Google lançou a Gemini Decisions API, alimentada por um novo modelo, Gemini Decision 1 (gemini-decision-1). A Gemini Decisions API não gera texto. Ela pontua até 1.000 perguntas digitadas contra um único input compartilhado e devolve probabilidades calibradas. Para desenvolvedores, isso direciona chamadas de ramificação pequenas dentro de agentes: roteamento, verificações de política, seleção de ferramentas e avaliação. O Google a precifica em US$0,10 por 1 milhão de tokens de entrada, com 0 tokens de saída cobrados. TL;DR Tamanho: o contexto é de 262.144 tokens (256K) entre o input compartilhado e todas as perguntas. Executa em: apenas API hospedada pelo Google (Gemini Developer API, v1beta). Sem pesos abertos ou auto-hospedagem. Desempenho: lidera em 7 de 9 benchmarks de acurácia na tabela do Google, com o menor erro de calibração. Melhor: 92,2% no JevBench (split público). Pior: 58,7% Macro‑F1 no Amazon ESCI, sua menor pontuação. Também fica atrás do Jev 1.14 no When2Call (79,9% vs 82,0%). Resumo: Melhor: decisões multimodais e calibradas em 150‑250 ms. Pior: não é a mais barata; Jev 1.14 custa US$0,68 vs US$0,88 no conjunto compartilhado. O que é a Gemini Decisions API? Gemini Decision 1 é um modelo multimodal especializado do Google construído para decisões de conjunto fechado. Ele lê texto, imagens, vídeo, áudio e PDFs em uma única passagem de pré‑preenchimento. O uso de tokens de saída é sempre zero. Seu código ramifica diretamente nos números retornados. Cada requisição tem 3 partes: um ID de modelo, um input compartilhado e um mapa de perguntas. A documentação define 3 tipos de perguntas: noul (sim/não): devolve a probabilidade de sim, limitada entre 0,01 e 0,99. choice: escolhe 1 de 2 a 255 opções e devolve probabilidades normalizadas para cada opção. score: avalia o input em 2 a 255 níveis de rubrica ordenados e devolve uma pontuação ponderada pela probabilidade. Cada resposta carrega um valor de confiança de 0 a 1. O Google sugere encaminhar casos de baixa confiança para um fallback ou um revisor humano. As perguntas são pontuadas em paralelo e não podem ver umas às outras. Como o Gemini Decision 1 funciona? Modelos padrão decodificam uma resposta token por token, então seu código analisa.
Fonte: MarkTechPost
Publicado em 2026-11-11