2026-11-13 · Fuente:MarkTechPost

El nuevo modelo de Google evalúa hasta 1000 preguntas en paralelo en una sola pasada y devuelve probabilidades calibradas: 0,10 dólares por millón de tokens de entrada, sin coste de salida.
Google ha puesto en línea la API de Gemini Decisions, impulsada por el modelo multimodal especializado Gemini Decision 1 (ID de modelo: gemini-decision-1). A diferencia de los modelos generativos, que decodifican token a token y luego extraen la respuesta mediante parsing, este no produce texto alguno: en una única pre-carga evalúa en paralelo hasta 1000 preguntas tipificadas sobre una misma entrada compartida y devuelve probabilidades calibradas, de modo que el código puede bifurcar directamente según los números recibidos. Está orientado a las múltiples decisiones pequeñas dentro de los agentes: enrutamiento, comprobación de políticas, selección de herramientas y puntuación.
Soporta tres tipos de pregunta: sí/no (noul, con la probabilidad de "sí" limitada entre 0,01 y 0,99), opción múltiple (choice, de 2 a 255 opciones con probabilidades normalizadas) y puntuación (score, una escala ordenada de 2 a 255 niveles). Cada respuesta incluye un nivel de confianza entre 0 y 1, y Google recomienda derivar a revisión humana o a un plan alternativo los casos de baja confianza; las preguntas son invisibles entre sí y se puntúan en paralelo. El modelo lee de forma nativa, en una sola pasada, texto, imágenes, vídeo, audio y PDF; el contexto es de 262.144 tokens, compartidos entre la entrada y todas las preguntas. En cuanto a latencia: el cómputo del modelo tiene una mediana de 50 a 100 milisegundos y de extremo a extremo 150 a 250 milisegundos, casi sin variación al pasar de 1 a 100 preguntas (con entradas de hasta 16K tokens).
El precio es el principal argumento de venta: 0,10 dólares por millón de tokens de entrada, con un uso de salida siempre igual a cero y sin facturación; la entrada compartida se cobra una sola vez por solicitud, sin importar cuántas preguntas haya, y tampoco se cobran tokens de razonamiento, transcripción ni OCR. Ojo: por ahora no hay caché de prompts ni API por lotes (Batch), por lo que el contexto repetido se factura a precio completo; en las siete pruebas comparativas compartidas de Google el gasto total fue de 0,88 dólares, por encima de los 0,68 de TypeSafe Jev 1.14, pero cerca de una quinta parte de Gemini 3.5 Flash-Lite (4,14 dólares).
Los benchmarks son autocomunicados por Google (las negativas a responder cuentan como error), con TypeSafe Jev 1.14, GPT-6 Luna de OpenAI Decisions y Gemini 3.5 Flash-Lite como comparadores: lidera en 7 de 9 pruebas, encabezando el split público de JevBench con un 92,2%; su punto más débil es el macro-F1 de 58,7% en Amazon ESCI, y su 79,9% en When2Call también cae frente al 82,0% de Jev. La calibración es su mayor virtud: un Top-1 ECE de solo 0,0250, aproximadamente la mitad del de Jev 1.14 (0,0494) y muy por debajo del 0,0721 de Luna y del 0,2104 de Flash-Lite, algo crucial en escenarios automatizados que dependen de umbrales de confianza. Frente a Luna: esta última ofrece un contexto mayor (1,05M) y soporta caché de prompts, pero admite solo 400 preguntas por solicitud y no soporta audio, vídeo ni PDF.
Ejemplos de uso real: Gemini Notebook lo emplea para el enrutamiento por niveles de modelos, reduciendo la latencia de las consultas cotidianas hasta un 40%; CC, de Google Labs, lo usa para elegir reacciones entre más de 200 opciones de emojis; y el lienzo rápido de Stitch genera wireframes interactivos en segundos. Disponibilidad: ya está activo en la Gemini Developer API (v1beta), requiere el SDK google-genai 3.2 o superior, y Google AI Studio ofrece un plan gratuito; el modelo es alojado exclusivamente por Google, sin pesos abiertos, y canales del ecosistema como OpenRouter, LangChain, Vercel AI SDK, LiteLLM y Pydantic AI se están integrando progresivamente.
萬安算交所 AIXX · AIXX · Exchange verificado · Ir al mercado