Super Sale WeekClaude Skills — 20% KORTING
News

Gemini Decisions API: Wat is nieuw, prijzen en alternatieven (2026)

Powerdrill Bloom·
Gemini Decisions API: Wat is nieuw, prijzen en alternatieven (2026)

Google lanceerde de Gemini Decisions API op 11 november 2026. Het is een nieuw eindpunt voor snelle beslissingen met een gesloten set opties, aangedreven door een nieuw model genaamd Gemini Decision 1.

In plaats van een antwoord te schrijven, scoort het model een vaste set opties. Google stelt dat het waarschijnlijkheden en betrouwbaarheidsscores retourneert in 150 tot 250 milliseconden, van begin tot eind. Je kunt tot 1.000 vragen stellen over één input in een enkele aanvraag.

Deze gids behandelt wat de API doet, de drie vraagtypen, de prijzen en het vroege gebruik binnen Google. Het eindigt met alternatieven, waaronder een no-code route voor teams die feedback willen scoren in een spreadsheet. De details zijn afkomstig uit de lanceringstekst van Google, gelezen op 12 november 2026.

Wat Google aankondigde op 11 november

De post van Google beschrijft het product in één regel. Het noemt de API "een nieuw eindpunt voor snelle beslissingen met een gesloten set, aangedreven door ons nieuwe Gemini Decision 1 model."

De belangrijkste feiten uit de post:

  • Modelnaam. De model-ID is gemini-decision-1.
  • Waar het draait. Het is beschikbaar via de Gemini API in Google AI Studio.
  • Inputs. Eén input kan een mix zijn van tekst, afbeeldingen, audio, video en PDF's, tot 256K tokens.
  • Vragen. Je kunt tot 1.000 onafhankelijke vragen aan die input koppelen.
  • Snelheid. Antwoorden arriveren in 150 tot 250 milliseconden van begin tot eind.
  • Prijs. Input kost $0.10 per 1M tokens, en output-tokens kosten niets.

Google presenteert het als een bouwsteen voor andere AI-systemen. De post noemt "toolselectie, beleidscontroles, modelroutering en contextbeoordeling" als doelgerichte taken.

Hoe de Gemini Decisions API werkt

De meeste taalmodellen antwoorden door tekst te genereren, token voor token. Gemini Decision 1 slaat die stap over voor begrensde vragen.

De post stelt dat het model "je kandidaat-opties scoort in een enkele forward pass." Het retourneert een waarschijnlijkheid voor elke optie in plaats van een geschreven antwoord. Dat ontwerp verklaart zowel de snelheid als de prijs.

Het ontwerp van de vragen doet het meeste werk. Het voorbeeld van Google geeft elke keuze een korte beschrijving, zoals "Kleine morsing op het aanrecht met een doek of handdoek al in de buurt." Duidelijke criteria als deze geven het model iets concreets om tegen af te wegen.

Een paar gewoonten helpen bij het schrijven van je eigen vragen:

  • Houd opties gescheiden. Twee categorieën die overlappen, zullen de waarschijnlijkheid tussen hen verdelen.
  • Beschrijf elke optie. Een definitie van één regel is beter dan een enkel woord als "urgent."
  • Orden rubric-niveaus. Rubric-scores beginnen bij 0, dus zet het laagste niveau eerst.
  • Voeg een restcategorie toe. Een "overig"-keuze voorkomt dat vreemde items in de verkeerde categorie worden gedwongen.

Elk antwoord bevat een betrouwbaarheidsscore van 0 tot 1. Google suggereert deze te gebruiken om onduidelijke gevallen elders onder te brengen. De post stelt dat code "ambigue gevallen naar een fallback of menselijke beoordelaar kan routeren."

De snelheid blijft behouden naarmate het aantal aanvragen groeit. Google zegt dat de mediane latentie "vrijwel vlak blijft van 1 tot 100 vragen per aanvraag," voor inputs tot 16K tokens.

De drie vraagtypen

De API ondersteunt drie soorten vragen. Je kunt alle drie combineren voor dezelfde input in één aanvraag.

Type Wat het doet Output
Ja/nee (noul) Schat de waarschijnlijkheid dat een voorwaarde geldt Waarschijnlijkheid dat het antwoord ja is
Meerkeuze (choice) Kiest uit 2 tot 255 opties De winnaar, plus genormaliseerde waarschijnlijkheden voor elke optie
Rubric-score (score) Beoordeelt input op een geordende schaal beginnend bij 0 Een gewogen score, plus een waarschijnlijkheid voor elk niveau

Google's eigen voorbeeld controleert een foto van een aanrecht in een kantine met een korte tekstnotitie. Eén aanvraag vraagt of er gemorst is, welke schoonmaakactie past en hoe ernstig de rommel is.

Voor zakelijke gegevens kan hetzelfde patroon worden toegepast op algemeen beoordelingswerk. Een supportteam zou voor elk ticket kunnen vragen of er een terugbetaling wordt genoemd, over welk productgebied het gaat en hoe urgent het is. Dit zijn onze voorbeelden, niet die van Google.

Multimodale input in één gang

Het model leest verschillende formaten tegelijkertijd. De post van Google zegt dat het "tekst, afbeeldingen, audio, video en PDF's direct in een enkele forward pass" kan verwerken.

De post geeft twee combinaties als voorbeeld. De ene is "een gespreksopname met account-metadata." De andere is "een gescande PDF-claim met foto's van de schade."

Dat tweede voorbeeld wijst op werk in de verzekerings- en financiële sector. Een claimteam zou elk claimdossier kunnen scoren op volledigheid, een categorie kunnen kiezen en de ernst van de schade kunnen beoordelen in één aanroep.

Je kunt ook de resolutie van afbeeldingen en video's aanpassen. Google zegt dat dit de "visuele details en tokenkosten" beheerst.

Hoe Google-teams het al gebruiken

De post van Google somt vroege toepassingen binnen het bedrijf op:

  • Gemini Notebook. Het gebruikt de API om elke query naar de juiste modelklasse en het juiste denkniveau te routeren. Google zegt dat alledaagse zoekopdrachten "tot 40% lagere latentie" krijgen.
  • Stitch. Een experiment met een snel canvas gebruikt het om binnen enkele seconden speelbare wireframes van een productflow te genereren.
  • CC van Google Labs. Het kiest een emoji-reactie uit meer dan 200 opties "in een fractie van een seconde."
  • Google Search. Het fungeert als een veiligheidslaag die vijandig gedrag in MCP-tools detecteert.

Elk geval ruilt een lang antwoord in voor een snelle, begrensde keuze. Geen van deze toepassingen vereist dat het model proza schrijft.

Wat het kost

De post van Google geeft een eenvoudige prijs. Gemini Decision 1 "is geprijsd op $0.10 per 1M input-tokens en $0 voor output-tokens."

Er is ook een gratis route voor testen. De post vermeldt "een kosteloze API-laag die je kunt gebruiken in Google AI Studio voor prototyping."

Facturering heeft een handige eigenschap voor grote vragensets. Google zegt: "Je gedeelde input wordt één keer per aanvraag gefactureerd, ongeacht hoeveel vragen je evalueert." Elke extra vraag voegt alleen zijn eigen instructie- en criteriatekens toe.

Sommige veelvoorkomende verborgen kosten ontbreken. Google zegt dat er "geen kosten zijn voor output-tokens, variabele facturen voor denk-tokens, of aparte kosten voor audiotranscriptie en OCR."

Item Prijs in de post van Google
Input-tokens $0.10 per 1M tokens
Output-tokens $0
Prototyping in Google AI Studio Kosteloze laag

Hier is een globaal rekenvoorbeeld, gebaseerd op onze eigen aannames. Een team scoort 5.000 enquête-antwoorden, één aanvraag per antwoord. Elke aanvraag bevat ongeveer 400 tokens aan antwoordtekst en 150 tokens aan vragen.

Dat is 550 tokens per aanvraag, of 2,75 miljoen tokens in totaal. Bij $0.10 per 1M input-tokens kost de batch ongeveer $0.28. De werkelijke aantallen tokens hangen af van je tekst en de formulering van je vragen, dus test eerst met een steekproef.

Google vergelijkt de kosten ook met zijn eigen generatieve modellen. De post stelt dat de Decisions API "bijna 5x goedkoper is over de gedeelde benchmark-suite dan Gemini 3.5 Flash-Lite met de Interactions API."

Wie kan het gebruiken en hoe te beginnen

De Gemini Decisions API is een product voor ontwikkelaars. Je hebt een API-sleutel van Google AI Studio nodig en wat code.

De post van Google verwijst naar Python, JavaScript en REST-gidsen in de documentatie. Het vermeldt ook drie demo-apps: Doorstep Parcels, Speed Sketch en Find the Zoo Keeper.

Teams die de Gemini API al gebruiken, zullen het inputformaat herkennen. Google zegt dat het inputveld "hetzelfde Content-blokformaat gebruikt als de Interactions API." Dat betekent dat bestaande code die prompts bouwt met afbeeldingen of PDF's kan worden hergebruikt.

De output moet aan jouw kant worden afgehandeld. Je code leest de waarschijnlijkheden, past een drempelwaarde toe en beslist wat te doen met items met een lage betrouwbaarheid. Plan die logica voordat je de eerste grote batch verstuurt.

Ondersteuning van derden wordt ook uitgerold. De post noemt OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit en OpenCode. Ondersteuning in Gemini in Google Cloud wordt vermeld als "binnenkort beschikbaar."

Huidige beperkingen

Een paar beperkingen vloeien voort uit de post zelf:

  • Alleen gesloten vragen. Het model kiest uit opties die jij definieert. Het schrijft geen uitleg of samenvattingen.
  • Code vereist. Er wordt geen point-and-click interface beschreven voor zakelijke gebruikers.
  • Jouw opties bepalen het antwoord. Een slecht geformuleerde rubric zal zelfverzekerde maar onbruikbare scores opleveren.
  • Ondersteuning voor Google Cloud is in afwachting. Teams die via Google Cloud inkopen, moeten wachten op de vermelde integratie.

Kalibratie moet nog steeds worden gecontroleerd op je eigen gegevens. Google rapporteert de laagste kalibratiefout op zijn benchmark-suite, maar jouw tickets of claims kunnen afwijken.

Wat dit betekent voor teams die data op schaal scoren

De Gemini Decisions API maakt een veelvoorkomende taak goedkoop: labels plakken op grote stapels items. Supporttickets, enquête-antwoorden, productrecensies en claimdossiers passen hier allemaal bij.

Drie vragen helpen bepalen of het bij een team past:

  1. Zijn je vragen gesloten? Ja/nee-controles, categorieën en beoordelingen zijn zeer geschikt. Open vragen niet.
  2. Heb je een ontwikkelaar? Iemand moet de aanroepen schrijven en de betrouwbaarheidsscores afhandelen.
  3. Is snelheid of volume het probleem? De API blinkt uit wanneer je duizenden items hebt of antwoorden nodig hebt in minder dan een seconde.

Teams met een paar honderd rijen per maand en zonder ontwikkelaar vinden het misschien meer werk dan het bespaart. Voor hen is een no-code tool die het bestand leest en de samenvatting schrijft meestal de kortere weg.

Volume verandert ook de economie van beoordeling. Wanneer labels fracties van een cent kosten, kan een team elk ticket scoren in plaats van een steekproef. Het knelpunt verschuift dan naar het ondernemen van actie op basis van de resultaten.

Alternatieven voor de Gemini Decisions API

Er bestaan andere manieren om data te labelen en te scoren. Elke manier heeft andere opstartkosten.

Optie Wat het biedt Prijs of toegang
Gemini 3.5 Flash-Lite met de Interactions API Generatief model dat labels als tekst kan retourneren Google's vergelijkingsbasis; Google zegt dat de Decisions API bijna 5x goedkoper is op zijn benchmark-suite
Op maat getrainde classifier Een model getraind op je eigen gelabelde voorbeelden Vereist gelabelde data en machine learning-vaardigheden
Powerdrill Bloom Thema's, sentiment en grafieken van geüploade feedbackbestanden, zonder code Gratis abonnement op $0.00, Pro op $13.27/p.m.

Generatieve modellen. Een algemeen model kan dezelfde vragen in tekst beantwoorden. Het is flexibeler, omdat het ook zijn keuze kan uitleggen. De post van Google positioneert de Decisions API als de snellere en goedkopere optie voor begrensde keuzes.

Aangepaste classifiers. De post van Google zegt dat zijn teams functies leveren "simpelweg door opties te definiëren in plaats van aangepaste classifiers te trainen." Een getrainde classifier is nog steeds zinvol wanneer je jaren aan gelabelde data en vaste categorieën hebt.

Waar Powerdrill Bloom past

Veel teams die feedback moeten scoren, schrijven geen code. Ze hebben een CSV-export uit een enquête-tool of een app store, en ze hebben een samenvatting nodig voor een vergadering.

Powerdrill Bloom regelt dat vanuit het bestand zelf. De AI Review Summary Generator groepeert recensies in "thema's, sentiment en een voor het management geschikte samenvatting." Je uploadt een "CSV-export van app stores, NPS, support-tools of elk recensieplatform."

Voor klantinterviews en open antwoorden zet de Voice of Customer Summarizer feedback om in thema's. Je kunt de resultaten vervolgens omzetten in grafieken met de AI Graph Maker.

De prijspagina vermeldt een gratis abonnement op $0.00 en Pro op $13.27/p.m.

Probeer Powerdrill Bloom met de enquête-export van vorige maand en vraag naar de belangrijkste thema's op basis van sentiment.

Veelgestelde vragen

Wat is de Gemini Decisions API?

De Gemini Decisions API is een Google-eindpunt voor snelle beslissingen met een gesloten set. Het scoort opties voor ja/nee-, meerkeuze- en rubric-vragen in plaats van tekst te schrijven, en retourneert waarschijnlijkheden met betrouwbaarheidsscores.

Wat is Gemini Decision 1?

Gemini Decision 1 is het model achter de Decisions API, met de ID gemini-decision-1. Google lanceerde het op 11 november 2026, en het leest tekst, afbeeldingen, audio, video en PDF's.

Hoeveel kost de Gemini Decisions API?

Google prijst Gemini Decision 1 op $0.10 per 1M input-tokens en $0 voor output-tokens. Er is ook een kosteloze laag in Google AI Studio voor prototyping.

Hoeveel vragen kan één aanvraag bevatten?

Eén aanvraag kan tot 1.000 onafhankelijke vragen over een enkele input bevatten. De input kan tot 256K tokens groot zijn en kan verschillende formaten combineren.

Schrijft de Gemini Decisions API tekstuele antwoorden?

Nee. Het retourneert waarschijnlijkheden en betrouwbaarheidsscores voor opties die jij definieert. Voor geschreven samenvattingen of uitleg heb je een generatief model of een andere tool nodig.

Bronnen: Google, Gemini Decisions API: Fast, calibrated multimodal decisions.