1. 3ヶ月で4社になった
時系列から置く。この層が「実験」から「標準品」になった速度そのものが論点だからだ。
- 9月中旬──TypeSafe が決定モデル Jev を公開。数日でユーザー100万人、3週間後に $8.7億を調達(評価額 $75億)
- 10月──Microsoft が Microsoft-Decision-1 を発表
- 10月22日──OpenAI が Decisions API を一般提供。基盤は GPT-6 Luna、1リクエスト400問まで、入力はテキスト・画像・JSON
- 11月11日──Google が Gemini Decisions API を公開。モデル名は Gemini Decision 1(gemini-decision-1)
- 11月13日前後──Perplexity が同じ発想の Decider v1.3 / Flash v1.3 をオープンウェイトで公開。確率を返し、Locate で範囲抽出、63のクエリ分類タスクで平均91.6%
「文章を書かないAI」は、9月には1社の実験だった。11月13日時点で、クローズドが4社、オープンウェイトが1社。post-312 で扱った Amazon の Strands Decider E4B は使う側が生成を削除した事例だが、今週起きたのは売る側が生成なしで製品を出す段階に入った、ということだ。
2. Gemini Decision 1 の仕様
- 質問型は3種類。yes/no(成立確率)、選択(2〜255択、各選択肢の確率)、ルーブリック採点(0起点の加重スコア+各段階の確率)。1リクエストに混在できる
- 共有入力1つに対し最大 1,000問。質問は相互に独立で、他の質問の回答は参照できない
- 入力はテキスト・画像・音声・動画・PDF の混在で最大 262,144トークン。通話録音+アカウント情報、損害写真付きの申込書スキャン、といった使い方が公式例として挙がっている
- 単一フォワードパス。サンプリングなし。出力トークンは0。確率と信頼度を返すだけ
- 遅延: モデル計算の中央値 50〜100ms、エンドツーエンド 150〜250ms。ただしこれは 16Kトークンまで・1〜100問での測定値で、宣伝上限の 256K/1,000問 における実測ではない
エンドポイントは Gemini Developer API の v1beta。google-genai SDK 3.2 以降が対象で、Google Cloud 対応は「近日」とだけ告知されている。コンテキストキャッシュと Batch API には非対応だ。
3. 料金の構造
- $0.10/100万入力トークン、出力は無料。思考トークン・音声文字起こし・スキャンのテキスト抽出も別課金なし
- 共有入力は1回だけ課金され、質問を増やしても質問文と採点基準のトークンが加算されるだけ。長いドキュメントに質問を足す限り、限界費用はほぼゼロに近づく
- Google 自社ベンチマークでの比較: Gemini Decision 1 $0.88 vs Gemini 3.5 Flash-Lite(Interactions API)$4.14。「約5倍安い」の根拠はこれ
- ただし同じ比較表で Jev 1.14 は $0.68。Google が出した表の中で、一番安いのは Google ではない
- 無料ティアあり。ただし無料入力は Google の製品改善に使われ得るというデータ利用条項の違いがある
値付けの読み方はこうなる。課金の主体が「回答」から「入力」に移った。出力が0トークンということは、売り手が価値を置いたのは答えではなく、確率を引き出すための質問と基準の書き方だ。同じ文書に100問足しても入力コストはほぼ変わらない――つまりコスト設計の変数は「質問の書き方」に移る。
4. 精度と校正
- JevBench 公開分割: Gemini 92.2% / GPT-6 Luna 90.9% / Jev 1.14 90.0% ―― 3モデルとも90%台に収束
- Top-1 Expected Calibration Error(ECE): Gemini 0.0250 / Jev 1.14 0.0494 / Luna 0.0721。低いほど「自信」と「実際の正答率」のズレが小さい
- Artificial Analysis Decision Index: Jev 66.23 / Gemini 65.98 / Luna 60.25。メソッドが異なるため Google 自家比較とは並べられないが、ここでも Jev が首位
- Google のローンチ比較では 9行中7行で Gemini が首位。逆に Mind2Web Multimodal と When2Call の2行は Jev が首位。Google 自身が負けた行を公開している
- Simon Willison の独立検証では、動画を入力して「ロボット」に 0.92 のような校正された確率が返った。実装の存在証明として有用だが、校正の大規模検証ではない
注目すべきは精度ではなく校正だ。精度は90%台に収束しつつある。まだ差がつくのは「0.92と出た判断が、本当に92%当たるか」を測る指標――ECE――の側にある。0.0250 と 0.0721 の差は、レーダーチャートでは小さく見えるが、しきい値をまたぐ判断では読み間違いとして積み上がる。
5. カテゴリになったことの意味
判断レイヤは、機能ではなく SKU になった。3ヶ月の流れを整理するとこうなる。
- 9月: Jev が「決定モデル」という枠を作り、需要の実在を証明した
- 10月: Microsoft と OpenAI が追従。OpenAI は既存モデル(Luna)を判断用に再パッケージして GA まで持っていった
- 11月: Google がモダリティ(音声・動画・PDF を1パス)と質問数(1,000問)で差別化し、同時に値付けを叩いた
- 並行して Perplexity がオープンウェイトを出し、下限を「自社サーバーで動く確率エンドポイント」まで下げた
Amazon の事例(post-312)と合わせて読むと、市場の構造が見える。大企業は自社で生成を削除し、ラボは判断だけを売る製品を出し、オープンウェイトが下限を敷いた。「LLMにJSONを出させてパースする」という中間層は、両側から挟まれている。
6. 校正が争点になる理由
確率を「出して終わり」ではなく運用に使うなら、必要なのは精度表ではなく校正曲線だ。
- p > 0.9 は自動、それ以下は人、というしきい値運用をするなら、0.9が本当に9割当たるかが全コストを決める。ここがズレている分類器では、しきい値を上げても通過率が下がるだけで誤り率は下がらない
- 人間のレビュー件数 = 通過しなかった判断の数。ECE の差は、レビューの件数と、自動通過した判断の中の誤りの数という2つの形で請求書に現れる
- Google は ECE 0.0250 を公開したが、これは同社の評価スイート上の値だ。自分のドメイン(請求書、申込書、社内規約)では校正が崩れるのが普通であり、崩れ方は自分のラベル付きデータでしか測れない
7. 単一パスのリスク
決定モデルには構造的な弱点が1つある。思考連鎖がないことだ。
- 複数ステップの推論を要する罠――たとえば長いコンテキストの後方に埋め込まれた悪意ある指示――は、単一パスの分類器で見落とされる可能性が残る
- エージェントの安全チェック(「このツール呼び出しは禁止行為か」)を、この種のAPIだけで賄う設計は単一障害点になる。判断は速く、安く、でも1パス。層で防御すべきものに、1パスの部品を1枚だけ置かないこと
- 公表性能はベンダー自家測定。遅延も16Kまでの測定で、最大構成でのテールは未知。独立検証は Willison の実装例が現時点のほぼ全量である
8. 同じ24時間で動いていたもの
- Gemini 4 Hydrogen(11/12)──最安の Gemini 4。$1.5/$7.5、Gemini アプリの無料枠と Search のAI機能を担う。Artificial Analysis Intelligence Index は 51(フラッグシップ Argon の +1)。「安いモデルが上位を追いつく」という今週のもう1つの値付けの話
- ChatGPT Wallet──エージェントがユーザー承認制で購入を完了できる。ChatGPT Work / Codex / dots で利用可。既存のカード保護が適用される
- IBM が AuthMind を買収──HashiCorp Vault に統合し、発行後のAIエージェントの資格情報使用を監視する。認証は発行で終わりではなく、使用の監視まで見る、というエージェント時代のID運用
- NVIDIA Scale-In──AIファクトリ向けの新柱。テナント分離、予測可能な性能。エージェント運用のインフラ側の整備も進んでいる
- 米の複数団体が5社を相手に、先端モデル開発の停止を求める訴訟を起こした。実現可能性は低いが、統治の争点が「規制」から「訴訟」に移りつつある
- LangChain──$3億を調達(評価額 $30億、CapitalG リード)。エージェントの運用・統治基盤への投資継続
- 百度「词元所」──大模型トークン取引所を公開し、日7,000億トークンの処理を披露。トークンが取引単位になる動き
- DeepMind──Gemini Robotics 次世代(視覚・言語・動作モデル)と AlphaGenome 2(DNA配列と変異が細胞型に与える影響の予測)
- Nvidia の中国販売に関する議会調査が2件目へ(post-313 の続報。辞任後も輸出管理の文脈は止まっていない)
9. 実務で試すなら、最初にやる6つ
- 自社ラベルで校正曲線を描く。ベンチの92%は自分の請求書での92%ではない。まず100〜1,000件のラベル付きサンプルで、予測確率と実正答率の対応を確認する
- 質問トークンの予算を設計する。共有入力は1回だが、質問ごとに指示語と採点基準が加算される。1,000問運用での実トークンを見積もってから本番へ
- テール遅延を実ペイロードで測る。150〜250ms は16Kトークンまでの測定値。256K+数百問の構成では別物になり得る
- 無料ティアの条項を読む。無料入力は製品改善に使われ得る。機密データは有料ティア固定にする
- v1beta 固定・キャッシュ不可・Batch 不可を設計に織り込む。大量バッチ処理の代替手段が当面ない
- 安全チェックを単一パスに預けない。判断APIはルーティングとトリアージの部品であり、多段の防御の1枚として配置する
10. まとめ
「文章を書かないAI」は、9月に1社の実験だったものが、3ヶ月で標準品になった。Google が入れなかったのは市場ではなく順位だ。精度は90%台に収束し、Google 自身が負けた行まで公開した。差がつくのは校正の側にある。
だから買い手が見るべき数字は変わった。ベンチマークの%ではなく、自分のデータでのECE。そして質問の書き方にかかるトークン原価。出力が0トークンになった世界では、答えを買うのではなく、問いの書き方を設計するコストが新しい原価項目になる。
参照: Google 公式ブログ「Gemini Decisions API」(2026-11-11)/Gemini Developer API 料金ページ・開発者ガイド(v1beta, 2026-11-11)/Simon Willison「Gemini Decisions API hands-on」(2026-11-11)/Artificial Analysis Decision Index/澎湃新聞・SiliconANGLE・InfoWorld・Data Phoenix(2026-11-13)/Beyond the News ドシア #353系(2026-11-13)/ai-news-brief roundup 2026-11-13 Overnight/Afternoon/金十数据(2026-11-13)/第一財経(2026-11-13)