Drex for Finance vs Gemini Decision 1: due modi per acquistare una probabilità

Mettendo le schede tecniche una accanto all'altra, Drex for Finance e G​emini Decision 1 sembrano lo stesso prodotto di due aziende. Entrambi prendono un blocco di input e una serie di domande tipizzate, entrambi restituiscono una risposta con punteggio per ogni domanda senza testo generato, entrambi gestiscono una richiesta da 262.144 token, ed entrambi costano centesimi per milione di token di input anziché dollari. La somiglianza finisce proprio in ciò per cui li compreresti davvero. G​emini Decision 1, rilasciato l'11 novembre 2026 sull'API per sviluppatori di G​oogle, è un modello decisionale generale la cui capacità distintiva è sapere quando rifiutare; Drex for Finance, in disponibilità generale dal 2 novembre 2026 a $0,03 per milione di token di input, è un finetune di dominio la cui capacità distintiva è leggere un documento finanziario e azzeccare quindici risposte in una volta. A nove giorni di distanza, stessa struttura della richiesta, scommesse opposte — e nessuna esecuzione pubblicata li ha mai messi sulla stessa scala.

Il confronto che nessuno ha mai effettuato

Questa è la prima cosa da capire, perché determina quanto del resto di questo pezzo puoi mettere in pratica.

I numeri di Gemini Decision 1 provengono da Artificial Analysis, sul suo Decision Index v2.1 — diciotto modelli classificati, un composito ponderato di sei valutazioni, ciascuna con punteggio pari all'accuratezza meno la penalità di Brier sulla probabilità che il modello ha attribuito alla propria risposta. Ottiene 66,0, che è il nono posto su diciotto, appena sopra la mediana della classifica di 64.

I numeri di Drex for Finance provengono da Nace, su un Drex Finance Index costruito da 48 set di test finanziari tenuti da parte. Ottiene un punteggio di 77,3. Drex for Finance non compare affatto nella board di Artificial Analysis.

Quindi i due numeri principali sono 66 e 77,3, si riferiscono a strumenti diversi, misurano popolazioni di attività diverse, e sottrarli produce un numero privo di significato. Chiunque lo faccia — e le versioni di questo confronto già online lo fanno — sta confrontando il punteggio di una classifica general-purpose con il punteggio di dominio proprietario di un fornitore e proclamando vincitore la differenza. L'affermazione onesta è che l'unica prova che si sovrappone è indiretta: Drex Max v1.1, il checkpoint genitore da cui è stato ottenuto tramite fine-tuning Drex for Finance, è effettivamente presente nella classifica Artificial Analysis, e la guida nettamente con 73,4 — primo su diciotto, 7,4 punti davanti al 66,0 di Gemini Decision 1. Questo è un forte segnale sul modello di base e nessun segnale sul fine-tuning, perché l'addestramento specifico per dominio può far guadagnare molto su un test sui documenti e far perdere un po' su un test sulle conoscenze, e nulla di pubblicato separa questi due effetti per questo checkpoint. È anche il motivo per cui il 66 e il 77,3 non devono essere letti come un divario in nessuna delle due direzioni.

Ciò che ciascuno è effettivamente progettato per fare

Le architetture spiegano la divergenza meglio di qualsiasi punteggio.

• Forma — Drex for Finance è un finetune di Drex Max, un modello decisionale con un encoder visivo. G​emini Decision 1 è un modello decisionale di prima generazione di G​oogle DeepMind, su un proprio endpoint POST /v1beta/decisions, separato dal percorso generate-content.

• Enfasi sulla formazione — nove ambiti finanziari denominati presso Nace: attività bancaria e pagamenti, contabilità e revisione, credito e prestiti, assicurazioni, conformità e rischio, documenti depositati e relazioni, mercati e investimenti, ESG, tesoreria e operazioni. G​oogle non pubblica alcuna descrizione della formazione oltre al modello e all'API.

• Scala di una richiesta — entrambi consentono circa 1.000 domande in un'unica passata, ma le forme differiscono. G​emini Decision 1 pone un limite di 1.000 domande per richiesta e fattura l'input condiviso una sola volta. Drex for Finance offre 262.144 token sull'intera richiesta, con un numero di domande illimitato nella documentazione, il che premia molte domande brevi rispetto a un unico documento lungo.

• Astensione — il tipo sì/no di G​emini Decision 1 restituisce una probabilità limitata a 0,01–0,99, quindi una soglia impostata sopra 0,99 non può mai scattare; la sua leadership in classifica su AA-Omniscience e HLE-MultiChoice è sostanzialmente una leadership nel rifiutare anziché nell'indovinare. Drex for Finance restituisce P(true) in [0,1] senza alcun limite documentato, e nessun tasso pubblicato di non allucinazione.

• Gestione delle opzioni — G​emini Decision 1 ordina le chiavi delle tue opzioni alfabeticamente in ordine di byte UTF-8 prima di calcolare il punteggio, quindi in caso di parità prevale la chiave che viene prima in ordine alfabetico, e la guida di G​oogle stessa consiglia di chiamare una voce generica other anziché none_of_the_above. Nace non documenta alcuna normalizzazione del genere, il che non equivale a dire che non accada — equivale a dire che non ci si può affidare in nessuno dei due casi.

• Prezzo — Drex for Finance: 0,03 $ per milione di token di input, output non fatturato. G​emini Decision 1: 0,10 $ per milione di token di input, output non applicabile. Secondo la misura del tasso di attività di Artificial Analysis, G​emini Decision 1 arriva a 345 $ per milione di decisioni; il dato comparabile per il modello Nace non è pubblicato su tale base.

• Accesso — Drex for Finance tramite l'API del fornitore, i suoi SDK, la sua CLI e un server MCP remoto, con un piano gratuito di 100 decisioni al giorno fino a 32 KB ciascuna. Gemini Decision 1 su Gemini Developer API solo su v1beta — nessuna voce in Vertex AI, nessuna Batch API, nessuna cache del contesto.

Dove vince il modello generale, e non si tratta di un insieme ristretto

Tre di quelle righe sono decisive a seconda del tuo carico di lavoro.

Calibrazione. Il Decision Index penalizza una risposta sbagliata ma sicura più duramente di una incerta, ed è proprio questo design a spiegare perché G​emini Decision 1 si colloca dove si trova. Se la tua pipeline instrada in base alla probabilità — approva sopra 0,95, escala sotto 0,6 — il valore del numero risiede interamente nel fatto che 0,95 significhi 95%. L'output limitato di G​oogle insieme al suo primo posto nelle due componenti di conoscenza ne sono una prova; Nace pubblica l'accuratezza e una ripartizione per categoria ma nessuna curva di calibrazione, quindi la probabilità di Drex è un punteggio che devi validare tu stesso prima di impostarci una soglia.

Un solo passaggio, molte regole. Mille domande per richiesta su un unico input condiviso rappresentano una capacità davvero diversa rispetto a un singolo contesto molto lungo. Un ticket di assistenza verificato rispetto a quaranta regole di policy in una sola chiamata, fatturato una volta sola per l'input, è il tipo di attività in cui la struttura di G​emini Decision 1 è migliore di una finestra di contesto da 262K, perché il costo scala con le domande anziché con il testo che ripeti.

Ampiezza delle modalità. Drex for Finance legge testo più immagini PNG, JPEG e WebP, fino a otto per richiesta. G​emini Decision 1 accetta testo, immagini, video, audio e PDF in un'unica richiesta, fino a 100 MB di base64 inline, 50 MB per i PDF. Se una decisione dipende dalla registrazione di una chiamata telefonica o da un fotogramma video, solo uno dei due può vederlo.

Dove vince lo specialista

Il contro-caso è più ristretto ma è reale, e si riduce a ciò che accade con documenti in cui più risposte devono essere tutte corrette contemporaneamente.

Su AA-Paperclip — il 30% del punteggio composito di G​emini Decision 1, e la componente singola più pesante — G​emini Decision 1 supera direttamente il 33% dei documenti, contro il 63% di Drex Max v1.1. Il test comprende 1.500 curriculum privati, ricevute, fatture e documenti, ciascuno con cinque decisioni e dieci fatti, valutati con criterio tutto-o-niente per documento. Drex for Finance è stato fine-tuned esattamente su quel materiale: campi di fatture e ricevute, classificazione dei conti GL, fatture duplicate, eccezioni di riconciliazione, campionamento di audit, tagging 10-K e XBRL. Nace riporta 92,3 su Documents & extraction e 96,7 su Financial QA & filings, entrambi eseguiti dal fornitore.

Se la tua decisione è "leggi questa fattura e dimmi se duplica una già pagata", il composite del consiglio generale è quasi irrilevante e il fine-tuning di dominio è quasi tutta la risposta. È questo il caso in cui pagare una tariffa da specialista per un modello specialistico — ed è anche il motivo per cui il 77,3 e il 66 non dovrebbero essere confrontati: sono i punteggi di due modelli sulle due popolazioni di task per cui ciascuno è stato scelto per essere bravo.

Due onesti punti deboli sul fronte Nace, dato che la tabella è del fornitore: Credito e rischio segna 48,3, il numero assoluto più basso nella tabella finance, e Mercati e ragionamento segna 41,5, l'unica categoria in cui il modello non è primo — pplx-decider v1.2 ottiene 43,1. Entrambi sono divulgati nel post di lancio di Nace stesso, il che è più di quanto facciano la maggior parte dei fornitori, ed entrambi delimitano l'ambito di fiducia da accordare al checkpoint finance.

Costo, alla scala in cui una pipeline decisionale opera realmente

Un caso da 4.000 token valutato una volta costa circa $0,00012 su Drex for Finance e circa $0,0004 su G​emini Decision 1. Nessuno dei due è il numero che decide qualcosa; a un milione di decisioni al mese la differenza è di circa $280, inferiore alla settimana di lavoro di un ingegnere spesa per la migrazione.

A deciderlo è l'architettura circostante. G​emini Decision 1 non ha caching del contesto né Batch API, perciò lo stesso documento di policy da 40.000 token viene addebitato per intero a ogni richiesta, e non esiste alcuna scansione notturna a metà prezzo dei ticket storici. Anche Drex for Finance non ha nessuna delle due funzionalità, e la sua fatturazione è per richiesta anziché per domanda, il che significa che il costo di porre quaranta domande su un unico documento è il conteggio dei token del documento, una sola volta. Su un carico di lavoro con molte domande e input brevi, questo inverte completamente la classifica per token: con $0.10 di G​emini Decision 1 ottieni mille domande, mentre le stesse mille domande su un unico caso breve sono una sola richiesta Drex a $0.03 per milione di token.

Come contattare l'uno o l'altro, sinceramente

Non disponiamo di gemini-decision-1 e non disponiamo di drex-max-finance. Un endpoint di sole probabilità non è una destinazione chat-completions, quindi un router con la nostra architettura non ha alcun modo onesto di mettere l'uno o l'altro dietro un'unica chiave, e sostenere il contrario fallirebbe alla prima richiesta. Quello che offriamo è quello di TypeSafe: typesafe/jev-1.14 a $0.042 per milione di token di input e output su systemone — la stessa forma di richiesta con cui l'API di Nace è compatibile a livello di protocollo e un modello nella stessa classifica di diciotto modelli in cui figura G​emini Decision 1, con 66,2 contro 66,0.

Il che lo rende la terza opzione pratica in questo confronto, anziché una nota a piè di pagina. Se la decisione stessa è fuori discussione e ciò di cui hai bisogno è un unico endpoint per l'intera pipeline — la chiamata decisionale, la chiamata di redazione che scrive la nota dell'analista, la chiamata di escalation che esamina i casi segnalati — allora il ramo decisionale in esecuzione sulla stessa chiave di oltre 200 altri modelli, al prezzo di listino del provider applicato senza alcun ricarico per token, vale più di un vantaggio di due punti su un composito. Se la decisione è l'intero prodotto, acquista lo specialista dal fornitore e instrada il resto.

Cosa lo risolverebbe

Un esperimento, e nessuno l'ha eseguito. Prendi qualche centinaio di documenti finanziari reali — fatture con stato di duplicato noto, documenti depositati con tag noti — e valutali con entrambi i modelli sulla stessa rubrica. Quella singola esecuzione sostituirebbe ogni numero in questo articolo con uno comparabile e ti direbbe se il vantaggio del finetune di dominio sopravvive al contatto con un'infrastruttura di test indipendente.

Finché non esiste, la lettura corretta è che questi non sono concorrenti. G​emini Decision 1 è la scelta migliore quando la probabilità deve essere affidabile, le domande sono molte o l'input non è testo. Drex for Finance è la scelta migliore quando l'input è un documento finanziario, le risposte devono essere tutte corrette contemporaneamente e il volume dei casi rende $0,03 per milione di token la soglia che conta. Entrambe le affermazioni sono difendibili sulla base dei numeri pubblicati. Non lo è il confronto che li colloca su un'unica classifica, e passerà un po' di tempo prima che ne esista una.