Gemini Decisions API: decisiones multimodales rápidas y calibradas

Hoy presentamos la Gemini Decisions API, un nuevo endpoint para decisiones rápidas de conjunto cerrado impulsado por nuestro nuevo modelo Gemini Decision 1 (gemini-decision-1), disponible a través de la Gemini API en Google AI Studio.

La Decisions API te ofrece primitivas diseñadas específicamente para elecciones acotadas como la selección de herramientas, comprobaciones de políticas, enrutamiento de modelos y calificación de contexto. Puedes pasar una entrada multimodal que abarque texto, imágenes, audio, video y PDFs (hasta 256K tokens) junto con hasta 1,000 preguntas independientes. En lugar de generar texto de respuesta token por token, Gemini Decision 1 puntúa tus opciones candidatas en una sola pasada hacia adelante, devolviendo probabilidades y puntuaciones de confianza con una latencia integral de 150-250 ms a $0.10 por cada 1M de tokens de entrada y sin facturación de tokens de salida.

Rendimiento y calibración sólidos

En benchmarks que abarcan enrutamiento de agentes, razonamiento, clasificación y comprensión multimodal, Gemini Decision 1 lidera en toda la suite, con el menor error de calibración.

Gemini Decision 1 puntúa opciones sin decodificación token por token, manteniendo una latencia mediana de 50-100 ms de cómputo del modelo (150-250 ms integrales), en entradas multimodales y contextos de hasta 16K tokens, y se mantiene casi plana de 1 a 100 preguntas por solicitud. Con cero tokens de salida facturados, Gemini Decision 1 con la Decisions API es casi 5 veces más barato en toda la suite de benchmarks compartida que Gemini 3.5 Flash-Lite con la Interactions API.

Evaluación multimodal nativa de tres tipos de decisiones en una sola pasada

Basado en la arquitectura multimodal nativa de Gemini, Gemini Decision 1 puede procesar texto, imágenes, audio, video y PDFs directamente en una sola pasada hacia adelante. Puedes combinar modalidades en una entrada compartida, como emparejar una grabación de llamada con metadatos de cuenta o un reclamo en PDF escaneado con fotos de daños, y ajustar la resolución en entradas de imagen y video para controlar el detalle visual y el costo de tokens.

Puedes evaluar varias preguntas contra esa entrada compartida en una sola solicitud, mezclando comprobaciones de sí/no, opciones múltiples y puntuaciones de rúbrica. Cada respuesta incluye una puntuación de confianza (de 0 a 1) para que tu código pueda enrutar los casos ambiguos a un sistema de respaldo o a un revisor humano:

• noul (Yes/No): Estima la probabilidad de que se cumpla una condición de sí/no, con criterios descriptivos opcionales para verdadero y falso.
• choice (Multiple Choice): Selecciona entre 2 y 255 opciones, devolviendo la ganadora y las probabilidades normalizadas de cada candidato.
• score (Ordered Rubric): Califica las entradas según una rúbrica ordenada (que comienza en 0), devolviendo una puntuación ponderada continua y probabilidades por nivel.

El campo input utiliza el mismo formato de bloque Content que la Interactions API. Aquí te mostramos cómo verificar una foto de un mostrador de sala de descanso, junto con una nota de texto, contra los tres tipos de preguntas en una sola solicitud:

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.",
            ],
        },
    },
)

Cómo los equipos están creando con la Decisions API

Los equipos de toda Google ya están usando la Decisions API como un plano de control de baja latencia, lanzando funciones simplemente definiendo opciones en lugar de entrenar clasificadores personalizados o esperar llamadas generativas:

• Enrutamiento dinámico de modelos en Gemini Notebook: Gemini Notebook usa la Decisions API como un enrutador en tiempo real para dirigir instantáneamente las consultas entrantes al nivel de modelo y de pensamiento óptimos para cada solicitud. La Decisions API clasifica la intención en milisegundos para atender consultas cotidianas con una latencia hasta 40% menor, reservando los modelos de razonamiento profundo para tareas complejas.
• Iteración rápida de diseño en Stitch: El nuevo experimento de lienzo rápido en Stitch usa la Decisions API para generar wireframes jugables de un flujo de producto en segundos y para aplicar ediciones realizadas por voz o toque casi al instante. Cuando el flujo se siente correcto, un solo clic entrega las pantallas a la experiencia completa de Stitch para un pulido de diseño más profundo.
• Selección de emojis en CC: CC de Google Labs usa la Decisions API para elegir la reacción de emoji correcta de una paleta de más de 200 opciones en una fracción de segundo, por lo que las reacciones aparecen al instante sin añadir latencia.
• Capa de seguridad para herramientas MCP en Search: Google Search usa la Decision API para detectar comportamiento y contenido adversariales contra evaluaciones adversariales con alta eficacia dentro del margen de latencia.

Stitch Rapid usa la Decisions API para diseñar un flujo de producto completo en segundos (velocidad 1x).

Empieza a construir hoy

Gemini Decision 1 tiene un precio de $0.10 por 1M de tokens de entrada y $0 por los tokens de salida, con un nivel sin costo de API que puedes usar en Google AI Studio para crear prototipos. Tu input se factura una vez por solicitud sin importar cuántas preguntas evalúes (cada pregunta añade solo sus propios tokens de instrucciones y criterios). No hay cargos por tokens de salida, facturas variables por tokens de razonamiento, ni costos separados de transcripción de audio y OCR.

Puedes empezar a construir hoy mismo obteniendo una clave de API en Google AI Studio, probando nuestras aplicaciones de demostración Doorstep Parcels, Speed Sketchy Find the Zoo Keeper , y siguiendo las guías de Python, JavaScript y REST en la documentación de la API de Decisions.

Las integraciones del ecosistema se están implementando en OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKity OpenCode junto con los google-genai SDKs, con compatibilidad disponible próximamente en Gemini en Google Cloud.