O Google apresentou a Gemini Decisions API, um novo endpoint da Gemini API voltado a aplicações que precisam de decisões rápidas e delimitadas, e não de respostas geradas abertas. O serviço é alimentado pelo Gemini Decision 1, um modelo criado para pontuar opções candidatas em texto, imagens, áudio, vídeo e PDFs.
O lançamento reflete uma necessidade crescente de sistemas de IA capazes de tomar decisões operacionais dentro de fluxos de software maiores: selecionar ferramentas, encaminhar solicitações, verificar regras de políticas, classificar alternativas ou avaliar contexto. Nesses casos, um desenvolvedor pode precisar mais de uma probabilidade e de uma pontuação de confiança do que de um parágrafo explicativo.
Projetada para escolhas de conjunto fechado
O Google descreve a API como uma ferramenta para perguntas de sim ou não, decisões de múltipla escolha e pontuação baseada em critérios. Um desenvolvedor pode enviar uma entrada multimodal e fazer até 1.000 perguntas independentes sobre ela em uma única solicitação.
O sistema aceita entradas de texto, imagens, áudio, vídeo e PDFs, com contextos de até 256.000 tokens. A combinação pretende permitir que um único serviço avalie uma ampla variedade de materiais sem exigir que os desenvolvedores construam pipelines de decisão separados para cada tipo de mídia.
Entre os exemplos apresentados pelo Google estão seleção de ferramentas, verificações de políticas, roteamento de modelos e avaliação de contexto. Um sistema poderia usar o endpoint como uma barreira antes de chamar outro modelo ou serviço, ou como uma camada de pontuação para determinar qual ação deve ser tomada em seguida.
Probabilidades em vez de respostas geradas
A principal diferença técnica é que o Gemini Decision 1 pontua as opções candidatas em uma única passagem direta. Ele não gera uma resposta token por token como normalmente faz um modelo conversacional.
Segundo o Google, o endpoint retorna probabilidades e pontuações de confiança. Isso cria uma saída mais estruturada para aplicações que precisam tomar uma decisão definida e também medir o grau de certeza do modelo sobre essa decisão.
Para sistemas de IA em produção, esse sinal de confiança pode ser importante. Ele pode ajudar os desenvolvedores a definir limites, encaminhar casos incertos para revisão ou escolher uma rota alternativa quando a pontuação do modelo não atingir o nível exigido. A API não elimina a necessidade de avaliação, mas oferece um componente orientado a decisões mais diretamente alinhado a essas tarefas.
Afirmações sobre latência e preço
O Google afirma que o Gemini Decision 1 tem latência de computação do modelo de 50 a 100 milissegundos e latência de ponta a ponta de 150 a 250 milissegundos. A empresa diz que o desempenho permanece quase estável de uma a 100 perguntas por solicitação ao trabalhar com entradas multimodais e contextos de até 16.000 tokens.
A companhia informa preço de US$ 0,10 por milhão de tokens de entrada, sem cobrança por tokens de saída. Como o modelo pontua opções em vez de emitir uma resposta de texto convencional, a estrutura de preços é adaptada a uma carga de trabalho na qual a geração de tokens de saída não é a tarefa central.
O Google também afirma que a Decisions API é quase cinco vezes mais barata que o Gemini 3.5 Flash-Lite com a Interactions API em seu conjunto de benchmarks compartilhado. Como ocorre com todas as alegações de fornecedores baseadas em benchmarks, o resultado prático de uma implantação dependerá das entradas, perguntas, regras de avaliação e do desenho do sistema ao redor.
Calibração vira recurso do produto
O Google posiciona a calibração como um recurso central do novo modelo. Um sistema calibrado busca tornar os valores de confiança significativos: respostas de alta confiança devem ter maior probabilidade de estar corretas que respostas de baixa confiança. Essa propriedade é especialmente relevante quando uma saída de IA é usada para acionar um fluxo de trabalho, aplicar uma regra ou encaminhar uma solicitação de usuário.
A empresa diz que o Gemini Decision 1 lidera seu conjunto de benchmarks em roteamento de agentes, raciocínio, classificação e compreensão multimodal, com o menor erro de calibração. Os resultados do anúncio não substituem os testes dos desenvolvedores com seus próprios dados e casos extremos, mas sinalizam a ênfase do Google na qualidade das decisões, além da precisão bruta das respostas.
Para os desenvolvedores, a questão prática não é apenas se um modelo consegue escolher uma opção. É se suas pontuações podem ser usadas com confiabilidade suficiente para apoiar a automação. Um modelo que consegue classificar alternativas, mas não indicar claramente a incerteza, é mais difícil de inserir com segurança em um fluxo de trabalho de consequências relevantes.
Um novo componente para agentes de IA
A API chega enquanto as empresas montam agentes de IA a partir de vários componentes especializados. Nesses sistemas, um modelo de linguagem pode interpretar uma solicitação, um modelo de decisão pode escolher a próxima ferramenta e outro serviço pode executar a ação. A pontuação rápida, portanto, pode ser útil mesmo quando o usuário nunca vê uma resposta do modelo da camada de decisão.
A oferta do Google está disponível pela Gemini API no Google AI Studio, onde os desenvolvedores podem obter uma chave de API e documentação para Python, JavaScript e REST. O lançamento dá aos desenvolvedores uma opção criada especificamente para decisões multimodais de conjunto fechado, especialmente quando velocidade de resposta, custo e relatório de confiança importam tanto quanto a geração de texto fluente.
Sua importância dependerá de a calibração e a latência prometidas se manterem em cargas de trabalho reais. Mas o posicionamento do produto é claro: em vez de tratar toda tarefa de IA como uma conversa, o Google oferece um endpoint de modelo destinado a tomar rapidamente muitas decisões pequenas e explícitas.
Este artigo se baseia em reportagem do Google AI Blog. Leia o artigo original.
Originally published on blog.google






