Google ha lanzado la Gemini Decisions API, basada en un nuevo modelo, Gemini Decision 1 (gemini-decision-1). A diferencia de los modelos de lenguaje clásicos, esta interfaz de programación (API) no genera texto: asigna probabilidades calibradas a hasta 1 000 preguntas cerradas, a partir de una misma entrada. El precio anunciado es de 0,10 $ por millón de tokens de entrada, sin facturación de los tokens de salida.
Según la entrada del blog de Google, la API está dirigida a las pequeñas decisiones intermedias que jalonan el funcionamiento de los agentes, esos programas que encadenan acciones de forma autónoma: enrutamiento, verificación de reglas, elección de herramientas o puntuación. Una consulta incluye un identificador de modelo, una entrada compartida y una lista de preguntas. Se prevén tres tipos: la pregunta sí/no, la elección entre 2 y 255 opciones, y la puntuación en una escala de 2 a 255 niveles. Cada respuesta va acompañada de un valor de confianza entre 0 y 1, y Google sugiere confiar los casos poco seguros a una solución de respaldo o a un revisor humano.
Una facturación diseñada para preguntas múltiples
El modelo lee en una sola pasada el texto, las imágenes, el vídeo, el audio y los PDF. Google indica una duración de cálculo mediana de 50 a 100 ms, y de 150 a 250 ms de extremo a extremo, para entradas de hasta 16K tokens, siendo un token una unidad de texto procesada por el modelo. Esta duración se mantiene casi estable entre 1 y 100 preguntas. La entrada compartida se factura solo una vez por consulta, independientemente del número de preguntas. La ventana de contexto alcanza los 262 144 tokens, es decir, 256K.
El modelo solo es accesible a través de la API Gemini Developer (v1beta), alojada por Google: no se ofrecen pesos abiertos ni autoalojamiento. Requiere el SDK google-genai 3.2 o una versión posterior, y un nivel gratuito permite prototipar en Google AI Studio.
Resultados anunciados por Google
Google compara Gemini Decision 1 con TypeSafe Jev 1.14, con GPT-6 Luna en OpenAI Decisions y con Gemini 3.5 Flash-Lite. Estas cifras son comunicadas por Google, y las denegaciones así como los bloqueos de seguridad se cuentan como errores. Según la tabla de la empresa, el modelo supera a sus competidores en 7 de los 9 benchmarks de precisión, con el error de calibración más bajo. Obtiene un 92,2 % en JevBench (conjunto público), frente al 90,0 % de Jev 1.14. Su error de calibración de 0,0250 es, según Google, aproximadamente dos veces inferior al de Jev 1.14, que alcanza 0,0494.
El modelo está por detrás en When2Call, con un 79,9 % frente al 82,0 % de Jev 1.14, y su puntuación más baja es del 58,7 % de Macro-F1 en Amazon ESCI. En la suite común de siete evaluaciones, Google anuncia un coste total de 0,88 $, frente a 0,68 $ para Jev 1.14 y 4,14 $ para Gemini 3.5 Flash-Lite. El precio de entrada de Jev 1.14 es de 0,042 $ por millón de tokens. Por último, la caché de contexto y la API Batch aún no están soportadas, por lo que un contexto repetido se factura íntegramente en cada consulta. Google indica además que ya utiliza la herramienta internamente, en particular en Gemini Notebook, que la usa para dirigir las consultas hacia diferentes niveles de modelos, con una latencia hasta un 40 % menor para las consultas habituales.
