Google lancia la Gemini Decisions API per decisioni multimodali chiuse
Immagine generata dalla Redazione di Inferama
01

Annuncio e architettura del modello

Google ha presentato la Gemini Decisions API, un nuovo endpoint progettato per eseguire decisioni rapide e chiuse su input multimodali. Questo strumento si basa sul modello Gemini Decision 1 (identificato come gemini-decision-1), disponibile tramite l'API di Gemini in Google AI Studio. A differenza dei modelli generativi che producono testo token per token, questo modello assegna punteggi alle opzioni candidate in un'unica passata di inferenza, restituendo probabilità e punteggi di confidenza.

L'obiettivo di questa architettura è offrire primitive specifiche per scelte delimitate, come la selezione di strumenti, il controllo delle policy, il routing dei modelli o la valutazione del contesto. L'API consente di passare un input multimodale condiviso, che può includere testo, immagini, audio, video e PDF (fino a 256K token), insieme a fino a 1.000 domande indipendenti in una singola richiesta.

02

Tipi di valutazione e struttura della risposta

L'API supporta tre tipi di decisioni in un'unica passata: noul (sì/no), choice (scelta multipla) e score (rubrica ordinata). Il tipo noul stima la probabilità che si verifichi una condizione binaria. Il tipo choice seleziona tra 2 e 255 opzioni, restituendo l'opzione vincente e le probabilità normalizzate per ogni candidato. Il tipo score valuta l'input secondo una rubrica ordinata, restituendo un punteggio continuo ponderato e le probabilità per livello.

Ogni risposta include un punteggio di confidenza compreso tra 0 e 1, che consente al codice dell'applicazione di reindirizzare i casi ambigui verso un meccanismo di fallback o a un revisore umano. L'input utilizza lo stesso formato di blocco di contenuto dell'API di Interazioni, facilitando l'integrazione con flussi di sviluppo esistenti.

Tipi di domande supportati dall'API

TipoDescrizioneOutput principale
noulValutazione di condizione binaria (sì/no)Probabilità di verifica
choiceSelezione tra 2 e 255 opzioniOpzione vincente e probabilità normalizzate
scoreValutazione secondo rubrica ordinataPunteggio continuo e probabilità per livello
03

Prestazioni, latenza e costi

Google afferma che Gemini Decision 1 mantiene una latenza di calcolo del modello di 50 a 100 millisecondi, con una latenza end-to-end di 150 a 250 millisecondi. Questa latenza rimane praticamente stabile al crescere del numero di domande per richiesta, da 1 a 100. Il modello ammette contesti fino a 16K token nei test di latenza pubblicati, sebbene l'input generale ammetta fino a 256K token.

Per quanto riguarda i costi, il prezzo è fissato a 0,10 dollari per milione di token di input, con una tariffa di 0 dollari per i token di output. Google indica che, non addebitando i token di output, l'API è quasi 5 volte più economica di Gemini 3.5 Flash-Lite con l'API di Interazioni nel set di benchmark condiviso. L'input condiviso viene addebitato una sola volta per richiesta, indipendentemente dal numero di domande valutate.

04

Casi d'uso interni in Google

Diversi team di Google utilizzano già la Decisions API come piano di controllo a bassa latenza. In Gemini Notebook, l'API funziona come un router in tempo reale che indirizza le query in ingresso al livello di modello e di pensiero ottimale, riducendo la latenza delle query quotidiane fino al 40%.

In Stitch, lo strumento di design, l'API viene impiegata per generare wireframe interattivi di un flusso di prodotto in pochi secondi e applicare modifiche effettuate tramite voce o tocco quasi istantaneamente. In CC (di Google Labs), viene utilizzata per selezionare la reazione emoji appropriata da una palette di oltre 200 opzioni in una frazione di secondo. Inoltre, Google Search la impiega come layer di sicurezza per rilevare comportamenti avversari negli strumenti MCP.

05

Accessibilità e limiti delle evidenze

Gli sviluppatori possono iniziare a costruire oggi stesso ottenendo una chiave API in Google AI Studio. L'API offre un tier gratuito per il prototipaggio ed è disponibile tramite guide per Python, JavaScript e REST. Le integrazioni dell'ecosistema sono in fase di distribuzione su piattaforme come OpenRouter, LangChain, Vercel e LiteLLM, con supporto imminente per Gemini in Google Cloud.

È importante notare che le cifre di prestazioni, latenza e risparmio sui costi sono affermazioni di Google basate sui propri benchmark. Non è stata fornita una verifica indipendente di queste metriche né dettagli sul meccanismo specifico di calibrazione utilizzato dal modello. Prima di raccomandarla per la produzione critica, sarebbe necessario valutare l'affidabilità delle sue probabilità in scenari reali e confrontare le sue prestazioni con altre soluzioni disponibili sul mercato.

06

Continua a esplorare

Fonti consultate

03

Correzioni e trasparenza

Se trovi un dato errato o non aggiornato, inviaci la pagina e la fonte da verificare.

Proponi una correzione