Gemini Decisions API : des décisions multimodales rapides et calibrées

Aujourd'hui, nous présentons l'API Gemini Decisions, un nouveau point de terminaison pour des décisions rapides à ensemble fermé, propulsé par notre nouveau modèle Gemini Decision 1 (gemini-decision-1), disponible via l' API Gemini dans Google AI Studio.

L'API Decisions vous fournit des primitives conçues spécifiquement pour des choix bornés tels que la sélection d'outils, les vérifications de politiques, le routage de modèles et la notation de contexte. Vous pouvez transmettre une entrée multimodale couvrant le texte, les images, l'audio, la vidéo et les PDF (jusqu'à 256K tokens), ainsi que jusqu'à 1,000 questions indépendantes. Plutôt que de générer le texte de réponse token par token, Gemini Decision 1 note vos options candidates en une seule passe avant, renvoyant des probabilités et des scores de confiance avec une latence de bout en bout de 150-250 ms, au tarif de $0.10 par 1M de tokens d'entrée, sans aucun token de sortie facturé.

Performances fortes et calibration

Sur des benchmarks couvrant le routage d'agents, le raisonnement, le classement et la compréhension multimodale, Gemini Decision 1 domine l'ensemble de la suite, avec l'erreur de calibration la plus faible.

Gemini Decision 1 note les options sans décodage token par token, maintenant une latence médiane de 50-100 ms de calcul du modèle (150-250 ms de bout en bout), sur des entrées multimodales et des contextes jusqu'à 16K tokens, restant quasi constante de 1 à 100 questions par requête. Avec zéro token de sortie facturé, Gemini Decision 1 avec l'API Decisions est près de 5x moins cher sur l'ensemble de la suite de benchmarks partagée que Gemini 3.5 Flash-Lite avec l'API Interactions.

Évaluation multimodale native de trois types de décisions en une seule passe

Construit sur l'architecture multimodale native de Gemini, Gemini Decision 1 peut traiter directement le texte, les images, l'audio, la vidéo et les PDF en une seule passe avant. Vous pouvez combiner des modalités dans une seule entrée partagée, par exemple en associant un enregistrement d'appel à des métadonnées de compte ou une réclamation PDF scannée à des photos de dommages, et ajuster la résolution des entrées image et vidéo pour contrôler le détail visuel et le coût en tokens.

Vous pouvez évaluer plusieurs questions sur cette entrée partagée en une seule requête, en mélangeant des vérifications oui/non, des choix multiples et des scores de rubrique. Chaque réponse inclut un score de confiance (de 0 à 1) afin que votre code puisse diriger les cas ambigus vers un mécanisme de secours ou un réviseur humain :

• noul (Oui/Non) : Estime la probabilité qu'une condition oui/non soit vraie, avec des critères de description optionnels pour vrai et faux.
• choice (Choix Multiple) : Sélectionne parmi 2 à 255 choix, en renvoyant le gagnant et les probabilités normalisées pour chaque candidate.
• score (Rubrique Ordinale) : Note les entrées selon une rubrique ordinale (commençant à 0), en renvoyant un score pondéré continu et des probabilités par niveau.

Le input champ utilise le même format de Content bloc que l' API Interactions. Voici comment vérifier une photo d'un comptoir de salle de pause, accompagnée d'une note textuelle, par rapport aux trois types de questions en une seule requête :

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.",
            ],
        },
    },
)

Comment les équipes développent avec l'API Decisions

Les équipes de Google utilisent déjà l'API Decisions comme plan de contrôle à faible latence, en publiant des fonctionnalités simplement en définissant des options plutôt qu'en entraînant des classificateurs personnalisés ou en attendant des appels génératifs :

• Routage dynamique de modèles dans Gemini Notebook : Gemini Notebook utilise l'API Decisions comme routeur en temps réel pour diriger instantanément les requêtes entrantes vers le niveau de modèle et le niveau de raisonnement optimaux pour chaque demande. L'API Decisions classifie l'intention en quelques millisecondes pour servir les requêtes quotidiennes avec une latence jusqu'à 40% inférieure, tout en réservant les modèles de raisonnement approfondi aux tâches complexes.
• Itération rapide de conception dans Stitch : La nouvelle expérience rapid canvas dans Stitch utilise l'API Decisions pour générer des wireframes jouables d'un parcours produit en quelques secondes et pour appliquer des modifications effectuées à la voix ou par tapotement presque instantanément. Lorsque le parcours semble bon, un seul clic transmet les écrans à l'expérience Stitch complète pour un perfectionnement du design plus approfondi.
• Sélection d'emoji dans CC : CC de Google Labs utilise l'API Decisions pour choisir la bonne réaction emoji parmi une palette de plus de 200 options en une fraction de seconde, de sorte que les réactions apparaissent instantanément sans ajouter de latence.
• Couche de sécurité pour les outils MCP dans la Recherche: Google Search utilise l'API Decision pour détecter les comportements et contenus adverses lors d'évaluations adverses avec une grande efficacité dans l'enveloppe de latence.

Stitch Rapid utilise l'API Decisions pour concevoir un parcours produit entier en quelques secondes (vitesse 1x).

Commencez à construire dès aujourd'hui

Gemini Decision 1 est proposé au prix de $0.10 par 1M de tokens d'entrée et $0 pour les tokens de sortie, avec un niveau d'API sans frais que vous pouvez utiliser dans Google AI Studio pour le prototypage. Votre input partagée est facturée une fois par requête, quel que soit le nombre de questions évaluées (chaque question n'ajoute que ses propres tokens d'instructions et de critères). Il n'y a pas de frais de tokens de sortie, pas de facturation variable de tokens de réflexion, ni de coûts distincts de transcription audio et d'OCR.

Vous pouvez commencer à construire dès aujourd'hui en obtenant une clé API dans Google AI Studio, en essayant nos applications de démonstration Doorstep Parcels, Speed Sketchet Find the Zoo Keeper , et en suivant les guides Python, JavaScript et REST dans la documentation de l'API Decisions.

Les intégrations d'écosystème sont déployées sur OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKitet OpenCode en parallèle des google-genai SDK, avec un support bientôt disponible pour Gemini dans Google Cloud.