【Gemini Decisions API】出力0円で1,000問を一括判定！料金・使い方を徹底解説

2026年11月12日、Googleが意思決定モデル「Gemini Decisions API」を公開しました！文章を生成せず、選択肢ごとの確率だけを返す新モデル「Gemini Decision 1」を搭載し、画像や音声を含む入力に対して最大1,000問を1回でまとめて判定できます。料金は入力100万トークンあたり0.10ドルで、出力トークンは0ドルです。

とはいえ、「普通のGeminiと何が違うの？」「どんな業務に使えるの？」と気になっている方も多いのではないでしょうか？

この記事では、Gemini Decisions APIの特徴や仕組み、料金、使い方を検証とあわせて解説します。最後まで読めば、自社のどの判断業務を置き換えられるかが見えてくるはずです。ぜひ最後までご覧ください！

【監修者】田村 洋樹

株式会社WEEL代表取締役 / 累計25社以上のAIアドバイザリーを担当 / 企業向けセミナー・大学講義でのべ10,000人超に登壇 / 日本HP・インテルなど、大手企業主催カンファレンスへの登壇実績多数。AI導入支援・生成AIを活用した業務改革のプロとして、アドバイザリー・PM・講演者など多面的な立場から企業を支援中。

Gemini Decisions APIとは？

Gemini Decisions APIは、決められた選択肢の中から答えを選ぶ作業に特化した、GoogleのAPIです。中身のモデルは、同時に発表されたGemini Decision 1（gemini-decision-1）。

ChatGPTやGeminiのような生成AIは、質問に対して文章で答えます。一方でGemini Decision 1が返すのは、「はいの確率が0.95」「wipe_with_clothが最有力」といった選択肢ごとの確率と確信度だけです。

Googleは公式ブログで、ツールの選択・ポリシーのチェック・モデルの振り分け・コンテキストの採点といった判断の部品として使うよう案内しています。なお、Googleの公式Xアカウント（News from Google）は、Google AI Studioでプレビュー版として提供中と紹介していました。

最大1,000問を1回のリクエストでまとめて判定できる

Gemini Decisions APIの大きな特徴は、1つの入力に対して最大1,000問の質問を一度に投げられる点です。

1枚の写真について「こぼれた液体はあるか」「どう片付けるべきか」「汚れの深刻度は何段階か」を同時に聞く、といった使い方ができます。答えの形式が異なる質問を、同じリクエストの中に混ぜられるのも便利なところでしょう。

しかも、共通の入力は質問の数に関係なく1回分しか課金されません。質問ごとに増えるのは、その質問文と選択肢の説明にかかるトークンだけです。

LLMで同じことをするなら、質問ごとに呼び出すか、1回の出力で長いJSONを書かせる必要がありました。前者はコストが、後者は出力の崩れが課題になりがちです。Gemini Decisions APIなら、こうした手間をまとめて省けます。

テキスト・画像・音声・動画・PDFをそのまま入力できる

Gemini Decision 1は、Geminiのマルチモーダルなアーキテクチャをもとにしたモデルです。テキスト・画像・音声・動画・PDFを、文字起こしやOCRを挟まずに直接読み込めます。

Googleは、通話の録音とアカウント情報、スキャンしたPDFの請求書と破損箇所の写真のように、種類の違う入力を1つにまとめて判断させる例を挙げていました。

画像と動画には解像度の指定があり、細かい部分まで見せたいときは高く、トークンを節約したいときは低く設定可能です。

文字起こしやOCRの工程を別に用意する必要がないため、システムの構成をシンプルに保てるのもうれしいポイント。

応答は150〜250ミリ秒で出力トークンは0円

Gemini Decision 1は文章を1トークンずつ生成しないため、応答がとても速いモデルです。

公式ブログによると、モデルの計算時間の中央値は50〜100ミリ秒、往復を含めても150〜250ミリ秒に収まります。この数値は、マルチモーダルな入力と16Kトークンまでのコンテキストで測られたものです。

さらに、質問数を1から100に増やしても、応答時間はほぼ横ばいだと報告されています。質問を増やすほど待ち時間が延びるLLMとは、ここが大きく違うところです。

出力トークンは常に0で課金されず、思考トークンや音声の文字起こし・OCRの追加料金もかかりません。請求額が入力の量だけで決まるので、コストの見積もりも立てやすくなります。

9つのベンチマーク中7つで首位を獲得

Googleが公開した比較では、Gemini Decision 1は9つの精度ベンチマークのうち7つで首位でした（MMAUとVideo-MMEはFlash-Liteのみとの比較）。

確率の当たりやすさを示すキャリブレーション誤差（Top-1 ECE）は0.0250で、比較対象の中で最も低い値です。Jev 1.14の約半分にとどまっています。

一方で、Mind2Web MultimodalとWhen2CallではJev 1.14が上回り、7つの評価にかかった費用もJev 1.14のほうが安く収まりました。なお、Gemini 3.5 Flash-LiteをInteractions APIで使う場合と比べると、費用は約5分の1です。

Gemini 3.5 Flash-Liteの詳細は、以下の記事をご覧ください。

WEEL

【Gemini 3.6 Flash・3.5 Flash-Lite】トークン効率と低価格を両立したGoogleの最新AIモデルの性能・使い方… Gemini Liveは、Googleの生成AI「Gemini」とリアルタイムで音声会話できる機能です。本記事では使い方や料金、実際に試した所感、注意点までわかりやすく解説します。

Gemini Decisions APIの仕組み

Gemini Decisions APIは、共通の入力と複数の質問を受け取り、Gemini Decision 1が選択肢ごとの確率を1回の計算で出す仕組みです。

ここからは、全体の流れと3つの質問タイプを見ていきましょう。

文章を生成せず1回の順伝播で選択肢を採点する

一般的なLLMは、答えの文章を1トークンずつ順番に生成します。答えが長いほど時間がかかり、出力トークンの料金も増えていく仕組みです。

Gemini Decision 1は、この生成の工程を持ちません。入力と質問を読み込んだら、1回の順伝播（フォワードパス）で候補の選択肢をまとめて採点し、確率として返します。

公式ブログの図解では、各質問の回答は「Parallel isolated scoring（並列で独立した採点）」と説明されていました。質問どうしが互いの答えに引きずられず、それぞれ個別に評価されるわけです。

答えが必ず用意した選択肢の中に収まるため、LLMのように指定外のラベルや余計な説明文が返ってくる心配もありません。返ってくる値を、そのままプログラムの分岐に使えるのも利点です。

noul・choice・scoreの3つの質問タイプ

Gemini Decisions APIでは、質問ごとに3つのタイプから形式を選びます。

はい・いいえの型の名前は、一般的な「boolean」ではなく「noul」です。noulでは、「はい」とする条件と「いいえ」とする条件の説明を任意で追加できます。

scoreの評価段階は2〜255段階まで設定でき、公式ドキュメントでは2〜10段階がおすすめとされていました。スコアは「1.19」のような小数で返るため、境界にある案件も見分けやすいでしょう。

Gemini Decisions APIの使い方

Gemini Decisions APIは、Google AI StudioのプレイグラウンドやGemini APIから利用可能です。ここからは、ブラウザで試す方法とPython・JavaScript・REST APIで呼び出す方法を紹介します。

Google AI Studioのプレイグラウンドで試す

コードを書かずに動きを確かめたいなら、Google AI Studioのプレイグラウンドがいちばん手軽です。

STEP

プレイグラウンドを開く

公式ブログからリンクされているGemini Decisions APIのプレイグラウンドを開き、Googleアカウントでログインします。

STEP

入力と質問を設定して実行する

判断の材料となるテキストや画像を入力し、質問と選択肢を設定してから実行しましょう。

プレイグラウンドで期待どおりの答えが返ってきたら、同じ質問設定をAPIのコードに移すだけで、自社のシステムに組み込めます。

Google AI Studioの基本的な使い方を知りたい方は、以下の記事もご覧ください。

WEEL

Google AI Studioとは？初心者でも分かる使い方と活用方法を徹底解説 | WEEL Google AI Studioは、無料で始められる直感的なAI開発環境です。この記事ではVertexとの違いと料金、無料で使える範囲、始め方や注意点をやさしく解説し、業務効率化の近道…

Python（Gemini API）から使う

アプリケーションに組み込むなら、Python SDKからの呼び出しが基本になります。

STEP

SDKをインストールする

Gemini Decisions APIには、google-genaiのバージョン3.2以降が必要です。

pip install -U google-genai

STEP

APIキーを設定する

Google AI StudioのAPIキー画面でキーを作成し、環境変数に設定します。

export GEMINI_API_KEY="取得したAPIキー"

STEP

テキストで判定する

以下は、問い合わせの文章を読んで担当部署を選ぶchoiceの例です。v1betaのAPIバージョンを指定してクライアントを作るのがポイント。

from google import genai

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

result = client.decisions.create(
    model="gemini-decision-1",
    input="注文した商品の代金が2回引き落とされています。",
    questions={
        "department": {
            "type": "choice",
            "instructions": "この問い合わせを担当する部署を1つ選んでください。",
            "criteria": {
                "billing": "支払い・請求書・返金",
                "technical": "製品の使い方の問題",
                "shipping": "配送と追跡",
                "other": "上記に当てはまらないもの",
            },
        },
    },
)

answer = result.answers["department"]
print(answer.choice, answer.confidence, answer.probabilities)

STEP

画像を入力に加える

手元の画像は、base64に変換して入力に加えます。解像度はresolutionで指定する仕組みです。

import base64
from google import genai

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

with open("photo.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No.8821のお客様の写真です。"},
        {"type": "image", "data": image_b64, "mime_type": "image/jpeg", "resolution": "low"},
    ],
    questions={
        "visible_damage": {
            "type": "noul",
            "instructions": "写真の製品に物理的な破損がありますか？箱の傷は無視してください。",
        },
    },
)

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

レスポンスのusageには、モダリティごとの入力トークン数も入っています。出力トークンは常に0です。

Gemini APIの料金体系や無料枠については、以下の記事もあわせてご覧ください。

WEEL

Gemini APIとは？業務効率化革命！料金・無料枠・使い方を徹底解説 | WEEL Gemini APIは、Googleの生成AIモデルGeminiを自社アプリや業務システムに組み込める開発者向けAPIです。この記事では、Gemini APIの仕組み、APIキー取得からPythonでの使い…

JavaScriptやREST APIから使う

Node.jsなどのJavaScript環境では、@google/genaiのSDKから呼び出せます。

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({ apiVersion: "v1beta" });

const result = await ai.decisions.create({
  model: "gemini-decision-1",
  input: "注文した商品の代金が2回引き落とされています。",
  questions: {
    department: {
      type: "choice",
      instructions: "この問い合わせを担当する部署を1つ選んでください。",
      criteria: {
        billing: "支払い・請求書・返金",
        technical: "製品の使い方の問題",
        shipping: "配送と追跡",
        other: "上記に当てはまらないもの",
      },
    },
  },
});

console.log(result.answers?.department);

SDKを使わない場合は、REST APIのエンドポイントに直接リクエストを送ることも可能です。

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": "月曜日に注文した青いマグカップが、水曜日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？"
      }
    }
  }'

OpenRouter・LangChain・Vercel・LiteLLM・Pydantic AI・Pipecat・LiveKit・OpenCodeとの連携も順次始まっています。普段使っているフレームワークから呼び出したい方は、それぞれのドキュメントを確認してみてください。

【実践】Gemini Decisions APIを実際に使って検証してみた！

Gemini Decisions APIは、本当にLLMの代わりに判断を任せられるのでしょうか？ここからは、Python SDKからAPIを呼び出し、日本語の問い合わせ・請求書の書類チェック・質問数の増加の3つを試します。

往復時間は、APIを呼び出して結果が返るまでの時間を測っています。

①日本語の問い合わせ5件を担当部署に振り分け

1つ目は、カスタマーサポートの一次対応を想定した検証です。

日本語の問い合わせ5件それぞれに、「破損があるか（noul）」「最初に対応すべき部署（choice）」「緊急度（score）」の3問を1回のリクエストでまとめて投げました。1件目は破損・二重請求・急ぎの依頼をわざと混ぜた問い合わせ、4件目は皮肉を含む言い回し、5件目はどの部署にも当てはまりにくい内容にしています。

質問1（noul）：届いた商品に破損があると書かれていますか？
質問2（choice）：この問い合わせを最初に対応すべき部署を1つ選んでください。
  shipping：配送・交換・返品に関する問題
  billing：請求・返金・支払いに関する問題
  technical：製品の使い方や不具合に関する問題
  other：上記に当てはまらないもの
質問3（score）：この問い合わせの緊急度を評価してください。
  0：急ぎではない
  1：数日以内に対応が必要
  2：当日中の対応が必要

生成結果はこちら

5件の判定にかかった入力トークンは合計1,451で、料金は約0.000145ドル（約0.02円）でした。1回目のリクエストだけ往復が692ミリ秒と長めで、2回目以降は250〜270ミリ秒ほどに収まっています。

2〜5件目はどれも確信度98%以上で部署を選び、迷いのない判定でした。論点が混ざった1件目だけ確信度が大きく下がっており、この値を基準に担当者の確認へ回す運用がそのまま組めると感じました。

②請求書の画像とPDFから記載漏れと計算ミスを見つける

2つ目は、経理部門での書類チェックを想定した検証です。

架空の会社名で作った請求書と見積書を3つ用意し、書類の種類・発行日・登録番号・合計金額の一致・不備の重さの5問を、1つの書類につき1回のリクエストで判定させました。2つ目の請求書はPDFで渡し、発行日と登録番号を抜いたうえで、合計金額を正しい金額より1,500円少なくしてあります。

検証に使った書類と正解はこちら

生成結果はこちら

入力トークンは、画像1枚が1,092、1ページのPDFが532で、3件の合計は4,195トークン（約0.07円）でした。不備の重さは小数で返るため、0〜2のどの段階に近いかで正解と比べています。

書類の種類と、PDFから抜いた発行日・登録番号は高い確信度で見抜きました。一方で1,500円の計算ミスは見逃し、不備の重さにも差がつきません。金額の検算は、プログラムなど別の仕組みに任せるのが安全でしょう。

③質問数を1,000問まで増やしても速いか

3つ目は、公式ブログの「質問数を増やしても応答時間はほぼ横ばい」という説明を確かめる検証です。

検証1の1件目の問い合わせを入力に固定し、「〇〇の話題が含まれていますか？」というはい・いいえの質問を1問・10問・100問・1,000問と増やしました。1〜100問は3回ずつ、1,000問は1回測り、往復時間の中央値と入力トークン・料金を比べます。

生成結果はこちら

1,000問のリクエストは入力が5万5,000トークンを超えており、公式ブログが応答時間を測った条件（16Kトークンまで）を大きく上回る量でした。なお、最初の1問のリクエストだけ往復が1,106ミリ秒かかったため、比較には中央値を使っています。

質問を100倍にしても往復時間は約1.6倍にとどまり、公式の「ほぼ横ばい」を確認できました。1,000問では約3秒かかったものの、出力は常に0トークンで、1回の料金は1円にも届きません。

Gemini Decisions APIの料金とライセンス

Gemini Decisions APIの料金は、入力100万トークンあたり0.10ドルで、出力は0ドルです。生成AIのAPIでは、長い回答や思考トークンの分だけ請求額がふくらむのが悩みどころでした。

Gemini Decisions APIは出力がそもそも課金されないため、入力の量さえわかれば費用を正確に見積もれます。ここからは、料金と利用規約の要点を整理しておきましょう。

料金

Gemini Decisions APIは、入力トークンの量に応じた従量課金です。

単純計算で、1,000トークンの入力を1万回判定しても入力は1,000万トークンで、料金は1ドルほどに収まります。

ただし、コンテキストキャッシュやBatch APIには対応していません。同じ長い資料を何度も判定する場合は、そのたびに全文分の料金がかかる点に注意してください。

利用枠ごとのレート制限も確認しておきましょう。

ライセンス

Gemini Decision 1はオープンソースのモデルではなく、Gemini API経由で提供されるGoogleのクローズドなモデルです。モデルの重みは公開されていないため、自社のサーバーで動かすことはできません。

Gemini APIの追加利用規約では、無料枠で送った内容と回答が、Googleの製品改善に使われる場合があると定められています。担当者が内容を確認する可能性もあるため、個人情報や機密情報は無料枠で送らないようにしましょう。有料枠であれば製品改善には使われず、不正利用の検知のために一定期間だけ記録される扱いです。

【業界別】Gemini Decisions APIの活用シーン

Gemini Decisions APIが力を発揮するのは、大量の入力を決まったルールで素早く仕分ける業務。テキストだけでなく、写真や音声・動画をそのまま判断材料にできる点を活かせば、これまで担当者が目で見て判断していた作業も、自動化の対象として見えてくるはずです。

保険・金融

保険業界で向いているのは、保険金請求の一次チェックです。

スキャンした請求書のPDFと、事故や破損の写真を1つの入力にまとめて渡しましょう。「必要な書類がそろっているか」「写真に破損が写っているか」「損害の程度は何段階か」を、1回のリクエストでまとめて判定できます。

確信度が高い案件はそのまま次の工程へ進め、低い案件だけを担当者が確認する流れにすれば、審査担当の確認作業を大きく減らせるでしょう。

ただし、支払いの可否のような重要な判断を、Gemini Decisions APIだけに任せきりにするのは避けてください。あくまで担当者の作業を減らす「下ごしらえ」として使うのが現実的です。

保険業界での生成AIの活用事例は、以下の記事をご確認ください。

WEEL

保険業界が生成AIで変わる！企業の活用事例や導入するメリットを解説 | WEEL こんな方におすすめ 生成AIを導入して業務効率化や収益向上を目指している方 営業支援や顧客対応の効率化に関心がある営業担当者 保険業界でAIを活用したいと思っている方 …

コールセンター・カスタマーサポート

コールセンターでは、通話の録音をそのまま判断材料にできます。

通話の音声と顧客の契約情報をまとめて入力し、「解約の意向があるか」「どの部署に引き継ぐべきか」「お客様の不満の度合いは何段階か」を同時に判定する使い方です。文字起こしを挟まないので、そのための費用も処理時間もかかりません。

メールやチャットの問い合わせなら、担当部署への振り分けと緊急度の判定を一度に済ませられます。1回あたり150〜250ミリ秒（16Kトークンまでの入力での公式値）で返ってくるため、問い合わせが届いた瞬間に担当者の画面へ振り分け結果を表示することも可能です。

生成AIをコールセンターで活用する方法は、以下の記事もあわせてご覧ください。

WEEL

生成AIはコールセンターでどう使える？結果を出した企業の導入事例を含め徹底解説 | WEEL ビジネスの場面における生成AIの活用が広がっています。その流れはコールセンターにおいても同様で、上手に生成AIを活用することでオペレーター業務を改善したり、新人教育…

EC・物流

EC・物流業界では、商品やお届けの写真を使った確認作業に役立ちます。

返品申請に添えられた写真を見て「製品に破損があるか」「箱の傷だけか」を判定したり、配達完了の写真に荷物が写っているかを確かめたりする使い方が考えられるでしょう。

商品の出品データの審査にも応用可能です。商品画像と説明文を一緒に渡し、「画像と説明が一致しているか」「禁止されている商品に当たるか」をまとめてチェックできます。

質問を最大1,000問まで同時に投げられるため、出品規約のチェック項目が多いマーケットプレイスほど効果が大きくなるでしょう。

小売業における生成AI活用について、詳しく知りたい方は以下の記事も参考にしてみてください。

WEEL

生成AIで小売業の課題を解決！導入事例と課題を徹底解説 | WEEL 小売業の問題を生成AIで解決する方法と実際の導入事例を解説。需要予測、人手不足解消、マーケティング強化に役立つ情報満載。

IT・ソフトウェア開発

ソフトウェア開発の現場では、AIエージェントやアプリの中で何度も発生する小さな判断を任せるのに最適です。

Googleが自社で行っているように、ユーザーの質問を見て「軽量なモデルで十分か」「推論モデルが必要か」を振り分ければ、応答速度とコストを両立できます。エージェントがどのツールを呼び出すべきかの選択や、実行しようとしている操作が安全かどうかのチェックにも使えるでしょう。

LLMにこうした判断をさせると、そのたびに数秒の待ち時間と出力トークンの料金が発生します。判断はGemini Decisions API、文章の生成はLLMと役割を分けることで、エージェント全体の速さとコストを改善できるはずです。

AIエージェントの安全対策については、以下の記事で詳しく解説しています。

WEEL

AIエージェントのセキュリティ対策とは？主なリスクとMXCでできること・できないこと | WEEL 社員のPCでAIエージェントが動くときのリスクと、企業が取るべきセキュリティ対策を解説。Windowsの新機能MXCでできること・できないことを実際の検証結果とあわせて整理し…

Gemini Decisions APIに関するXの話題

Gemini Decisions APIの発表は、Xでも国内外の開発者の間で話題になりました。ここからは、第三者による評価や開発者の反応を見ていきましょう。

今回解説する事例において、弊社がX（旧Twitter）で発見した参考となるツイートを紹介させていただいております。取り下げなどのご連絡は、contact@weel.co.jp からご連絡ください。

第三者の評価では「判断モデルの総合ではまだトップではない」

AIモデルの評価を行うArtificial Analysisは、独自の判断モデル指標でGemini Decision 1を検証した結果を投稿しました。

総合スコアは66点で、Jev 1.14などと並ぶ一方、首位のモデルには7点及ばなかったとしています。知識と推論のベンチマークでは首位だったものの、1Mタスクあたりの費用は345ドルで、首位のDrex Max v1.1（103ドル）の3倍以上でした。

Google発表の比較とは見え方が異なるため、自社のデータで試してから選ぶのがよさそうです。

発表前からAPIで見つかり「Jevキラー」の声も

発表の1時間以上前には、gemini-decision-1というモデル名がAPI経由で見つかったと投稿されていました。

この投稿では、GoogleがTypeSafeの判断モデル「Jev」を狙っていると指摘しています。投稿者は発表後にも、Jevへの対抗馬として紹介する冗談まじりの投稿をしていました。

TypeSafe・OpenAI・Microsoft・Cloudflareに続いてGoogleが参入したことで、判断モデルの選択肢は2026年11月時点でさらに広がっています。

国内でも「答えるAIから判定するAIへ」と注目

国内では、Gemini Decisions APIの登場を「AIの使い方の変化」として受け止める声が見られました。

この投稿では、JevやOpenAIのDecisions APIとあわせて、AIが「答える」役割から「判定する」役割へ広がり始めていると述べています。従来のLLMでもJSONで分類はできたものの、判断専用のモデルが各社からそろったことで、使い分けを考える段階に入ったといえるでしょう。

Gemini Decisions APIをはじめとしたAIモデルのご相談はWEELへ！

Gemini Decisions APIは、文章を書かずに選択肢を採点する、Googleの判断特化APIです。テキスト・画像・音声・動画・PDFを入力に最大1,000問を1回で判定でき、出力トークンは課金されません。

写真や通話録音のように、これまで担当者が目や耳で確かめていた判断まで自動化の対象に入るのが最大の魅力でしょう。一方で、どの判断を任せ、どこから担当者が確認するかの設計は導入する企業側に委ねられます。まずは無料枠で、自社の判断業務に置き換えられる作業がないか試してみてください。

弊社では、AI導入を検討中の企業向けに、業務効率化や新しい価値創出を支援する情報提供・導入支援を行っています。最新のAIを活用し、効率的な業務改善や高度な分析が可能です。

大規模言語モデル（LLM）比較レポート

「生成AIを社内で活用したい」「生成AIの事業をやっていきたい」という方に向けて、生成AI社内セミナー・勉強会をさせていただいております。

セミナー内容や料金については、ご相談ください。

また、大規模言語モデル（LLM）を対象に、言語理解能力、生成能力、応答速度の各側面について比較・検証した資料も配布しております。この機会にぜひご活用ください。

無料で相談する

資料をダウンロードする

Gemini Decisions APIに関するよくある質問