はじめに

2026年11月11日のリリースノートで、Gemini API に 判定タスク専用モデル「Gemini Decision」(gemini-decision-1) と、新しい Decisions API が追加されました。

これまで「この画像は規約違反か？」「この問い合わせはどのカテゴリか？」「この回答は基準を満たしているか？」といった判定・分類は、生成型 LLM にプロンプトを投げて文章やJSONで答えさせるのが一般的でした。Gemini Decision はこの用途に特化し、次の3点を特徴としています。

高速
キャリブレーション済み（確信度が実際の正答率に合うよう調整されている）
出力トークンがゼロ

📌 影響を受ける人

LLM を使ったコンテンツモデレーション、問い合わせ振り分け、品質評価（LLM-as-a-Judge）を運用している開発者

判定のたびに出力トークン課金や遅延が気になっているチーム

画像・音声・動画・PDF を含むマルチモーダルな判定パイプラインを組んでいる人

なお、既存機能の廃止や破壊的変更は今回のデータには含まれておらず、対応必須（action_required: false） の変更ではありません。ただし選択肢として比較検討する価値は高いリリースです。

⚠️ 本記事の前提
料金額・レート制限の具体値、Decisions API のリクエスト／レスポンス仕様は、今回の入力データに含まれていません。そのため本記事では コード例の実装は掲載せず、公式ドキュメントで確認すべき点を明示します。

変更の全体像

従来方式と Decisions API の違い

対応する判定形式

（各「例」は用途のイメージであり、公式の例ではありません）

変更内容

追加されたもの

項目	内容
新モデル	Gemini Decision（モデルID: `gemini-decision-1`）
新API	Decisions API
判定形式	二値（binary）／カテゴリ（categorical）／ルーブリック（rubric）
入力	テキスト・画像・音声・動画・PDF
出力の特徴	キャリブレーション済みの結果、出力トークンゼロ
提供元	Gemini API

3つの特徴を噛み砕く

1. 出力トークンゼロ
生成型 LLM では「判定理由」や「JSON」を文章として生成するため、その分の出力トークンが課金・遅延の対象になります。Gemini Decision は出力トークンがゼロとされており、従来方式と比べて 出力トークンの課金がかからず、遅延も小さくなる見込み です（データ上は「見込み」。実測は各自で検証してください）。

2. キャリブレーション済みの確信度
「確信度 0.9」と出ても、実際の正答率が 0.9 とは限らないのが生成型 LLM の悩みどころでした。キャリブレーションとは、確信度を実際の正答率に合わせて調整することです。たとえば確信度が 0.9 の判定群なら、約9割が正解になるよう調整されている、という意味合いです。これにより、「確信度が低いものだけ人間レビューに回す」といった運用の閾値設計がしやすくなります。

3. マルチモーダル入力
テキストだけでなく、画像・音声・動画・PDF をそのまま判定対象にできます。

料金・レート制限について

専用セクションが用意されています。

料金: /docs/pricing#gemini-decision
レート制限: /docs/rate-limits#gemini-decision
導入手順: Decisions API ガイド /docs/decisions-api

具体的な金額・制限値は今回の差分データに含まれていません。 採用判断の前に必ず公式ページで確認してください。

影響と対応

こんな人は検討してみよう

ユースケース	検討ポイント
コンテンツモデレーション（画像・動画・音声含む）	二値判定＋確信度閾値で自動処理と人間レビューを振り分け
問い合わせ・ドキュメントの自動分類	カテゴリ判定で出力パース処理を簡素化できる可能性
LLM による品質評価（LLM-as-a-Judge）	ルーブリック判定が評価基準の採点用途に合う可能性
大量バッチ判定	出力トークン課金なし・低遅延が効く可能性

移行判断フロー

開発者が取るべきアクション

💡 Tips
必須対応はありません。まずは「自社の判定タスクの棚卸し」から始めるのがおすすめです。

判定タスクの棚卸し: 自社で LLM に分類・判定・評価をさせている箇所を洗い出し、3種類（二値／カテゴリ／ルーブリック）に当てはまるか確認する。
公式ドキュメントの確認: Decisions API ガイド、料金、レート制限の3つを確認する。
小規模PoC: 既存の判定データ（正解ラベル付き）で、精度・遅延・コストを現行方式と比較する。
確信度の検証: 「キャリブレーション済み」を鵜呑みにせず、自社データで確信度と実際の正答率が合うかを確認する。
ナレッジの更新: チームの技術動向メモに、判定・分類・評価タスクの選択肢として追記しておく。

注意点

出力が判定結果のみになるため、「なぜその判定か」という自然言語の理由説明が必要な場合は、別途生成型モデルとの併用を検討する必要があるかもしれません（この点は公式ガイドでの確認が必要です）。
日本語を含む多言語での精度、入力サイズ上限などは今回のデータからは不明です。

まとめ

2026年11月11日、Gemini API に判定専用モデル gemini-decision-1 と Decisions API が追加された。
二値・カテゴリ・ルーブリック の3種類の判定に対応し、テキスト・画像・音声・動画・PDF を入力できる。
特徴は 高速・キャリブレーション済み・出力トークンゼロ。従来の生成型 LLM による判定より、課金と遅延の面で有利になる見込み。
破壊的変更や対応必須事項はないが、モデレーション・分類・評価系のパイプラインを持つ人は PoC の価値あり。
料金額・レート制限・API 仕様の詳細は本記事の元データに含まれないため、公式ドキュメント（/docs/decisions-api、/docs/pricing#gemini-decision、/docs/rate-limits#gemini-decision）で確認してください。

判定タスクを「生成」ではなく「判定専用モデル」に任せるという方向性は、LLM 活用のコスト最適化の新しい選択肢になりそうです。