최근 수정 시각 : 2026-11-16 16:10:05

Gemini Decision


파일:Gemini(앱) 아이콘 (2025).png 파일:gemini-text.svg파일:gemini-text 화이트.svg
{{{#!wiki style="margin:0 -10px -5px; min-height:calc(1.5em + 5px)"
{{{#!folding [ 펼치기 · 접기 ]
{{{#!wiki style="margin:-5px -1px -11px"
<colbgcolor=#4285F4,#4285F4> 모델 1.0 · 1.5 · 2.0 · 2.5 · 3.0 · 3.1 · 3.5 · 3.6 · 3.7 · 3.8 · 4
나노 바나나 · Veo · Omni · Decision
서비스 Gemini 앱 · Google AI Studio · Gemini Live · Gemini Notebook
에이전트 Gemini CLI · Antigravity }}}}}}}}}
<colbgcolor=#4285F4><colcolor=#fff>
Gemini Decision
파일:gemini-decision.png
출시일
1
2026년 11월 11일[1] #
개발사 Google DeepMind
기능 의사결정 모델

1. 개요2. 상세3. 성능

1. 개요

구글 딥마인드에서 개발하는 의사결정 모델.

2. 상세

API
Gemini 4 Carbon에 바로 뒤이어 공개된 의사결정 모델이다. Jev와 같이 텍스트, 이미지, 동영상, 오디오, PDF에 대한 정형화된 질문을 단일 프리필 패스로 평가하며, 출력 토큰을 소모하지 않고 보정된 결과 확률을 반환하는 것이 특징이다.

주로 요청 라우팅, 다중 규칙에 대한 동시 정책 검사, 루브릭 기반 후보군 점수 산출, 도구 선택, 라이브 미디어 스트림에 대한 저지연 분류 작업 등에 활용된다. 최대 262,144 토큰의 공유 입력 데이터에 대해 최대 1,000개의 독립적인 질문을 동시에 평가할 수 있다.

3. 성능

파일:gemini-decision-bench.webp

구글이 공개한 벤치마크에서는 경쟁 의사결정 특화 모델인 TypeSafe Jev 1.14, OpenAI의 GPT-6 Luna(Decisions API), 그리고 자사의 경량 생성형 모델인 Gemini 3.5 Flash-Lite를 비교 대상으로 삼았다.
  • 주요 벤치마크 정확도: JevBench(92.2%), Amazon ESCI(58.7%), New Yorker Caption(79.7%), PubMedQA(79.8%), 비영어권 성능을 측정하는 Global-MMLU-Lite(86.0%) 항목에서 비교군 중 가장 높은 점수를 기록했다. 반면 Mind2Web Multimodal(86.2%)과 도구 호출 판단 능력을 보는 When2Call(79.9%)에서는 TypeSafe Jev 1.14(각각 86.8%, 82.0%)가 더 높은 성적을 거두었다.
  • 멀티모달 지원: TypeSafe Jev 1.14와 GPT-6 Luna가 지원하지 않는 오디오 및 비디오 벤치마크인 MMAU(71.8%)와 Video-MME(69.1%)를 처리할 수 있으며, 해당 항목에서 Gemini 3.5 Flash-Lite(각각 67.7%, 63.3%)보다 높은 정확도를 보였다.
  • 확률 보정 (Calibration): 예측 확률과 실제 정답률 간의 오차를 측정하는 Top-1 ECE(낮을수록 우수)에서는 0.0250을 기록해, TypeSafe Jev 1.14(0.0494), GPT-6 Luna(0.0721), Gemini 3.5 Flash-Lite(0.2104) 대비 가장 낮은 오차율을 보였다.
  • 비용: 7개 공통 벤치마크 수행 기준 총비용은 $0.88로 측정되었다. 출력 토큰을 생성하는 일반 모델인 Gemini 3.5 Flash-Lite($4.14)나 경쟁 모델인 GPT-6 Luna($0.93)보다는 저렴하지만, 비교군 중 가장 비용이 낮은 모델은 TypeSafe Jev 1.14($0.68)였다.

[1] 한국시간 11월 12일 새벽