Google lanza Gemini Decisions API para toma de decisiones rápida y multimodal

Image: Comparison of Gemini Decision and other APIs against various benchmarks · Source

Google presenta Gemini Decisions API con el modelo Gemini Decision 1, que permite decisiones rápidas y calibradas de tipo sí/no, opciones múltiples y puntuaciones sobre texto, imágenes, audio, video y PDFs en una sola pasada con baja latencia y costo.

Google ha presentado Gemini Decisions API, una nueva herramienta diseñada para ofrecer decisiones rápidas y calibradas a través de múltiples tipos de datos, incluyendo texto, imágenes, audio, video y PDFs. La API funciona con el último modelo Gemini Decision 1 y está disponible mediante la Gemini API en Google AI Studio.

Esta tecnología puede procesar hasta 1,000 preguntas distintas de sí/no, opciones múltiples y evaluaciones mediante rúbrica en una sola pasada directa de una entrada multimodal combinada, que puede incluir texto y medios de hasta 256,000 tokens. A diferencia de los enfoques generativos tradicionales que producen salida token por token, Gemini Decision 1 evalúa simultáneamente las opciones candidatas, proporcionando puntajes de confianza y probabilidades en aproximadamente 150 a 250 milisegundos de latencia de extremo a extremo.

Según Min Choi, gerente de producto de Google DeepMind, y Felix Yu, científico principal, este enfoque ofrece una forma altamente eficiente y rentable para manejar tareas de toma de decisiones a gran escala, como verificaciones de cumplimiento de políticas, evaluación de contenido y enrutamiento de consultas. La API cobra $0.10 por millón de tokens de entrada, sin costos por tokens de salida, resultando casi cinco veces más económica que modelos anteriores como Gemini 3.5 Flash-Lite mediante la Interactions API.

La Gemini Decisions API soporta tres tipos de decisiones: evaluaciones binarias de sí/no, selecciones de opción múltiple desde 2 hasta 255 opciones y puntuaciones ordenadas por rúbricas que proporcionan resultados continuos ponderados. Los desarrolladores pueden combinar diversas modalidades de entrada, como grabaciones de llamadas de audio con información de cuenta o documentos PDF escaneados con fotografías, optimizando la resolución visual para equilibrar detalle y costo en tokens.

Varios equipos de Google ya emplean la API para diferentes aplicaciones. Por ejemplo, Gemini Notebook la usa para enrutar consultas al nivel de modelo de IA más apropiado de forma dinámica, mejorando la latencia hasta un 40%. La herramienta de diseño Stitch la integra para la generación rápida de wireframes de flujo de productos con edición en casi tiempo real, y la app Google Labs CC para selección instantánea de reacciones emoji. Además, Google Search aplica la API como una capa de seguridad para detectar contenido adversarial eficientemente dentro de restricciones estrictas de latencia.

Los desarrolladores pueden empezar a usar Gemini Decisions API de inmediato obteniendo una clave API en Google AI Studio, donde la documentación y ejemplos están disponibles en Python, JavaScript y formatos REST. La API además se integra con varios ecosistemas y plataformas populares, incluyendo OpenRouter, LangChain, Vercel, LiteLLM y más, con soporte próximo para Gemini en Google Cloud.

Este lanzamiento refleja el énfasis continuo de Google en herramientas de IA escalables y de baja latencia capaces de evaluar rápidamente entradas multimodales complejas, permitiendo aplicaciones más responsivas e inteligentes en diversas industrias.