Drex for Finance vs. Gemini Decision 1: Zwei Wege, eine Wahrscheinlichkeit zu kaufen

Legt man die Datenblätter nebeneinander, dann sehen Drex for Finance und G​emini Decision 1 wie dasselbe Produkt zweier Unternehmen aus. Beide nehmen einen Eingabeblock und eine Reihe typisierter Fragen entgegen, beide liefern pro Frage eine bewertete Antwort ohne generierten Text, beide decken eine Anfrage mit 262.144 Token ab, und beide kosten Cents pro Million Eingabe-Token statt Dollar. Die Ähnlichkeit endet bei dem, wofür man sie tatsächlich kaufen würde. G​emini Decision 1, veröffentlicht am 11. November 2026 über G​oogles Developer API, ist ein allgemeines Entscheidungsmodell, dessen herausragende Fähigkeit darin besteht zu wissen, wann es ablehnen sollte; Drex for Finance, allgemein verfügbar seit dem 2. November 2026 zu $0.03 pro Million Eingabe-Token, ist ein Domain-Finetune, dessen herausragende Fähigkeit darin besteht, ein Finanzdokument zu lesen und fünfzehn Antworten auf einmal richtig zu liefern. Neun Tage Abstand, dieselbe Anfrageform, entgegengesetzte Wetten – und kein veröffentlichter Testlauf hat sie je auf dieselbe Skala gestellt.

Der Vergleich, den noch niemand durchgeführt hat

Das ist das Erste, was es zu verstehen gilt, denn es bestimmt, wie viel vom Rest dieses Textes du umsetzen kannst.

Die Zahlen von G​emini Decision 1 stammen von Artificial Analysis, aus dessen Decision Index v2.1 — achtzehn Modelle wurden gerankt, ein gewichtetes Kompositum aus sechs Bewertungen, jede bewertet als Genauigkeit minus der Brier-Strafe auf die Wahrscheinlichkeit, die das Modell seiner Antwort zuordnete. Es erreicht 66,0 und liegt damit auf Platz neun von achtzehn, knapp über dem Median der Rangliste von 64.

Die Zahlen von Drex for Finance stammen von Nace und beziehen sich auf einen Drex Finance Index, der aus 48 zurückgehaltenen Finanz-Testsets besteht. Er erreicht 77,3 Punkte. Drex for Finance ist überhaupt nicht auf dem Artificial Analysis-Board vertreten.

Die beiden Schlagzeilenzahlen sind also 66 und 77,3; sie stammen von unterschiedlichen Instrumenten, messen unterschiedliche Aufgabenpopulationen, und ihre Subtraktion ergibt eine Zahl ohne Bedeutung. Wer sie subtrahiert – und die bereits online befindlichen Versionen dieses Vergleichs tun das –, vergleicht einen Allzweck-Board-Score mit einem domänenspezifischen Score des Anbieters und erklärt die Differenz zum Sieger. Die ehrliche Aussage ist, dass der einzige überschneidende Beleg einen Schritt entfernt liegt: Drex Max v1.1, der übergeordnete Checkpoint, von dem Drex for Finance feingetunt wurde, steht tatsächlich auf dem Artificial-Analysis-Board und führt es mit 73,4 klar an – Erster von achtzehn, 7,4 Punkte vor den 66,0 von Gemini Decision 1. Das ist ein starkes Signal zum Basismodell und überhaupt kein Signal zum Finetune, denn Domänentraining kann bei einem Dokumenttest viel gewinnen und bei einem Wissenstest ein wenig verlieren, und nichts Veröffentlichtes trennt diese beiden Effekte für diesen Checkpoint. Das ist auch der Grund, warum die 66 und die 77,3 nicht als Lücke in die eine oder andere Richtung gelesen werden dürfen.

Wofür jedes einzelne eigentlich gebaut ist

Die Architekturen erklären die Divergenz besser als jede Punktzahl.

• Aufbau — Drex for Finance ist ein Finetune von Drex Max, einem Entscheidungsmodell mit einem Vision-Encoder. Gemini Decision 1 ist ein Entscheidungsmodell der ersten Generation von Google DeepMind, mit einem eigenen POST /v1beta/decisions-Endpunkt, getrennt vom generate-content-Pfad.

• Trainingsschwerpunkt — neun benannte Finanzbereiche bei Nace: Bankwesen und Zahlungsverkehr, Rechnungswesen und Wirtschaftsprüfung, Kredit und Kreditvergabe, Versicherungen, Compliance und Risiko, Einreichungen und Berichte, Märkte und Investitionen, ESG, Treasury und Operations. Google veröffentlicht keine Trainingsbeschreibung, die über das Modell und die API hinausgeht.

• Umfang einer Anfrage – beide erlauben etwa 1.000 Fragen in einem Durchgang, aber die Zuschnitte unterscheiden sich. Gemini Decision 1 begrenzt auf 1.000 Fragen pro Anfrage und berechnet die gemeinsame Eingabe einmal. Drex for Finance stellt Ihnen 262.144 Token für die gesamte Anfrage zur Verfügung, wobei die Anzahl der Fragen laut Dokumentation unbegrenzt ist, was viele kurze Fragen gegenüber einem langen Dokument begünstigt.

• Enthaltung — Der Ja/Nein-Typ von Gemini Decision 1 liefert eine auf 0,01–0,99 begrenzte Wahrscheinlichkeit, sodass ein auf über 0,99 gesetzter Schwellenwert niemals auslösen kann; seine Spitzenposition bei AA-Omniscience und HLE-MultiChoice ist im Wesentlichen eine Spitzenposition beim Ablehnen statt beim Raten. Drex for Finance liefert P(true) in [0,1] ohne dokumentierte Grenze und überhaupt keine veröffentlichte Nicht-Halluzinationsrate.

• Optionsbehandlung — G​emini Decision 1 sortiert Ihre Optionsschlüssel vor der Bewertung alphabetisch in UTF-8-Byte-Reihenfolge, sodass Gleichstände zugunsten des alphabetisch ersten Schlüssels aufgelöst werden, und G​oogles eigene Empfehlung lautet, einen Catch-all-Schlüssel other statt none_of_the_above zu benennen. Nace dokumentiert keine solche Normalisierung, was nicht dasselbe ist wie zu sagen, dass sie nicht stattfindet — es ist dasselbe wie zu sagen, dass Sie sich so oder so nicht darauf verlassen können.

• Preis — Drex for Finance: 0,03 $ pro Million Eingabetoken; Ausgabe wird nicht berechnet. G​emini Decision 1: 0,10 $ pro Million Eingabetoken; Ausgabe nicht anwendbar. Nach dem Task-Rate-Maß von Artificial Analysis ergibt G​emini Decision 1 345 $ pro Million Entscheidungen; die vergleichbare Zahl für das Nace-Modell wird auf dieser Basis nicht veröffentlicht.

• Zugriff — Drex for Finance über die API des Anbieters, seine SDKs, seine CLI und einen Remote-MCP-Server, mit einem kostenlosen Kontingent von 100 Entscheidungen pro Tag mit jeweils bis zu 32 KB. G​emini Decision 1 in der G​emini Developer API nur unter v1beta — kein Vertex-AI-Listing, keine Batch API, kein Context-Caching.

Wo das allgemeine Modell gewinnt, und das ist keine kleine Menge

Drei dieser Zeilen sind je nach Arbeitslast entscheidend.

Kalibrierung. Der Decision Index bestraft eine falsche Antwort mit hoher Konfidenz härter als eine unsichere, und genau dieser Entwurf ist der Grund dafür, dass G​emini Decision 1 dort steht, wo es steht. Wenn Ihre Pipeline anhand der Wahrscheinlichkeit routet – oberhalb von 0,95 genehmigen, unterhalb von 0,6 eskalieren –, liegt der Wert der Zahl ausschließlich darin, ob 0,95 95 % bedeutet. Die begrenzte Ausgabe von G​oogle zusammen mit seinem ersten Platz bei den beiden Wissenskomponenten ist ein Beleg dafür; Nace veröffentlicht Genauigkeit und eine Aufschlüsselung nach Kategorien, aber keine Kalibrierungskurve, daher ist die Drex-Wahrscheinlichkeit ein Wert, den Sie selbst validieren müssen, bevor Sie ihn als Entscheidungsschwelle verwenden.

Ein Durchlauf, viele Regeln. Tausend Fragen pro Anfrage gegen eine gemeinsame Eingabe sind eine grundlegend andere Fähigkeit als ein sehr langer einzelner Kontext. Ein Support-Ticket, das in einem einzigen Aufruf gegen vierzig Richtlinienregeln geprüft wird und bei dem die Eingabe nur einmal abgerechnet wird, ist genau die Art von Aufgabe, bei der die Form von G​emini Decision 1 besser ist als ein 262K-Kontextfenster, weil die Kosten mit der Anzahl der Fragen skalieren und nicht mit dem Text, den man wiederholt.

Modalitätsbreite. Drex for Finance liest Text sowie PNG-, JPEG- und WebP-Bilder, bis zu acht pro Anfrage. G​emini Decision 1 verarbeitet Text, Bild, Video, Audio und PDF in einer Anfrage, bis zu 100 MB Inline-Base64, 50 MB für PDFs. Wenn eine Entscheidung von einer Telefonat-Aufzeichnung oder einem Video-Frame abhängt, kann nur einer der beiden darauf zugreifen.

Wo der Spezialist gewinnt

Der Gegenfall ist enger, aber er ist real, und es kommt darauf an, was bei Dokumenten passiert, bei denen mehrere Antworten gleichzeitig alle richtig sein müssen.

Bei AA-Paperclip – 30 % der Gesamtbewertung von G​emini Decision 1 und die schwerste Einzelkomponente – besteht G​emini Decision 1 33 % der Dokumente auf Anhieb, gegenüber 63 % bei Drex Max v1.1. Der Test umfasst 1.500 private Lebensläufe, Quittungen, Rechnungen und Unterlagen, die jeweils fünf Entscheidungen und zehn Fakten enthalten und pro Dokument nach dem Alles-oder-nichts-Prinzip bewertet werden. Drex for Finance wurde genau auf diesem Material feinabgestimmt: Rechnungs- und Belegfelder, GL-Kontenklassifizierung, doppelte Rechnungen, Abstimmungsausnahmen, Prüfungsstichproben, 10-K- und XBRL-Tagging. Nace meldet 92,3 für Documents & extraction und 96,7 für Financial QA & filings; beide wurden vom Anbieter durchgeführt.

Wenn Ihre Entscheidung lautet: „Lesen Sie diese Rechnung und sagen Sie mir, ob sie eine bereits bezahlte Rechnung dupliziert“, dann ist der Composite-Wert des allgemeinen Boards nahezu irrelevant und das domänenspezifische Finetuning nahezu die ganze Antwort. Das ist der Fall, in dem man einen Spezialistentarif für ein Spezialistenmodell zahlt — und es ist auch der Grund, warum die 77,3 und die 66 nicht miteinander verglichen werden sollten: Es sind die Scores zweier Modelle auf den beiden Aufgabenpopulationen, für die jedes der beiden Modelle ausgewählt wurde, weil es dort gut ist.

Zwei ehrliche Schwachstellen auf der Nace-Seite, da die Tabelle vom Anbieter stammt: Credit & risk erreicht 48,3, die niedrigste absolute Zahl in der Finanz-Tabelle, und Markets & reasoning erreicht 41,5, die einzige Kategorie, in der das Modell nicht auf Platz eins liegt – pplx-decider v1.2 kommt auf 43,1. Beides wird im eigenen Launch-Post von Nace offengelegt, was mehr ist, als die meisten Anbieter tun, und beides begrenzt, wofür dem Finanz-Checkpoint vertraut werden sollte.

Kosten – im Maßstab, in dem eine Entscheidungs-Pipeline tatsächlich läuft

Ein 4.000-Token-Fall, einmal bewertet, kostet bei Drex for Finance etwa $0.00012 und bei G​emini Decision 1 etwa $0.0004. Keine der beiden Zahlen ist die, die irgendetwas entscheidet; bei einer Million Entscheidungen pro Monat beträgt der Unterschied ungefähr $280, was weniger ist als die für die Migration aufgewendete Ingenieurwoche.

Entscheidend ist die umgebende Architektur. G​emini Decision 1 bietet weder Context Caching noch eine Batch-API, daher wird dasselbe 40.000-Token-Richtliniendokument bei jeder Anfrage vollständig abgerechnet, und es gibt keinen nächtlichen Durchlauf historischer Tickets zum halben Preis. Drex for Finance hat ebenfalls keine dieser beiden Funktionen, und die Abrechnung erfolgt pro Anfrage statt pro Frage, was bedeutet, dass die Kosten für vierzig Fragen zu einem Dokument einmalig der Tokenanzahl des Dokuments entsprechen. Bei einer Arbeitslast mit vielen Fragen und kurzen Eingaben kehrt das die Rangfolge pro Token völlig um: Bei G​emini Decision 1 bekommt man für 0,10 US-Dollar tausend Fragen, während dieselben tausend Fragen zu einem kurzen Fall bei Drex eine einzige Anfrage zu 0,03 US-Dollar pro Million Tokens sind.

Wie man ehrlich gesagt eines von beiden erreicht

Wir führen gemini-decision-1 nicht und wir führen drex-max-finance nicht. Ein reiner Wahrscheinlichkeits-Endpoint ist kein Chat-Completions-Ziel, daher hat ein Router in unserer Bauform keine ehrliche Möglichkeit, beides hinter einen Schlüssel zu stellen, und jede andere Behauptung würde bei der ersten Anfrage scheitern. Was wir führen, ist TypeSafe's typesafe/jev-1.14 zu $0,042 pro Million Input- und Output-Tokens auf systemone — dieselbe Anfrageform, mit der Nace's API wire-kompatibel ist, und ein Modell auf demselben Achtzehn-Modell-Board wie G​emini Decision 1, mit 66,2 gegenüber 66,0.

Was ihn in diesem Vergleich zur praktischen dritten Option macht statt zu einer Fußnote. Wenn die Entscheidung selbst unumstritten ist und Sie einen einzigen Endpunkt für die gesamte Pipeline brauchen – den Entscheidungsaufruf, den Entwurfsaufruf, der die Analystennotiz schreibt, den Eskalationsaufruf, der die markierten Fälle prüft – dann ist der Entscheidungs-Teil, der mit demselben Schlüssel läuft wie mehr als 200 andere Modelle, zum Listenpreis des Anbieters durchgereicht, ohne Aufschlag pro Token, mehr wert als ein Zwei-Punkte-Vorsprung bei einem Composite. Wenn die Entscheidung das gesamte Produkt ist, kaufen Sie den Spezialisten beim Anbieter und leiten Sie den Rest weiter.

Was würde es klären

Ein Experiment, und niemand hat es durchgeführt. Nehmen Sie ein paar hundert echte Finanzdokumente – Rechnungen mit bekanntem Duplikatstatus, Einreichungen mit bekannten Tags – und bewerten Sie sie mit beiden Modellen anhand desselben Bewertungsrasters. Dieser eine Durchlauf würde jede Zahl in diesem Artikel durch eine vergleichbare ersetzen und Ihnen sagen, ob der Vorteil des Domain-Finetunings den Kontakt mit einer unabhängigen Prüfumgebung übersteht.

Bis es so weit ist, lautet die korrekte Lesart, dass es sich nicht um Konkurrenten handelt. G​emini Decision 1 ist die bessere Wahl, wenn die Wahrscheinlichkeit vertrauenswürdig sein muss, die Fragen zahlreich sind oder die Eingabe kein Text ist. Drex for Finance ist die bessere Wahl, wenn die Eingabe ein Finanzdokument ist, die Antworten alle auf einmal richtig sein müssen und die Fallmenge $0.03 pro Million Tokens zu der Zahl macht, auf die es ankommt. Beide Aussagen sind anhand veröffentlichter Zahlen vertretbar. Der Vergleich, der sie auf eine einzige Rangliste setzt, ist es nicht, und bis es einen solchen gibt, wird einige Zeit vergehen.