Drex for Finance vs Gemini 결정 1: 확률을 구매하는 두 가지 방법

스펙 시트를 나란히 놓고 보면 Drex for Finance와 G​emini Decision 1은 두 회사가 만든 같은 제품처럼 보인다. 둘 다 입력 블록과 유형이 지정된 질문 세트를 받고, 생성된 텍스트 없이 질문별로 점수가 매겨진 답변을 반환하며, 둘 다 262,144토큰 요청을 처리하고, 둘 다 입력 토큰 100만 개당 달러가 아니라 센트 단위의 비용이 든다. 닮은꼴은 정작 이들을 실제로 구매하게 되는 지점에서 끝난다. 2026년 11월 11일 G​oogle의 Developer API로 출시된 G​emini Decision 1은 거절해야 할 때를 아는 것이 차별화된 능력인 범용 의사결정 모델이다; 2026년 11월 2일부터 입력 토큰 100만 개당 $0.03에 일반 제공되는 Drex for Finance는 금융 문서를 읽고 한 번에 열다섯 개의 답을 맞히는 것이 차별화된 능력인 도메인 파인튜닝 모델이다. 9일 간격, 같은 요청 형태, 상반된 베팅 — 그리고 공개된 실행 중 이 둘을 같은 척도에 올린 사례는 없었다.

아무도 해보지 않은 비교

이것이 가장 먼저 이해해야 할 점입니다. 왜냐하면 이것이 이 글의 나머지 내용 중 얼마나 많은 부분을 실행에 옮길 수 있는지를 결정하기 때문입니다.

Gemini Decision 1의 수치는 Artificial Analysis의 Decision Index v2.1에서 나옵니다. 여기서는 18개 모델이 순위에 오르며, 이는 6개 평가의 가중 합성 점수이고, 각 평가는 정확도에서 모델이 자신의 답변에 부여한 확률에 대한 Brier 페널티를 뺀 값으로 채점됩니다. 이 모델은 66.0점으로 18개 중 9위이며, 리더보드 중앙값 64점을 약간 웃돕니다.

Drex for Finance의 수치는 48개의 홀드아웃 금융 테스트 세트로 구축된 Drex Finance Index에서 Nace로부터 나옵니다. 77.3점을 기록합니다. Drex for Finance는 Artificial Analysis 보드에는 전혀 없습니다.

그래서 두 핵심 수치는 66과 77.3인데, 이 둘은 서로 다른 평가 도구에서 나온 것이고 서로 다른 과제 모집단을 측정하며, 둘을 빼면 아무런 의미 없는 수치가 나옵니다. 이렇게 하는 사람은 — 이미 온라인에 있는 이 비교의 버전들도 그렇게 하고 있습니다 — 범용 보드 점수를 벤더 자체의 도메인 점수와 비교해 놓고 그 차이를 우승이라고 부르는 것입니다. 정직하게 말하면, 유일하게 겹치는 증거는 한 단계 떨어져 있습니다: Drex for Finance가 파인튜닝된 부모 체크포인트인 Drex Max v1.1은 실제로 Artificial Analysis 보드에 올라가 있으며, 73.4로 단연 선두입니다 — 18개 중 1위이고, G​emini Decision 1의 66.0보다 7.4점 앞섭니다. 이는 기본 모델에 대해서는 강한 신호지만 파인튜닝에 대해서는 전혀 신호가 아닙니다. 도메인 학습은 문서 테스트에서는 큰 이득을 얻고 지식 테스트에서는 조금 잃을 수 있기 때문이며, 이 체크포인트에 대해 그 두 효과를 분리한 공개 자료는 없습니다. 또한 이것이 66과 77.3을 어느 방향으로든 격차로 읽어서는 안 되는 이유이기도 합니다.

각각이 실제로 무엇을 하도록 만들어졌는지

아키텍처는 어떤 점수보다도 그 격차를 더 잘 설명한다.

• 형태 — Drex for Finance는 비전 인코더를 갖춘 의사결정 모델인 Drex Max의 파인튜닝입니다. Gemini Decision 1은 Google DeepMind의 계열 최초 의사결정 모델로, generate-content 경로와 분리된 자체 POST /v1beta/decisions 엔드포인트에서 제공됩니다.

• 교육 중점 — Nace의 아홉 가지 명명된 금융 영역: 은행 및 결제, 회계 및 감사, 신용 및 대출, 보험, 컴플라이언스 및 리스크, 공시 및 보고서, 시장 및 투자, ESG, 자금 관리 및 운영. Google은 모델과 API 외에는 어떤 교육 설명도 공개하지 않습니다.

• 요청 규모 — 둘 다 한 번에 약 1,000개의 질문을 허용하지만, 그 형태는 다릅니다. G​emini Decision 1은 요청당 질문을 1,000개로 제한하며 공유 입력에 대해 한 번만 과금합니다. Drex for Finance는 문서상 질문 수가 무제한인 상태로 전체 요청에 걸쳐 262,144토큰을 제공하므로, 하나의 긴 문서보다 많은 짧은 질문에 유리합니다.

• 기권 — G​emini Decision 1의 예/아니오 유형은 확률을 0.01–0.99로 제한해 반환하므로, 0.99보다 높게 설정된 임계값은 결코 발동할 수 없다. AA-Omniscience와 HLE-MultiChoice에서의 리더보드 선두는 실질적으로 추측하기보다는 답변을 거부하는 데서 나온 선두이다. Drex for Finance는 문서화된 범위 제한 없이 P(true)를 [0,1]로 반환하며, 공개된 비환각률은 전혀 없다.

• 옵션 처리 — G​emini Decision 1은 채점 전에 옵션 키를 UTF-8 바이트 순서에 따라 사전순으로 정렬하므로, 동점일 때는 사전순으로 첫 번째 키 쪽으로 결정됩니다. 또한 G​oogle의 자체 지침은 포괄 옵션의 이름을 none_of_the_above가 아니라 other로 지정하라고 합니다. Nace는 그러한 정규화를 문서화하지 않는데, 이는 그런 일이 일어나지 않는다는 말과 같지 않으며, 어느 쪽으로도 그것에 의존할 수 없다는 말과 같습니다.

• 가격 — Drex for Finance는 입력 토큰 100만 개당 $0.03이며, 출력은 과금되지 않습니다. Gemini Decision 1은 입력 토큰 100만 개당 $0.10이며, 출력은 해당 없음입니다. Artificial Analysis의 작업률 측정 기준으로 Gemini Decision 1은 100만 건의 결정당 $345에 해당합니다. Nace 모델의 비교 가능한 수치는 해당 기준으로는 공개되지 않았습니다.

• 액세스 — 공급업체의 API, SDK, CLI 및 원격 MCP 서버를 통해 Drex for Finance에 액세스할 수 있으며, 하루 100건, 각 최대 32KB의 결정을 제공하는 무료 티어가 있습니다. G​emini Decision 1은 G​emini Developer API의 v1beta에서만 제공되며 — Vertex AI 목록, Batch API, 컨텍스트 캐싱은 없습니다.

일반 모델이 우세한 경우는 결코 적지 않다.

그 행들 중 세 개는 작업량에 따라 결정적입니다.

캘리브레이션. Decision Index는 확신에 찬 오답을 불확실한 답보다 더 강하게 벌하며, 그런 설계 때문에 G​emini Decision 1이 지금의 위치에 있습니다. 파이프라인이 확률을 기준으로 라우팅한다면 — 0.95 초과는 승인, 0.6 미만은 에스컬레이션 — 그 숫자의 가치는 0.95가 95%를 의미하는지 여부에 전적으로 달려 있습니다. G​oogle의 제한된 출력과 두 지식 구성 요소에서의 1위가 그 증거입니다; Nace는 정확도와 범주별 분석을 공개하지만 캘리브레이션 곡선은 공개하지 않으므로, Drex 확률은 그것을 기준으로 게이트를 적용하기 전에 직접 검증해야 하는 점수입니다.

한 번의 처리, 수많은 규칙. 하나의 공유 입력에 대해 요청마다 수천 개의 질문을 던지는 것은 매우 긴 단일 컨텍스트와는 확실히 다른 역량입니다. 한 번의 호출로 40개의 정책 규칙에 대해 지원 티켓을 검사하고 입력 비용은 한 번만 청구되는 작업은, 비용이 반복되는 텍스트가 아니라 질문 수에 따라 늘어나기 때문에 262K 컨텍스트 창보다 G​emini Decision 1의 형태가 더 나은 유형의 작업입니다.

모달리티 범위. Drex for Finance는 텍스트와 PNG, JPEG, WebP 이미지를 읽으며 요청당 최대 8개까지 처리합니다. Gemini Decision 1은 텍스트, 이미지, 동영상, 오디오, PDF를 한 요청으로 처리하며, 인라인 base64 기준 최대 100MB(단, PDF는 50MB)까지 지원합니다. 의사결정이 통화 녹음이나 동영상 프레임에 달려 있다면, 이 둘 중 한쪽만 이를 볼 수 있습니다.

전문가가 승리하는 상황

반대 사례는 더 좁지만 실재하며, 여러 답이 동시에 모두 맞아야 하는 문서에서 무슨 일이 일어나는지가 핵심이다.

AA-Paperclip에서 — G​emini Decision 1 종합 점수의 30%이자 가장 비중이 큰 단일 구성 요소 — G​emini Decision 1은 문서의 33%를 완전히 통과하는 반면, Drex Max v1.1은 63%를 통과합니다. 이 테스트는 1,500개의 비공개 이력서, 영수증, 청구서, 서류로 구성되며, 각 문서에는 다섯 개의 결정과 열 개의 사실이 포함되어 있고 문서별로 전부 아니면 전무 방식으로 채점됩니다. Drex for Finance는 바로 그 자료로 미세 조정되었습니다: 청구서 및 영수증 필드, GL 계정 분류, 중복 청구서, 조정 예외, 감사 샘플링, 10-K 및 XBRL 태깅. Nace는 Documents & extraction에서 92.3, Financial QA & filings에서 96.7을 보고하며, 둘 다 벤더가 운영한 것입니다.

당신의 결정이 “이 청구서를 읽고 이미 지불된 청구서와 중복되는지 알려 달라”는 것이라면, 일반 보드의 종합 점수는 거의 무관하며 도메인 파인튜닝이 거의 답의 전부입니다. 이것이 전문 모델에 전문가 요율을 지불하는 이유이며, 77.3과 66을 비교해서는 안 되는 이유이기도 합니다: 이들은 각각이 잘하도록 선택된 두 과업 모집단에서 두 모델이 받은 점수입니다.

Nace 측의 솔직한 약점 두 가지는, 이 표가 벤더가 제공한 것이기 때문입니다. Credit & risk는 48.3으로 재무 표에서 가장 낮은 절대 수치이고, Markets & reasoning은 41.5로 모델이 1위가 아닌 유일한 카테고리입니다. 이 부문에서는 pplx-decider v1.2가 43.1을 기록합니다. 둘 다 Nace 자체 런치 게시물에 공개되어 있는데, 이는 대부분의 벤더가 하는 것보다 많은 것이며, 두 가지 모두 재무 체크포인트를 어디까지 신뢰해야 하는지의 한계를 정합니다.

의사 결정 파이프라인이 실제로 실행되는 규모에서의 비용

4,000토큰 케이스를 한 번 채점하는 비용은 Drex for Finance에서 약 $0.00012, G​emini Decision 1에서 약 $0.0004입니다. 어느 쪽도 결정적인 숫자는 아닙니다. 월 100만 건의 결정에서 차이는 약 $280이며, 이는 마이그레이션에 드는 엔지니어 1주일보다 적습니다.

결정적인 것은 주변 아키텍처입니다. G​emini Decision 1에는 컨텍스트 캐싱과 Batch API가 없으므로, 동일한 40,000토큰 정책 문서가 요청마다 전액 청구되며, 과거 티켓을 반값으로 야간 일괄 처리하는 기능도 없습니다. Drex for Finance도 두 기능이 모두 없고, 청구가 질문당이 아니라 요청당이므로, 한 문서에 대해 40가지 질문을 하는 비용은 해당 문서의 토큰 수를 한 번 치르는 것입니다. 질문은 많고 입력은 짧은 워크로드에서는 이로 인해 토큰당 순위가 완전히 뒤집힙니다: G​emini Decision 1의 0.10달러로 천 개의 질문을 살 수 있는 반면, 하나의 짧은 사례에 대한 같은 천 개의 질문은 백만 토큰당 0.03달러인 Drex 요청 한 건입니다.

솔직히, 둘 중 하나에 어떻게 연락하지?

우리는 gemini-decision-1을 제공하지 않으며 drex-max-finance도 제공하지 않습니다. 확률 전용 엔드포인트는 채팅 완성 대상이 아니므로, 우리 구조의 라우터는 두 모델 중 어느 것도 하나의 키 뒤에 정직하게 둘 방법이 없고, 그렇지 않다고 주장하면 첫 요청에서 실패할 것입니다. 우리가 제공하는 것은 TypeSafe의 typesafe/jev-1.14이며, systemone에서 백만 입력 및 출력 토큰당 $0.042입니다. 이는 Nace의 API와 와이어 호환되는 동일한 요청 형태이고, G​emini Decision 1과 같은 18개 모델 보드에 있는 모델로 66.0 대비 66.2입니다.

그래서 이것은 이 비교에서 각주가 아니라 실질적인 세 번째 선택지가 됩니다. 결정 자체에 이견이 없고 전체 파이프라인에 필요한 것이 하나의 엔드포인트라면 — 결정 호출, 애널리스트 노트를 작성하는 초안 작성 호출, 플래그된 사례를 검토하는 에스컬레이션 호출 — 그런 다음 200개가 넘는 다른 모델과 동일한 키로 실행되며, 토큰당 마크업 없이 제공업체 정가로 전달되는 결정 레그는 종합 점수에서 2점 우위보다 더 가치 있습니다. 결정이 제품의 전부라면 공급업체에서 전문 모델을 구매하고 나머지는 라우팅하십시오.

무엇이 그것을 해결할까요?

한 가지 실험인데, 아무도 해보지 않았다. 알려진 중복 상태를 가진 인보이스, 알려진 태그가 달린 공시 서류 같은 실제 금융 문서 수백 건을 가져다가, 두 모델 모두를 동일한 평가 기준으로 채점해 보라. 그 단 한 번의 실행만으로도 이 글의 모든 수치가 비교 가능한 수치로 대체될 것이고, 도메인 파인튜닝의 우위가 독립적인 평가 체계와 맞닥뜨려도 살아남는지 알 수 있을 것이다.

그것이 존재하기 전까지는, 이들이 경쟁자가 아니라는 것이 올바른 해석이다. G​emini Decision 1은 확률을 신뢰할 수 있어야 하거나, 질문이 많거나, 입력이 텍스트가 아닐 때 더 나은 선택이다. Drex for Finance는 입력이 금융 문서이고, 모든 답이 한 번에 맞아야 하며, 처리 건수 때문에 백만 토큰당 $0.03이 중요한 기준이 될 때 더 나은 선택이다. 두 진술 모두 공개된 수치로 방어할 수 있다. 이들을 하나의 리더보드에 올리는 비교는 그렇지 않으며, 그러한 비교가 존재하기까지는 시간이 걸릴 것이다.