Google a lancé l' API Gemini Decisions, propulsée par un nouveau modèle, Gemini Decision 1 (gemini-decision-1). L'API Gemini Decisions ne génère pas de texte. Elle évalue jusqu'à 1,000 questions typées par rapport à une entrée partagée unique et renvoie des probabilités calibrées. Pour les développeurs, elle cible les petits appels de branchement au sein des agents : routage, vérifications de politiques, sélection d'outils et notation. Google la facture 0.10 $ par 1M de tokens d'entrée, sans aucun token de sortie facturé.
TL;DR
- Taille : Le contexte est de 262,144 tokens (256K) partagés entre l'entrée commune et toutes les questions.
- Exécution : API hébergée par Google uniquement (Gemini Developer API, v1beta). Pas de poids ouverts ni d'auto-hébergement.
- Performance : En tête sur 7 des 9 benchmarks de précision du tableau de Google, avec la plus faible erreur de calibration.
- Meilleur : 92,2 % sur JevBench (split public).
- Pire : 58,7 % Macro-F1 sur Amazon ESCI, son score le plus bas. Elle est également dépassée par Jev 1.14 sur When2Call (79,9 % contre 82,0 %).
- En résumé : Meilleur : décisions multimodales calibrées en 150-250 ms. Pire : ce n'est pas la moins chère ; Jev 1.14 coûte 0,68 $ contre 0,88 $ sur la suite partagée.
Qu'est-ce que l'API Gemini Decisions ?
Gemini Decision 1 est un modèle multimodal spécialisé de Google conçu pour les décisions à ensemble fermé. Il lit du texte, des images, de la vidéo, de l'audio et des PDF en une seule passe de prefill. L'utilisation de tokens de sortie est toujours de 0. Votre code branche directement sur les nombres renvoyés.
Chaque requête comporte 3 parties : un ID de modèle, une entrée partagée input, et une carte de questions. La documentation définit 3 types de questions :
noul(oui/non) : renvoie la probabilité de oui, bornée entre 0.01 et 0.99.choice: choisit 1 option parmi 2 à 255 et renvoie des probabilités normalisées pour chaque option.score: note l'entrée sur 2 à 255 niveaux de grille ordonnés et renvoie un score pondéré par les probabilités.
Chaque réponse porte une valeur de confiance de 0 à 1. Google suggère de router les cas à faible confiance vers un système de secours ou un réviseur humain. Les questions sont évaluées en parallèle et ne peuvent pas se voir entre elles.
Comment fonctionne Gemini Decision 1 ?
Les modèles standard décodent une réponse token par token, puis votre code l'analyse. Gemini Decision 1 évalue plutôt vos options candidates en une seule passe avant. Google rapporte une puissance de calcul médiane du modèle de 50-100 ms et de 150-250 ms de bout en bout. Cela vaut pour des entrées allant jusqu'à 16K tokens et reste quasi constant de 1 à 100 questions.
La facturation suit la même conception. L'entrée partagée est facturée une seule fois par requête, quel que soit le nombre de questions posées. Chaque question n'ajoute que ses propres tokens d'instructions et de critères. Il n'y a aucun frais de tokens de réflexion, de transcription ni d'OCR.
Benchmarks de Gemini Decision 1
Google a testé Gemini Decision 1 contre 3 rivaux. Ce sont TypeSafe Jev 1.14, GPT-6 Luna sur OpenAI Decisions et Gemini 3.5 Flash-Lite. Tous les chiffres ci-dessous sont auto-déclarés par Google. Les refus et les blocages de sécurité comptent comme incorrects.
| Benchmark | Gemini Decision 1 | TypeSafe Jev 1.14 | GPT-6 Luna (OpenAI Decisions) | Gemini 3.5 Flash-Lite |
|---|---|---|---|---|
| JevBench (split public) | 92.2% | 90.0% | 90.9% | 86.6% |
| Amazon ESCI (Macro-F1) | 58.7% | 56.7% | 54.7% | 47.2% |
| New Yorker Caption (texte seul) | 79.7% | 72.0% | 68.4% | 73.7% |
| Mind2Web Multimodal | 86.2% | 86.8% | 81.8% | 78.0% |
| PubMedQA | 79.8% | 78.2% | 74.4% | 77.6% |
| Global-MMLU-Lite (hors anglais) | 86.0% | 85.0% | 79.6% | 78.8% |
| When2Call | 79.9% | 82.0% | 70.4% | 60.9% |
| MMAU (audio) | 71.8% | Non rapporté | Non rapporté | 67.7% |
| Video-MME (sans sous-titres) | 69.1% | Non rapporté | Non rapporté | 63.3% |
| Top-1 ECE (plus bas est meilleur) | 0.0250 | 0.0494 | 0.0721 | 0.2104 |
| Prix total, 7 évals partagées | $0.88 | $0.68 | $0.93 | $4.14 |
Source : Tableau de référence du blog Google.
Le résultat de calibration est l'écart le plus net. L'erreur de Gemini Decision 1, à 0.0250, représente environ la moitié du 0.0494 de Jev 1.14. Cela compte lorsque vous fixez des seuils de confiance pour l'automatisation. Côté coût, Google indique qu'il est presque 5 fois moins cher que Flash-Lite sur l'ensemble partagé (0.88 $ contre 4.14 $).
Gemini Decisions API vs OpenAI Decisions vs TypeSafe Jev
| Caractéristique | Gemini Decision 1 | GPT-6 Luna, OpenAI Decisions | TypeSafe Jev 1.14 |
|---|---|---|---|
| Paramètres | Non divulgué | Non divulgué | Non divulgué |
| Contexte | 262,144 jetons | 1,050,000 (page du modèle) | 64K par requête, 262K avec en-tête d'adhésion |
| Questions par requête | 1 à 1,000 | 1 à 400 | Pas de plafond fixe, limité par le contexte |
| Modalités d'entrée | Texte, image, audio, vidéo, PDF | Texte, image, JSON | Texte (documents) |
| Prix d'entrée par 1M de tokens | $0.10 | 0,10 $ non mis en cache | $0.042 |
| Prix de sortie | $0 | $0 | $0 |
| Mise en cache des prompts | Non pris en charge | Pris en charge, facturé aux tarifs Luna | Non divulgué |
| Revendication de latence | 150-250 ms de bout en bout | Environ 10x plus rapide que l'API Responses | Non divulgué |
Comment déployer l'API Gemini Decisions
Le point de terminaison est en ligne sur l'API Gemini Developer (v1beta) et nécessite le SDK 3.2 ou une version ultérieure. Un niveau sans frais est disponible pour le prototypage dans google-genai SDK 3.2 ou version ultérieure. Un niveau sans frais est disponible pour le prototypage dans . Les guides Python, JavaScript et REST se trouvent dans ladocumentation La prise en charge de l'écosystème est en cours de déploiement sur.
OpenRouter LangChain, Vercel AI SDK, LiteLLM, Pydantic AI, Pipecat, LiveKit, et OpenCode . La prise en charge dans Gemini sur Google Cloud est annoncée comme arrivant prochainement.Google l'utilise déjà en interne. Gemini Notebook achemine les requêtes vers des niveaux de modèles avec, servant les requêtes quotidiennes avec une latence inférieure jusqu'à 40%. Google Labs’ CC choisit des réactions emoji parmi plus de 200 options. Le
Google l'utilise déjà en interne. Gemini Notebook achemine les requêtes vers des niveaux de modèles grâce à lui, en traitant les requêtes quotidiennes avec une latence inférieure jusqu'à 40 %. CC de Google Labs choisit des réactions emoji parmi plus de 200 options. Le de Stitch l'utilise pour créer des wireframes jouables en quelques secondes.
Points clés
- Gemini Decision 1 note jusqu'à 1,000 questions par appel avec zéro jeton de sortie.
- Il lit nativement le texte, les images, l'audio, la vidéo et les PDF en 1 seule passe.
- L'erreur de calibration de 0.0250 est la moitié de celle de TypeSafe Jev 1.14.
- À 0,10 $/M de jetons d'entrée, cela coûte toujours plus cher que les 0,042 $/M de Jev.
- Pas encore de mise en cache ni de Batch API, donc le contexte répété est facturé en totalité.
Découvrez les détails techniques, la documentation et la page du modèle. N'hésitez également pas à nous suivre sur Twitter et n'oubliez pas de rejoindre notre SubReddit ML de plus de 150k membres et de vous abonner à notre Newsletter. Attendez ! êtes-vous sur telegram ? vous pouvez désormais nous rejoindre sur telegram également.
Besoin de partenariats avec nous pour promouvoir votre dépôt GitHub OU votre page Hugging Face OU le lancement d'un produit OU un webinaire, etc. ? Connectez-vous avec nous
L'article Google lance l'API Gemini Decisions avec Gemini Decision 1 à 0,10 $/M de jetons est apparu en premier sur MarkTechPost.