Google presenta la Gemini Decisions API per decisioni multimodali rapide e calibrate
Immagine generata dalla Redazione di Inferama
01

Annuncio della Gemini Decisions API

Google ha presentato la Gemini Decisions API, un nuovo endpoint progettato per eseguire decisioni rapide e chiuse su input multimodali. L'API si basa sul modello Gemini Decision 1 (identificato come `gemini-decision-1`) ed è disponibile tramite l'API di Gemini in Google AI Studio.

L'obiettivo di questo strumento è fornire primitive specifiche per scelte delimitate, come la selezione di strumenti, il controllo delle policy, il routing dei modelli o il punteggio del contesto. A differenza dei modelli generativi standard che producono testo token per token, questo sistema valuta le opzioni candidate in un'unica passata in avanti, restituendo probabilità e punteggi di confidenza.

02

Architettura e tipi di decisione

Il modello elabora direttamente testo, immagini, audio, video e PDF in un'unica passata, consentendo di combinare le modalità in un input condiviso. Ad esempio, è possibile associare una registrazione di una chiamata ai metadati dell'account o un PDF scansionato a fotografie di danni. Il sistema supporta fino a 256K token di contesto e consente di regolare la risoluzione di immagini e video per controllare il dettaglio visivo e il costo dei token.

L'API supporta tre tipi di domande in una singola richiesta: noul (sì/no), choice (scelta multipla) e score (punteggio per rubrica). Ogni risposta include un punteggio di confidenza compreso tra 0 e 1, che consente agli sviluppatori di instradare i casi ambigui a un revisore umano o a un sistema di backup.

Tipi di domande supportati dall'API

Confronto dei tre tipi di valutazione disponibili nella Gemini Decisions API.

TipoDescrizioneOutput
noulStima la probabilità che una condizione sì/no sia soddisfatta.Probabilità e criteri opzionali di vero/falso.
choiceSeleziona tra 2 e 255 opzioni.Opzione vincente e probabilità normalizzate per ogni candidato.
scorePunteggia gli input secondo una rubrica ordinata (a partire da 0).Punteggio continuo ponderato e probabilità per livello.
03

Prestazioni, latenza e costo

Nei benchmark che coprono il routing degli agenti, il ragionamento, la classificazione e la comprensione multimodale, Gemini Decision 1 presenta il minore errore di calibrazione della suite valutata. Valutando le opzioni senza decodifica token per token, la latenza mediana di calcolo del modello si colloca tra 50 e 100 ms, con una latenza totale end-to-end di 150 a 250 ms.

Le prestazioni rimangono praticamente stabili al crescere del numero di domande per richiesta, da 1 a 100. In termini di costo, l'API fattura 0,10 dollari per milione di token in input e 0 dollari per i token in output. Google indica che ciò la rende quasi 5 volte più economica di Gemini 3.5 Flash-Lite con l'API di Interazioni nella suite di benchmark condivisa.

04

Implementazione ed esempi di codice

L'API utilizza lo stesso formato di blocchi di contenuto dell'API di Interazioni. Gli sviluppatori possono iniziare a costruire immediatamente ottenendo una chiave API in Google AI Studio. La documentazione ufficiale offre guide per Python, JavaScript e REST.

L'esempio seguente mostra come verificare un'immagine di un bancone insieme a una nota di testo contro i tre tipi di domande in una singola richiesta utilizzando la libreria Python.

Esempio di richiesta multimodale in Python · python

Codice per valutare un'immagine e un testo con domande di tipo noul, choice e 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

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 funge da router in tempo reale che indirizza le query in ingresso al livello di modello e di ragionamento ottimale, riducendo la latenza fino al 40% per le query quotidiane.

In Stitch, lo strumento di design, l'API genera wireframe giocabili di un flusso di prodotto in pochi secondi e applica 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.

06

Disponibilità ed ecosistema

L'API è disponibile oggi con un tier gratuito per il prototipazione in Google AI Studio. Il modello Gemini Decision 1 è fatturato a 0,10 dollari per milione di token in input e non addebita per i token in output, la trascrizione audio o l'OCR. L'input condiviso viene fatturato una volta per richiesta, indipendentemente dal numero di domande valutate.

Le integrazioni dell'ecosistema sono in fase di distribuzione su piattaforme come OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit e OpenCode, insieme agli SDK di google-genai. Si prevede che il supporto arriverà presto a Gemini in Google Cloud.

07

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