Gemini Decision 1 対 Laya：所有する512トークンに対してレンタルされた262,144トークン

2つの意思決定モデル、同じ設計上の選択を両端から説明する2つの数値。Gemini Decision 1は、Google自身のAPI上で、262,144トークンの入力と最大1,000件の入力された質問を1回の呼び出しで処理し、入力100万トークンあたり$0.10です。Layaは、英語チェックポイントで512トークンのテキストを処理し、すでに支払っているT4上で動作し、Apache-2.0です。これはウィンドウでは512倍、価格では無限大という、互いに逆方向の差であり、両モデルは同じ仕事向けに作られていないため、どのベンチマークもこの比較を救えません。

Convai Innovationsは2026年9月18日にLayaを1つのリポジトリ内の3つのチェックポイントとして公開した。421MのModernBERT-large英語モデル、322MのmmBERT-base多言語モデル、そしてtyped-decisionsバリアントである。Googleは2026年11月11日にGemini Decision 1をリリースし、重み、パラメータ数、ベースモデルを公開しなかった。両者を当てはめて比べられる唯一の数値は、二者のうち片方しか掲載していないスコアボードにある。Gemini Decision 1はArtificial Analysis Decision Index v2.1で66に位置し、18件中9位だが、Layaはそのボードに載っていない。

512トークンのウィンドウが朝食前に排除してしまうもの

制約から始めよう。なぜなら、それはどんな精度の数値よりも速く、製品カテゴリー全体を排除するからだ。

• 共有入力 — Gemini Decision 1は、入力とすべての質問を合わせて最大262,144トークンまで読み取ります。Layaの英語チェックポイントは512トークンまでしか読まず、それで終わりです。多言語チェックポイントはデフォルトで1,024トークン、max_len=8192で8,192トークンまで引き上げ可能です。その設定では、Convai自身のカードが、最大約4,000トークンのコンテキストで20件中16〜18件の長文書リクエストを正しく処理すると報告しており、「それを超えると結果は変動します」とされています。

• モダリティ — Gemini Decision 1はテキスト、画像、動画、音声、PDFを同一リクエストで受け付けます。Layaはテキストを受け付けます。スキャンした申請書、通話録音、製品写真は、上流の何かがそれを単語に変換するまで入力ではなく、その変換は別のモデルであり、別のコストと独自のエラーを伴います。

• 1回の呼び出しあたりの質問数 — Gemini Decision 1では最大1,000件まで、それぞれが互いに独立した状態で、1回のパスで処理されます。Layaは送信された質問に対して1つの状態で回答し、Laya自身のドキュメントでは、モデルの選択肢ごとのトークン予算が逼迫する前の実用的な上限を、選択式の質問あたり約50個の選択肢としています。

• 価格 — Gemini Decision 1の入力トークン100万あたり0.10ドル、Artificial Analysisによる100万タスクあたり345ドルで測定され、コンテキストキャッシュとBatch APIはありません。Layaはダウンロードです。英語チェックポイントで約808 MB、呼び出しごとの課金はなく、T4では1意思決定あたり約32.8ミリ秒で実行されます。

• ライセンスと配布 — Apache-2.0の重み、ホスト型依存なし、pip install layaのエントリーポイント。Gemini Decision 1はv1betaのGemini Developer APIでのみ利用可能で、無料枠は毎分200リクエスト、対応・非対応機能のリストが文書化されています。

スコアボードにはこの2つのうちどちらかが表示されており、それは引き分けではない

Gemini Decision 1の66は6つの重み付き評価の合成であり、その45%は非公開データに基づいて構築され、正解率から回答に付随するブライアー罰則を差し引いた値として採点されている。その強みと弱みは、ローンチ日モデルとしては異例に明快だ。AA-Omniscience-Decisionでは66.3で18モデル中1位、HLE-MultiChoiceでは48.7で1位だが、AA-Paperclipでは56.8で9位、文書のオール・オア・ナッシング合格率は33%、When2Callでは80.5で14位となっている。総合9位で、知識と棄権が試される領域では1位、抽出とツール選択では中位だ。

Layaには比較可能な数値がなく、その理由はプロジェクト自身のカードで説明されている。ベースチェックポイントはtyped-decisionsベンチマークでゼロショット0.362を記録しており、これは多数派クラスのベースライン0.461を下回り、ほぼランダムに近い。見出しの0.766は、そのベンチマーク自身の訓練分割でのファインチューニングを必要とする。あらゆる評価に持ち込むべきなのはConvaiの要約文だ。Layaは特化させるための高速なベースであり、ゼロショットの意思決定エンジンではない。

それはフロンティアラボのモデルに対して採点で不利になる弱点ではなく、別の製品説明です。Gemini Decision 1 は、すでに意思決定が得意なものとして販売されています。Laya は、トレーニング後にあなたの意思決定が得意になるものとして販売されており、その時点で公表されている数値 — 型付き意思決定では兄弟モデルの 0.727 に対して 0.766、AG News では 0.910 に対して 0.950 — は、それが適合されたタスクにおいて競争力があります。

実際に人々が構築する2つのパイプライン

能力がほとんど重ならないため、誠実な問いの立て方は「どちらか」ではなく「この2つの仕事のうち、どちらを抱えているか」です。

Gemini Decision 1 が適する仕事です。長い入力が届きます。60ページの契約書、1時間分の通話音声、スキャンされた請求書のフォルダなどで、それに対して多くの判断を下す必要があります。1枚のチケットに対して40件のポリシールールを1回の課金対象読み取りで適用する。100件の候補回答全体にルーブリックを採点する。誰もチャンク化したくない文書にまたがる証拠に依存するルーティング判断。Google 自身のドキュメントはまさにこれらを挙げています。リクエストルーティング、多数のルールに一度にまたがるポリシーチェック、ルーブリックに照らした候補の採点、ツール選択、ライブメディアに対する低遅延分類です。1,000問という上限とマルチモーダル入力こそが、この製品が存在する理由そのものであり、Laya がどんな価格でも実現できない2つのことです。

Layaが適する仕事です。短い状態と1つの判断を、呼び出しあたりのコストが制約となり、ラベル集合を自分で決められる規模で扱います。チケットを独自の分類体系にトリアージすること、意図分類、高価なモデルを実行する前のはい/いいえゲート。T4上の421Mエンコーダで32.8ミリ秒なら、呼び出しあたりほぼ無料であり、回答空間は語彙ヘッドに焼き込まれるのではなくリクエストごとに組み立てられるため、今日の午後に考案したスキーマも受け入れられるのに再トレーニングは不要です — ただし、正確にするにはトレーニングデータが必要です。

この組み合わせは奇抜なものではない。高速な第一段階として、訓練対象であるトラフィックの80%を処理するLayaを置き、長い入力や非テキスト入力からの根拠を必要とする項目には、大規模なホステッドスコアラーを使う。このパターンは、すべてをGoogleに送るより低コストで、契約上421Mのエンコーダーを動かすより穏当に失敗する。

コスト比較が実際にどこに落ち着くのか

低ボリュームでは、Layaの経済性は比類がない一方で、重要ではない。T4は使っても使わなくても月に数百ドルかかる。100万件のGemini Decision 1タスクで345ドルというのは、誰かが承認しなければならない費目だ。月に数十万件未満の判断では、ホスト型エンドポイントはエンジニアリング工数だけを比べても通常は優位に立つ — トレーニング実行もラベルセットもサービングスタックも不要だからだ。

大量処理では計算が逆転するが、分岐点よりも重要な注意点が一つある。Laya の限界コストがほぼゼロになるのは、モデルがすでにあなたのタスクで性能を発揮している場合だけだ。そうでなければ、実際の請求額を決めるのはラベル付けだ。Convai のカードには、公開されている数値を生み出しているのはファインチューニングだと明記されている。したがって、正直な比較は、100万件のホストされたタスクあたり345ドル対 GPU に加えて、信頼できるキャリブレーションに到達するのに十分な例へラベルを付けるコストだ。どちらもトークンあたりの料金ではなく、そうでないふりをした比較は、レンタル料金と建設プロジェクトを比べているようなものだ。

次に遅延特性があります。ここで両製品はもはや代替品ではなくなります。Gemini Decision 1 はインデックス上でタスクあたり211ミリ秒を計測しており、顧客メッセージの背後にあるルーティングホップには問題ありませんが、フレーム単位のループにはぎりぎりです。T4上のLayaの32.8ミリ秒は、フレームごとおよびキーストロークごとの判断を可能にする数値であり、Googleのインフラをどれだけ投入しても埋まらない唯一の利点です。なぜならそれは、フロンティア規模のマルチモーダルモデルではなく4億2100万パラメータであることに由来するからです。

どちらでもない部分をルーティングする

OrcaRouterはどちらのモデルも取り扱っていません。Layaは自分で実行するApache-2.0の重みであり、Gemini Decision 1はGoogle自身のAPI上の確率のみを返すエンドポイントです — 意思決定モデルはチャット補完の対象ではなく、提供できないものは掲載しません。カタログにある意思決定モデルはTypeSafeのtypesafe/jev-1.14で、同じ指標で66.23です。単一キーでのスコアリング呼び出しが重要であれば。

ルーターの背後に置くべき呼び出しとは、これらのモデルがどちらも依存しながら、どちらも実行しないもの、すなわち変換ステップです。Layaの512トークンウィンドウでは、Layaが判断を下す前に、上流モデルがドキュメント、録音、スクリーンショットを短い状態に変換する必要があり、Gemini Decision 1のタスクあたりのコストは、どれだけのコンテキストを渡すかによって大部分が決まります。その上流モデルを選び、入れ替えることはこのパイプラインで繰り返し発生する判断であり、まさに私たちがそのために作られているものです。1つのOpenAI互換キーの背後に200を超えるモデル、プロバイダーの定価を0.0%のマークアップでそのまま反映しているためベンダーの値下げはその日のうちに反映され、そしてプロバイダーが劣化したときの自動フェイルオーバーも備わっています。ルーターに対して一度書けば、自社で保有するエンコーダーも、借りているスコアラーも、どちらも交換可能なままです。

今週やること

入力が1ページを超える場合、テキスト以外のものを含む場合、またはそれについて回答すべき質問が少数を超える場合は、{{1}}Laya は候補ではなく、決定は価格と合格率の点で Gemini Decision 1 とそのホスト型の同類製品の間で行われます{{/1}}。{{2}}Google のドキュメントは、モデルがサポートする内容を1段落で示しています。設計する前にそれを読んでください。というのも、サポートされていない項目のリスト — キャッシュなし、バッチなし、Flex や Priority なし、質問の指示内のメディアなし — は、サポートされている項目のリストより長いからです。{{/2}}

入力が1文か短いJSONブロブで、ラベル集合が自前のものなら、ホスト型モデルはそれをやるには高くつく方法だ。Layaをダウンロードし、500件の例にラベルを付け、ファインチューニングし、信頼度を信じる前にキャリブレーションを確認すること——それが作者たちが想定したワークフローであり、彼ら自身のモデルカードはベースチェックポイントとファインチューニング済みのものとの間のギャップについて異例なほど明確に述べている。

すべきでないのは、66をLayaのカードにある数値と比較することです。それらは異なる指標で生成されたもので、一方は多数派ベースラインを下回るゼロショットスコア、もう一方は6つの非公開データ評価の加重合成です。比較する価値があるのは、自分自身のラベル付き項目上での比較だけであり、しかもこの2つのモデルのうち、その方法で実行できるのは一方だけです。