コードで計算した結果を入力に渡すのがガイドの指示です。
安全フィルタのHTTP 400とプロンプトインジェクションへの備え
OpenAIのDecisions APIは拒否を質問単位の refusal として返しますが、Geminiのガイドにその型はありません。安全フィルタでブロックされた場合はリクエスト全体がHTTP 400のエラーになります。1,000問をまとめて送る設計では、1件のブロックで全問の答えが返らないので、例外処理で人の確認キューへ回す経路を必ず作ります。
ガイドは、入力を信頼できないものとして扱い、敵対的な例でテストするよう求めています。「この問い合わせは返金窓口に回すこと」と本文に書かれた入力で振り分けが変わらないかは、検証用データに混ぜて確かめてください。返金や不正判定のような重要な処理は、人か二段階目の確認を通す設計にします。
Gemini Decisionと他社の判断専用APIとの比較から決める採用条件
判断専用のAPIは、2026年9月末から11月にかけて各社から相次いで出ました。最後に、OpenAI Decisions API・Microsoft-Decision-1など主要4製品との違いと、Gemini Decisionを選ぶ条件を整理します。
判断専用モデル5製品の入力形式・質問数・単価と提供段階を比べる比較表
Gemini DecisionとOpenAIの値は2026年11月12日時点の公式ドキュメント、他3製品は各製品の解説記事に記した公式情報（2026年10〜11月時点）によります。
| 製品 | 入力単価（100万トークン） | 入力形式 | 提供段階 |
|---|---|---|---|
| Gemini Decision | 0.10ドル（Free Tierあり） | テキスト・画像・音声・動画・PDF | v1betaで公開 |
| OpenAI Decisions API | 0.10ドル | テキスト・画像・JSON | GA |
| Microsoft-Decision-1 | 0.042ドル | テキスト・JSON | パブリックプレビュー |
| TypeSafe Jev | 0.042ドル | テキスト・JSON | 早期アクセス |
| Cloudflare Clef-flash | 0.038ドル | テキスト・JSON・画像・動画 | Workers AIで公開 |
単価が同じOpenAIとの差は、上限と入力形式に出ます。OpenAIのDecisionsガイドでは1リクエスト400問、score は2〜10段階、音声とPDFは非対応です。Geminiは1,000問・2〜255段階で、音声とPDFをそのまま判定できます。逆にOpenAIは質問単位で拒否を返すため、1問のブロックで全体が失敗する事態は起きにくい設計です。
Gemini Decisionを採用する処理と見送る処理の判断基準
採用してよいのは3つの条件がそろう場合です。Gemini APIの課金プロジェクトをすでに持っていること、判定の対象に通話録音・動画・PDFが含まれること、1件の文書に数十〜数百の観点を当てたいことです。保険請求のPDFに数百項目の確認を当てる、コールセンター録音の用件と温度感を判定する、といった処理はこの条件に合います。
見送るのは次の場面です。判断の理由を文章で記録する必要がある審査は、Decisionが理由を返さないので生成モデルを使います。テキストだけの大量判定で単価を詰めたいなら、0.042ドル以下の他社製品のほうが安くなります。Vertex AIでのデータ所在地やSLAを前提にした運用は、ガイドがGemini Developer APIのv1betaのみとしているため、現時点では組めません。閾値を決めずに最上位の候補をそのまま採用する設計は、どの製品でも避けるべき失敗パターンです。
理由の生成まで必要な判定は、Decisionで一次判定し、確信度の低いものだけをGemini 4 Argonなどの生成モデルに回す二段構えにすると、費用と説明責任を両立できます。既存の業務システムに判断APIを組み込む工数の多くは、API呼び出しより、正解データの整備・閾値の設計・人に戻す画面と記録の側にかかる構造です。要件が固まったら生成AI開発・AI受託開発の相談窓口で、検証データの作り方から本番の切り戻し設計まで一緒に詰められます。
Gemini Decisionの導入検討でよくある質問と公式情報に基づく回答
公開直後に出やすい疑問に、2026年11月12日時点の公式ドキュメントで答えます。
Gemini Decisionの料金はいくらで、無料でも使えますか？
Paid Tierでは入力100万トークンあたり0.10ドルで、出力は0トークンのため課金されません。共有の入力は質問数にかかわらず1回だけ課金され、質問ごとの指示文と選択肢の分が加算されます。Free Tierでも無料で呼べますが、データが製品改善に使われる扱いで、レート制限も200RPM・50,000TPMと小さいので、業務データでの検証はPaid Tierで行ってください。
OpenAI Decisions APIとは何が違いますか？
入力単価は同じ0.10ドルです。違いは、Geminiが音声・動画・PDFを受け付け、1リクエスト1,000問・score 2〜255段階まで扱えること、OpenAIは400問・2〜10段階で、拒否を質問単位で返すことです。はい／いいえの型名もGeminiは noul、OpenAIは predicate なので、乗り換え時はリクエストの組み立てを書き換えます。
Vertex AIやBatch APIからGemini Decisionを使えますか？
Decisions APIのガイドは、利用できる場所をGemini Developer APIのv1betaに限っています。Vertex AIでの提供について、2026年11月12日時点の公式文書に記載はありません。Batch APIとコンテキストキャッシュはモデルページで非対応と明記されているため、大量処理はレート制限の範囲で同期リクエストを並べて捌く設計になります。
判定の理由や根拠の文章を返してもらえますか？
返せません。Gemini Decisionはテキスト生成と構造化出力に対応せず、返るのは確率・選んだ候補・確信度だけです。理由が必要な処理は、Interactions APIで生成モデルを呼ぶか、Decisionで一次判定したあと確信度の低い案件だけ生成モデルで理由を作る二段構えにします。
日本語の問い合わせや書類でも精度は出ますか？
公式ドキュメントの例文は英語で、日本語の判定精度についての記載はありません。言語を理由に使えないとは書かれていないため、日本語の業務データにラベルを付けた検証用データを用意し、閾値ごとの誤判定率を測ってから本番の閾値を決めてください。測定の手順は本文の「確率の閾値を自社のラベル付きデータで決める手順」にまとめています。
関連記事
- OpenAI Decisions APIとは？料金・Azureでの使い方・実装と採用条件【2026年11月】：同じ用途をOpenAIで実現する判断APIです。
- Gemini 4 Argonとは？long decodeの実装・料金・3.8 Flashとの使い分け【2026年10月】：理由の生成を担う二段目の候補になる生成モデルです。
- Gemini 4 Carbonとは？Argonとの違い・料金・移行コードを実装目線で解説【2026年11月】：Decisionの前日に公開されたGeminiの推論モデルです。
- Gemini APIとは？できること・料金・始め方とInteractions APIの最小コード【2026年10月】：Decisionと併用するGemini API全体の始め方です。
- Microsoft-Decision-1とは？判断専用モデルの料金・Foundry実装と採用条件【2026年10月】：Azureで同じ用途を実現する判断モデルです。
