Google apresenta a Gemini Decisions API para decisões multimodais rápidas e calibradas
Imagem gerada pela Equipa Editorial da Inferama
01

Anúncio da Gemini Decisions API

A Google apresentou a Gemini Decisions API, um novo endpoint projetado para realizar decisões rápidas e fechadas sobre entradas multimodais. A API se apoia no modelo Gemini Decision 1 (identificado como `gemini-decision-1`) e está disponível por meio da API do Gemini no Google AI Studio.

O objetivo dessa ferramenta é fornecer primitivas específicas para escolhas delimitadas, como a seleção de ferramentas, a verificação de políticas, o roteamento de modelos ou a pontuação de contexto. Diferentemente dos modelos generativos padrão que produzem texto token a token, esse sistema pontua as opções candidatas em uma única passagem para frente, retornando probabilidades e pontuações de confiança.

02

Arquitetura e tipos de decisão

O modelo processa diretamente texto, imagens, áudio, vídeo e PDF em uma única passagem, permitindo combinar modalidades em uma entrada compartilhada. Por exemplo, é possível associar uma gravação de chamada a metadados de conta ou um PDF digitalizado a fotografias de danos. O sistema suporta até 256K tokens de contexto e permite ajustar a resolução de imagens e vídeos para controlar o detalhe visual e o custo de tokens.

A API suporta três tipos de perguntas em uma mesma solicitação: noul (sim/não), choice (seleção múltipla) e score (pontuação por rubrica). Cada resposta inclui uma pontuação de confiança entre 0 e 1, o que permite aos desenvolvedores derivar casos ambíguos para um revisor humano ou para um sistema de backup.

Tipos de perguntas suportados pela API

Comparativo dos três tipos de avaliação disponíveis na Gemini Decisions API.

TipoDescriçãoSaída
noulEstima a probabilidade de que uma condição de sim/não seja atendida.Probabilidade e critérios opcionais de verdadeiro/falso.
choiceSeleciona entre 2 e 255 opções.Opção vencedora e probabilidades normalizadas para cada candidato.
scorePontua entradas com base em uma rubrica ordenada (iniciando em 0).Pontuação contínua ponderada e probabilidades por nível.
03

Desempenho, latência e custo

Em benchmarks que abrangem roteamento de agentes, raciocínio, classificação e compreensão multimodal, o Gemini Decision 1 apresenta o menor erro de calibração da suíte avaliada. Ao pontuar opções sem decodificação token a token, a latência mediana de computação do modelo situa-se entre 50 e 100 ms, com uma latência total de ponta a ponta de 150 a 250 ms.

O desempenho permanece praticamente estável ao aumentar o número de perguntas por solicitação, de 1 a 100. Em termos de custo, a API cobra 0,10 dólares por milhão de tokens de entrada e 0 dólares por tokens de saída. A Google indica que isso a torna quase 5 vezes mais barata que o Gemini 3.5 Flash-Lite com a API de Interações na suíte de benchmarks compartilhada.

04

Implementação e exemplos de código

A API utiliza o mesmo formato de blocos de conteúdo que a API de Interações. Os desenvolvedores podem começar a construir imediatamente obtendo uma chave de API no Google AI Studio. A documentação oficial oferece guias para Python, JavaScript e REST.

O exemplo a seguir mostra como verificar uma imagem de um balcão junto com uma nota de texto contra os três tipos de perguntas em uma única solicitação usando a biblioteca do Python.

Exemplo de solicitação multimodal em Python · python

Código para avaliar uma imagem e texto com perguntas do 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

Casos de uso internos na Google

Vários times da Google já utilizam a Decisions API como um plano de controle de baixa latência. No Gemini Notebook, a API atua como um roteador em tempo real que direciona as consultas entrantes para o nível de modelo e de raciocínio ótimo, reduzindo a latência em até 40% para consultas rotineiras.

No Stitch, a ferramenta de design, a API gera wireframes jogáveis de um fluxo de produto em segundos e aplica edições realizadas por voz ou toque quase instantaneamente. No CC (da Google Labs), é utilizada para selecionar a reação de emoji adequada de uma paleta de mais de 200 opções em uma fração de segundo. Além disso, o Google Search a emprega como uma camada de segurança para detectar comportamento adversarial em ferramentas MCP.

06

Disponibilidade e ecossistema

A API está disponível hoje com uma camada gratuita para prototipagem no Google AI Studio. O modelo Gemini Decision 1 é cobrado a 0,10 dólares por milhão de tokens de entrada e não cobra por tokens de saída, transcrição de áudio nem OCR. A entrada compartilhada é cobrada uma vez por solicitação, independentemente do número de perguntas avaliadas.

As integrações do ecossistema estão sendo implantadas em plataformas como OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit e OpenCode, junto com os SDKs do google-genai. Espera-se que o suporte chegue em breve ao Gemini no Google Cloud.

07

Continue a explorar

Fontes consultadas

03

Correções e transparência

Se encontrar informação incorreta ou desatualizada, envie-nos a página e a fonte que devemos rever.

Propor uma correção