Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
Gemini는 판별 및 분류 작업 전용 모델인 'Gemini Decision'과 Decisions API를 출시했습니다. 이 모델은 출력 토큰이 제로이며 캘리브레이션된 신뢰도를 제공하여 콘텐츠 모더레이션이나 품질 평가에 적합합니다. 이미지, 음성 등 멀티모달 입력도 지원하며 개발자들의 운영 효율성을 높일 것으로 기대됩니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 Qiita AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기2026년 11월 11일의 리포트 노트에 Gemini API에 **판별 작업 전용 모델인 'Gemini Decision' (gemini-decision-1)**과 새로운 Decisions API가 추가되었습니다.
지금까지는 '이 이미지는 규정 위반인가?', '이 문의는 어떤 카테고리인가?', '이 답변은 기준을 충족하는가?'와 같은 판별 및 분류 작업은 생성형 LLM(Large Language Model)에 프롬프트를 던져 텍스트나 JSON 형태로 답을 얻어내는 것이 일반적이었습니다. Gemini Decision은 이 용도에 특화되었으며, 다음 세 가지 특징을 가지고 있습니다.
빠른 속도-
캘리브레이션 완료됨(신뢰도가 실제 정답률과 일치하도록 조정됨) 출력 토큰이 제로(Zero)
📌 영향을 받는 사용자
참고로, 기존 기능의 폐지나 파괴적인 변경은 이번 데이터에 포함되어 있지 않으며, 필수 대응 사항(action_required: false) 은 아닙니다. 다만 선택지로 비교 검토할 가치가 높은 출시입니다.
⚠️ 본 기사의 전제 조건
요금액이나 레이트 제한의 구체적인 수치, Decisions API의 요청/응답 사양은 이번 입력 데이터에 포함되어 있지 않습니다. 따라서 본 기사에서는 코드 예시 구현을 게재하지 않고 공식 문서를 통해 확인해야 할 사항을 명시합니다.
(각 '예'는 용도의 이미지이며, 공식 예시는 아닙니다)
| 항목 | 내용 |
|---|---|
| 신규 모델 | Gemini Decision (모델 ID: gemini-decision-1 ) |
| ... | |
| 1. 출력 토큰 제로(Zero Output Tokens) |
생성형 LLM에서는 '판별 이유'나 'JSON'을 텍스트 형태로 생성하기 때문에, 그 분량만큼의 출력 토큰이 과금 및 지연 시간의 대상이 됩니다. Gemini Decision은 출력 토큰이 제로라고 되어 있어, 기존 방식과 비교하여 출력 토큰에 대한 과금이 발생하지 않고, 지연 시간도 짧아질 것으로 예상됩니다 (데이터상으로는 '예상'입니다. 실제 측정은 각자 검증해 주십시오).
2. 캘리브레이션된 신뢰도(Calibration)
'신뢰도 0.9'라고 나와도, 실제 정답률이 0.9일 것이라는 보장이 없었던 것이 생성형 LLM의 고민거리였습니다. 캘리브레이션이란 신뢰도를 실제 정답률에 맞춰 조정하는 것을 의미합니다. 예를 들어, 신뢰도가 0.9인 판별 그룹이라면, 약 90%가 정답이 되도록 조정되었다는 의미입니다. 이를 통해 '신뢰도가 낮은 것들만 사람 검토로 돌린다'와 같은 운영 임계치 설계가 쉬워집니다.
3. 멀티모달 입력(Multimodal Input)
텍스트뿐만 아니라 이미지, 음성, 비디오, PDF 등을 그대로 판별 대상으로 할 수 있습니다.
전용 섹션이 마련되어 있습니다.
요금:
/docs/pricing#gemini-decision
레이트 제한:
/docs/rate-limits#gemini-decision
도입 절차: Decisions API 가이드
/docs/decisions-api
구체적인 금액이나 제한 수치는 이번 차분 데이터에 포함되어 있지 않습니다. 채택 판단 전에 반드시 공식 페이지에서 확인해 주십시오.
| 사용 사례 | 검토 포인트 |
|---|---|
| 콘텐츠 모더레이션 (이미지/비디오/음성 포함) | 이진 판별 + 신뢰도 임계치로 자동 처리와 사람 검토를 분배 |
| ... | |
| 💡 팁 |
필수 대응 사항은 없습니다. 우선 '자사 판별 작업 목록 정리'부터 시작하는 것을 추천합니다.
판별 작업 목록 정리: 자사에서 LLM에게 분류/판별/평가를 시키고 있는 부분을 찾아내어, 3가지 종류(이진/카테고리/루브릭)에 해당하는지 확인합니다. -
공식 문서 확인: Decisions API 가이드, 요금, 레이트 제한 세 가지를 확인합니다. -
소규모 PoC (Proof of Concept): 기존 판별 데이터(정답 라벨 포함)를 사용하여, 정확도/지연 시간/비용을 현행 방식과 비교해 봅니다. -
신뢰도 검증: '캘리브레이션 완료됨'이라는 문구를 맹신하지 않고, 자사 데이터로 신뢰도와 실제 정답률이 일치하는지 확인합니다. -
지식 업데이트: 팀의 기술 동향 메모에 판별/분류/평가 작업의 선택지로 추가해 둡니다.
출력이 판별 결과만 되기 때문에, '왜 그렇게 판별했는지'에 대한 자연어 이유 설명이 필요한 경우, 별도로 생성형 모델과 병용하는 것을 검토해야 할 수 있습니다(이 부분은 공식 가이드에서 확인이 필요합니다).
일본어를 포함한 다국어에서의 정확도나 입력 크기 상한 등은 이번 데이터에서는 알 수 없습니다.
2026년 11월 11일, Gemini API에 판별 전용 모델인 gemini-decision-1 Decisions API가 추가되었습니다.
**이진(Binary)·카테고리(Category)·루브릭(Rubric)**의 세 가지 유형의 판별을 지원하며, 텍스트·이미지·음성·영상·PDF를 입력할 수 있습니다.
특징은 고속 처리·보정 완료(Calibrated)·출력 토큰 제로입니다. 기존 생성형 LLM을 이용한 판별 방식보다 과금 및 지연 측면에서 유리할 것으로 예상됩니다.
파괴적인 변경이나 필수 대응 사항은 없지만, 모더레이션(Moderation)·분류(Classification)·평가 시스템의 파이프라인을 보유하고 있는 사용자는 PoC(Proof of Concept) 가치가 높습니다.
요금액, 레이트 제한, API 사양 등의 자세한 내용은 본 기사의 원본 데이터에 포함되어 있지 않으므로, 공식 문서(/docs/decisions-api, /docs/pricing#gemini-decision, /docs/rate-limits#gemini-decision)에서 확인해 주십시오.
판별 작업을 '생성'이 아닌 '판별 전용 모델'에 맡기는 방향성은 LLM 활용의 비용 최적화 측면에서 새로운 선택지가 될 것으로 보입니다.