Herramientas para devsImportante

Google lanza la Gemini Decisions API: un modelo que puntúa respuestas en vez de escribirlas

Gemini Decision 1 devuelve probabilidades para hasta 1.000 preguntas cerradas por request, a US$0,10 por millón de tokens de entrada y sin costo de salida. OpenAI lanzó una API parecida en octubre.

Promptea Editorial5 min de lectura

Google lanzó el 11 de noviembre la Gemini Decisions API, un nuevo endpoint de la Gemini API que no genera texto. Corre sobre un modelo nuevo, Gemini Decision 1 (`gemini-decision-1`). Le mandás un input y un conjunto de preguntas cerradas, y el modelo te devuelve una probabilidad para cada respuesta permitida en vez de redactar una respuesta token por token. Google le puso un precio de US$0,10 por millón de tokens de entrada y US$0 por la salida, con un nivel gratuito en Google AI Studio para prototipar.

Dicho simple, es un endpoint que funciona como clasificador y juez para las decisiones chicas de sí/no o de elegir una opción que los pipelines de agentes toman todo el tiempo: qué herramienta llamar, qué modelo atiende un pedido, si un contenido viola una política o qué tan bueno es un pasaje recuperado. Hoy eso se suele resolver con un modelo general, un schema JSON y un prompt que dice "respondé solo con una de estas etiquetas".

Qué anunció Google

  • Entrada: un input compartido que puede mezclar texto, imágenes, audio, video y PDF, de hasta 256K tokens.
  • Preguntas: hasta 1.000 preguntas independientes por request, de tres tipos: probabilidades de sí/no, opción múltiple entre 2 y 255 alternativas, y puntajes sobre una rúbrica ordenada que devuelven un valor ponderado más las probabilidades de cada nivel.
  • Salida: cada respuesta trae un puntaje de confianza de 0 a 1, que Google sugiere usar para derivar los casos ambiguos a un modelo de respaldo o a una persona.
  • Facturación: el input compartido se cobra una sola vez por request, sin importar cuántas preguntas hagas. Cada pregunta suma solo los tokens de sus propias instrucciones y criterios. No hay cargos por salida ni por tokens de razonamiento, ni costos aparte por transcripción u OCR.
  • Latencia: Google habla de 50 a 100 ms de cómputo mediano del modelo y de 150 a 250 ms de punta a punta, casi sin variación entre 1 y 100 preguntas. Esa cifra vale para contextos de hasta 16K tokens, no para el máximo de 256K.
  • Disponibilidad: en la Gemini API a través de Google AI Studio, con guías para Python, JavaScript y REST. El ejemplo de código de Google usa la versión `v1beta` de la API. Google dice que el soporte en Gemini en Google Cloud llega pronto y que se están habilitando integraciones con OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit y OpenCode.

Lo que todavía hay que verificar

Google dice que Gemini Decision 1 "lidera" en benchmarks de ruteo de agentes, razonamiento, ranking y comprensión multimodal, con el menor error de calibración. También dice que, en ese conjunto de benchmarks, sale casi 5 veces más barato que Gemini 3.5 Flash-Lite usado a través de la Interactions API. Todos esos números salen de pruebas de la propia Google. El anuncio no nombra los modelos contra los que compite ni publica el conjunto completo, y Promptea no encontró ninguna evaluación independiente. Por ahora, tomalos como afirmaciones del proveedor.

Google también cuenta cómo lo usa puertas adentro. Gemini Notebook rutea las consultas hacia un nivel de modelo y de razonamiento, y según Google eso bajó hasta 40% la latencia en las consultas cotidianas. Stitch lo usa para editar wireframes rápido, CC de Google Labs lo usa para elegir reacciones con emoji y Google Search lo usa como control de seguridad sobre el uso de herramientas MCP. Son descripciones de la propia Google, no casos de estudio externos.

No es un caso aislado: la categoría de modelos de decisión

Google no es la primera con este formato. OpenAI lanzó su propia Decisions API en beta el 6 de octubre con gpt-6-luna y la pasó a disponibilidad general el 22 de octubre: subió el límite a 400 preguntas por request y sumó descuentos de prompt caching sobre el input compartido. Un día antes del lanzamiento de Google, el 10 de noviembre, Hugging Face publicó una guía sobre "modelos de decisión" que explica cómo servirlos con Transformers y llama.cpp y cómo encontrar modelos abiertos en el Hub. Sus ejemplos usan la misma estructura de estado, preguntas y respuestas tipadas.

En unas cinco semanas, dos laboratorios de frontera y el principal hub de modelos abiertos llegaron a la misma idea: las decisiones de conjunto cerrado merecen su propia primitiva, separada de la generación de texto. La oferta de Google se diferencia en tres puntos: entrada nativa de audio, video y PDF, un techo de preguntas más alto (1.000 contra las 400 de OpenAI) y cero cargos por salida. Promptea no comparó calidad ni costo real entre las dos, y ninguno de los proveedores publicó una comparación directa.

Qué cambia para quienes desarrollan

Si armás agentes o pipelines con LLM, el cambio concreto está en dónde vive la lógica de ruteo y evaluación. Hoy muchos stacks le pagan a un modelo generativo para que escriba una etiqueta, la parsean y reintentan cuando el formato se rompe. Un endpoint que solo puntúa opciones predefinidas no puede devolver una etiqueta inválida, y además entrega una probabilidad que podés usar directamente como umbral. Eso reemplaza el típico prompt de "¿qué tan seguro estás, del 1 al 10?", cuyas respuestas están mal calibradas.

También cambia el trabajo con los prompts. Con esta API, la mayor parte del esfuerzo pasa a escribir los criterios de cada opción: descripciones claras y mutuamente excluyentes de lo que significa cada etiqueta. El prompt engineering no desaparece. Ahora vive en la definición de las etiquetas y no en las instrucciones de formato de salida.

Los límites importan igual. Estos modelos no explican sus respuestas y no sirven para preguntas abiertas. Una probabilidad alta pero equivocada sigue estando equivocada. Antes de confiar en un umbral, conviene medir la calibración con datos propios, sobre todo con contextos largos, que quedan fuera de las cifras de latencia que publicó Google.

Por qué importa

  • El ruteo, la elección de herramientas, los controles de políticas y la evaluación están entre las llamadas a LLM más frecuentes en los pipelines de agentes, y esta API las cobra solo por la entrada.
  • Es la segunda API de un laboratorio de frontera hecha específicamente para decisiones cerradas en cinco semanas, lo que marca una categoría nueva y separada de endpoints.
  • Las probabilidades calibradas pueden reemplazar los prompts frágiles con etiquetas en JSON y los puntajes de confianza autoinformados.

Puntos clave

  • Gemini Decision 1 responde hasta 1.000 preguntas sobre un input compartido de hasta 256K tokens que mezcla texto, imágenes, audio, video y PDF.
  • Cuesta US$0,10 por millón de tokens de entrada, nada por la salida, y tiene un nivel gratuito en Google AI Studio.
  • La latencia de 150-250 ms que informa Google vale para contextos de hasta 16K tokens, y sus cifras de benchmarks y costo salen de pruebas propias.
  • La Decisions API de OpenAI, disponible en forma general desde el 22 de octubre, admite hasta 400 preguntas por request.

Fuentes

  1. GoogleFuente primaria
    Gemini Decisions API: Fast, calibrated multimodal decisions
    blog.google
  2. OpenAIFuente primaria
    OpenAI API changelog (Decisions API beta, Oct 6; general availability, Oct 22)
    developers.openai.com
  3. Hugging FaceFuente primaria
    Decision Models in Hugging Face
    huggingface.co

Cómo elegimos y verificamos las fuentes

Etiquetas:
  • gemini
  • decision models
  • model routing
  • structured outputs
  • api pricing
  • coding agents
Empresas:
  • Google
  • Google DeepMind
  • OpenAI
  • Hugging Face
Modelos:
  • Gemini Decision 1
  • gpt-6-luna
  • Gemini 3.5 Flash-Lite
Google lanza la Gemini Decisions API y Gemini Decision 1 · Promptea