Google presentó la Gemini Decisions API, un endpoint nuevo para decisiones rápidas entre opciones cerradas. Funciona con el modelo Gemini Decision 1 (gemini-decision-1) y está disponible a través de la API de Gemini en Google AI Studio, según el anuncio publicado en el blog de Google el 11 de noviembre.

La API entrega herramientas pensadas para elecciones acotadas, como elegir una herramienta, revisar el cumplimiento de una política, enrutar consultas entre modelos o calificar un contexto. Recibe una entrada multimodal de texto, imágenes, audio, video y PDF, de hasta 256.000 tokens, junto con hasta 1.000 preguntas independientes. En lugar de generar la respuesta token por token, Gemini Decision 1 puntúa las opciones candidatas en una sola pasada hacia adelante. Devuelve probabilidades y puntajes de confianza con una latencia de 150 a 250 ms de punta a punta, a 0,10 dólares por millón de tokens de entrada y sin cobrar tokens de salida.

Esquema de la Decisions API frente a otras API

¿Cómo rinde frente a otros modelos?

En pruebas que cubren enrutamiento de agentes, razonamiento, ranking y comprensión multimodal, Gemini Decision 1 queda primero en el conjunto y con el menor error de calibración, según Google.

Comparación de la Decisions API con otras API en distintos benchmarks

Como no decodifica token por token, la mediana de latencia queda entre 50 y 100 ms de cómputo del modelo (150 a 250 ms de punta a punta). Eso vale para entradas multimodales y contextos de hasta 16.000 tokens, y se mantiene casi plano entre 1 y 100 preguntas por solicitud. Al no cobrar tokens de salida, Google calcula que Gemini Decision 1 con la Decisions API es casi 5 veces más barato en el conjunto de pruebas compartido que Gemini 3.5 Flash-Lite con la Interactions API.

Tres tipos de decisión en una sola pasada

Gemini Decision 1 se apoya en la arquitectura multimodal nativa de Gemini, así que procesa texto, imágenes, audio, video y PDF directamente en una sola pasada. Se pueden combinar modalidades en una misma entrada, como una grabación de llamada con los metadatos de la cuenta, o un reclamo escaneado en PDF con fotos del daño. También se puede ajustar la resolución de imágenes y videos para controlar el detalle visual y el costo en tokens.

Sobre esa entrada compartida se evalúan varias preguntas en una sola solicitud, mezclando chequeos de sí o no, opción múltiple y rúbricas. Cada respuesta trae un puntaje de confianza de 0 a 1, para que el código derive los casos ambiguos a una alternativa o a un revisor humano. Los tres tipos son estos:

  • noul (sí o no). Estima la probabilidad de que se cumpla una condición, con criterios opcionales que describen el caso verdadero y el falso.
  • choice (opción múltiple). Elige entre 2 y 255 opciones y devuelve la ganadora con las probabilidades normalizadas de cada candidata.
  • score (rúbrica ordenada). Califica la entrada en una rúbrica ordenada que parte en 0, y devuelve un puntaje continuo ponderado y la probabilidad de cada nivel.

El campo input usa el mismo formato de bloques Content que la Interactions API. El ejemplo de Google revisa la foto del mesón de una sala de descanso, junto con una nota de texto, con los tres tipos de pregunta en una misma solicitud:

Código
from google import genai

client = genai.Client(http_options={"api_version": "v1beta"})

result = client.decisions.create(
    model="gemini-decision-1",
    input=[{
            "type": "image",
            "uri": "https://storage.googleapis.com/generativeai-downloads/images/spill.jpg",
            "mime_type": "image/jpeg",
        },
        {
            "type": "text",
            "text": "Breakroom counter check before the 9 AM client meeting.",
        },
    ],
    questions={
        "has_spill": {
            "type": "noul",
            "instructions": "Is there an uncleaned liquid spill on the counter?",
        },
        "next_action": {
            "type": "choice",
            "instructions": "Which cleanup action fits the scene?",
            "criteria": {
                "wipe_with_cloth": "Small counter spill with a cloth or towel already nearby.",
                "dispatch_janitorial": "Large floor hazard, broken glass, or active leak.",
                "ready_for_meeting": "Counter is clean and ready.",
            },
        },
        "severity": {
            "type": "score",
            "instructions": "Rate the severity of the counter mess.",
            "criteria": [
                "Clean and ready.",
                "Minor localized spill.",
                "Major spill or safety hazard.",
            ],
        },
    },
)
Gemini detecta un derrame y propone limpiarlo con un paño

¿Quién la usa dentro de Google?

Varios equipos de Google ya usan la Decisions API como plano de control de baja latencia. Sacan funciones definiendo opciones, sin entrenar clasificadores propios ni esperar llamadas generativas:

  • Enrutamiento de modelos en Gemini Notebook. La API dirige cada consulta entrante al nivel de modelo y de razonamiento que corresponde. Clasifica la intención en milisegundos, atiende las consultas cotidianas con hasta 40% menos latencia y reserva los modelos de razonamiento profundo para las tareas complejas.
  • Iteración de diseño en Stitch. El nuevo experimento de lienzo rápido de Stitch usa la API para generar en segundos maquetas navegables de un flujo de producto y aplicar casi al instante las ediciones hechas por voz o con un toque. Cuando el flujo convence, un clic pasa las pantallas a la experiencia completa de Stitch.
  • Elección de emoji en CC. CC, de Google Labs, elige la reacción correcta entre más de 200 emoji en una fracción de segundo, sin agregar latencia.
  • Capa de seguridad para herramientas MCP en el buscador. Google Search usa la API para detectar comportamiento y contenido adversarial dentro de su margen de latencia.

¿Cuánto cuesta y dónde se prueba?

Gemini Decision 1 cuesta 0,10 dólares por millón de tokens de entrada y nada por los de salida. Tiene un nivel gratuito en Google AI Studio para prototipos. La entrada compartida se cobra una vez por solicitud, sin importar cuántas preguntas se evalúen, y cada pregunta suma solo los tokens de su instrucción y sus criterios. No hay cargos por tokens de salida ni por tokens de razonamiento variables, ni costos aparte de transcripción de audio u OCR.

Para empezar hay que obtener una clave en Google AI Studio. Google publicó tres aplicaciones de demostración, Doorstep Parcels, Speed Sketch y Find the Zoo Keeper, y guías para Python, JavaScript y REST en la documentación de la Decisions API.

Las integraciones con OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit y OpenCode se están desplegando junto a los SDK google-genai. El soporte para Gemini en Google Cloud llegará pronto, según la empresa.