Google presenta la Gemini Decisions API para decisiones multimodales rápidas y calibradas
Imagen generada por el Equipo Editorial de Inferama
01

Anuncio de la Gemini Decisions API

Google ha presentado la Gemini Decisions API, un nuevo endpoint diseñado para realizar decisiones rápidas y cerradas sobre entradas multimodales. La API se apoya en el modelo Gemini Decision 1 (identificado como `gemini-decision-1`) y está disponible a través de la API de Gemini en Google AI Studio.

El objetivo de esta herramienta es proporcionar primitivas específicas para elecciones acotadas, como la selección de herramientas, la verificación de políticas, el enrutamiento de modelos o la puntuación de contexto. A diferencia de los modelos generativos estándar que producen texto token a token, este sistema puntúa las opciones candidatas en una sola pasada hacia adelante, devolviendo probabilidades y puntuaciones de confianza.

02

Arquitectura y tipos de decisión

El modelo procesa directamente texto, imágenes, audio, vídeo y PDF en una única pasada, permitiendo combinar modalidades en una entrada compartida. Por ejemplo, se puede asociar una grabación de llamada con metadatos de cuenta o un PDF escaneado con fotografías de daños. El sistema admite hasta 256K tokens de contexto y permite ajustar la resolución de imágenes y vídeos para controlar el detalle visual y el coste de tokens.

La API soporta tres tipos de preguntas en una misma solicitud: noul (sí/no), choice (selección múltiple) y score (puntuación por rúbrica). Cada respuesta incluye una puntuación de confianza entre 0 y 1, lo que permite a los desarrolladores derivar casos ambiguos a un revisor humano o a un sistema de respaldo.

Tipos de preguntas soportados por la API

Comparativa de los tres tipos de evaluación disponibles en la Gemini Decisions API.

TipoDescripciónSalida
noulEstima la probabilidad de que se cumpla una condición de sí/no.Probabilidad y criterios opcionales de verdadero/falso.
choiceSelecciona entre 2 y 255 opciones.Opción ganadora y probabilidades normalizadas para cada candidato.
scorePuntúa entradas según una rúbrica ordenada (iniciando en 0).Puntuación continua ponderada y probabilidades por nivel.
03

Rendimiento, latencia y coste

En benchmarks que abarcan enrutamiento de agentes, razonamiento, clasificación y comprensión multimodal, Gemini Decision 1 presenta el menor error de calibración de la suite evaluada. Al puntuar opciones sin decodificación token a token, la latencia mediana de cómputo del modelo se sitúa entre 50 y 100 ms, con una latencia total de extremo a extremo de 150 a 250 ms.

El rendimiento se mantiene prácticamente estable al aumentar el número de preguntas por solicitud, desde 1 hasta 100. En términos de coste, la API factura 0,10 dólares por millón de tokens de entrada y 0 dólares por tokens de salida. Google indica que esto la hace casi 5 veces más barata que Gemini 3.5 Flash-Lite con la API de Interacciones en la suite de benchmarks compartida.

04

Implementación y ejemplos de código

La API utiliza el mismo formato de bloques de contenido que la API de Interacciones. Los desarrolladores pueden comenzar a construir de inmediato obteniendo una clave de API en Google AI Studio. La documentación oficial ofrece guías para Python, JavaScript y REST.

El siguiente ejemplo muestra cómo verificar una imagen de un mostrador junto con una nota de texto contra los tres tipos de preguntas en una sola solicitud usando la librería de Python.

Ejemplo de solicitud multimodal en Python · python

Código para evaluar una imagen y texto con preguntas de tipo noul, choice y score.

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.",
            ],
        },
    },
)
05

Casos de uso internos en Google

Varios equipos de Google ya utilizan la Decisions API como un plano de control de baja latencia. En Gemini Notebook, la API actúa como un enrutador en tiempo real que dirige las consultas entrantes al nivel de modelo y de razonamiento óptimo, reduciendo la latencia hasta en un 40% para consultas cotidianas.

En Stitch, la herramienta de diseño, la API genera wireframes jugables de un flujo de producto en segundos y aplica ediciones realizadas por voz o toque casi al instante. En CC (de Google Labs), se utiliza para seleccionar la reacción de emoji adecuada de una paleta de más de 200 opciones en una fracción de segundo. Además, Google Search la emplea como capa de seguridad para detectar comportamiento adversarial en herramientas MCP.

06

Disponibilidad y ecosistema

La API está disponible hoy con una capa gratuita para prototipado en Google AI Studio. El modelo Gemini Decision 1 se factura a 0,10 dólares por millón de tokens de entrada y no cobra por tokens de salida, transcripción de audio ni OCR. La entrada compartida se factura una vez por solicitud, independientemente del número de preguntas evaluadas.

Las integraciones del ecosistema están desplegándose en plataformas como OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit y OpenCode, junto con los SDKs de google-genai. Se espera que el soporte llegue pronto a Gemini en Google Cloud.

07

Continúa explorando

Fuentes consultadas

03

Correcciones y transparencia

Si detectas un dato incorrecto o desactualizado, puedes enviarnos una corrección indicando la página y la fuente que debemos revisar.

Proponer una corrección