O Google lançou a Gemini Decisions API, apoiada em um novo modelo, o Gemini Decision 1 (nome na interface: gemini-decision-1). Ele faz uma única coisa: escolher a resposta entre opções dadas, informando probabilidade e confiança. Seu alvo são os “pequenos julgamentos” que aparecem o tempo todo em fluxos de agentes de IA, como escolha de ferramentas, verificação de políticas, roteamento de modelos e classificação de contexto.
Min Choi, gerente de produto do Google DeepMind, e Felix Yu, cientista-chefe, explicam no blog oficial que o modelo não gera o texto da resposta token por token como os grandes modelos convencionais: ele atribui pontuações diretamente às opções candidatas.
“Gemini Decision 1 scores your candidate options in a single forward pass” (O Gemini Decision 1 pontua as suas opções candidatas em uma única passagem direta.)
Três tipos de pergunta, até mil por vez
A interface aceita três tipos de pergunta. As de sim ou não estimam a probabilidade de uma condição ser verdadeira e podem incluir critérios de julgamento para os dois lados. As de múltipla escolha devolvem a opção vencedora e a probabilidade normalizada de cada candidata, com o número de opções entre 2 e 255. As de pontuação usam uma escala ordenada a partir de 0 e devolvem uma nota contínua ponderada e a probabilidade de cada nível. Toda resposta vem com um grau de confiança de 0 a 1.
A entrada pode ser texto, imagem, áudio, vídeo e PDF, e tudo pode vir misturado no mesmo material, como a gravação de uma ligação de atendimento com os metadados da conta, ou um documento digitalizado junto com a foto de uma avaria na carga. O limite de entrada por requisição é de 256K tokens, e é possível avaliar até 1.000 perguntas ao mesmo tempo.
A velocidade é o destaque do lançamento. O Google informa latência de ponta a ponta de 150 a 250 milissegundos, com mediana de 50 a 100 milissegundos só para o cálculo do modelo; nos testes com contexto de até 16K tokens, a latência quase não mudou quando o número de perguntas subiu de 1 para 100. O Gemini Notebook, produto do próprio Google, já o utiliza para distribuir em tempo real as consultas dos usuários entre modelos de diferentes níveis, reduzindo a latência de roteamento em até 40%.
Só a entrada é cobrada: uma conta rápida
O preço é de US$ 0,10 por milhão de tokens de entrada, e a saída não é cobrada. Nas palavras do blog, não há custo de tokens de saída, nem fatura que varie conforme o tempo de raciocínio, nem cobrança à parte por transcrição de áudio e OCR. O Google afirma que, em um benchmark compartilhado, a solução sai cerca de 5 vezes mais barata do que usar o Gemini 3.5 Flash-Lite pela Interactions API.
Um cálculo aproximado: um sistema de atendimento de e-commerce envia a cada vez 10 mil tokens de transcrição da ligação e dados do pedido e faz 50 perguntas de uma só vez (se deve haver reembolso, se o tom é agressivo, se há indício de fraude, para qual equipe encaminhar). Pelo preço de entrada, cada chamada custa cerca de US$ 0,001, e um milhão de chamadas, cerca de US$ 1.000. A estimativa supõe que o texto das perguntas e o material somem 10 mil tokens; no caso de imagens e vídeos, convertidos em tokens conforme a resolução, o número real pode variar.
É preciso entender a base de comparação. O Google compara com modelos pequenos generativos como o Flash-Lite; soluções generativas pagam por tokens de saída e de raciocínio, de modo que, quanto mais perguntas e quanto mais longo o raciocínio, maior a fatura, e a Decisions API elimina essa parcela do custo. O preço é que ela só responde a perguntas fechadas: resumos abertos, reescritas e geração de código continuam a cargo dos modelos generativos.
Até agora, esse tipo de necessidade costumava ser resolvido de duas maneiras: ou se pedia a um pequeno modelo generativo que respondesse “sim” ou “não” e se extraía o resultado do texto, ou se treinava à parte um modelo de classificação, que precisava ser retreinado a cada novo conjunto de rótulos. O primeiro não fornece valores de probabilidade estáveis, e o segundo não entende imagens nem áudio. A Decisions API entrega probabilidades com grau de confiança, e os desenvolvedores podem definir seus próprios limiares, por exemplo encaminhar a um humano os tickets com confiança abaixo de 0,7 e liberar direto os acima de 0,9. Como definir esse limiar e quão bem a confiança do modelo corresponde à precisão real dependerá de testes dos desenvolvedores com seus próprios dados; o blog apresenta apenas os resultados de casos de uso internos do Google.
Em quais produtos já está integrado
O Google lista alguns casos de uso internos: o roteamento de modelos no Gemini Notebook; um experimento de canvas rápido no Stitch, que o usa para alterar wireframes interativos a partir de comandos de voz ou cliques; o CC, do Google Labs, que escolhe a reação adequada entre mais de 200 emojis; e a Pesquisa Google, que o usa para acrescentar uma camada de verificação de segurança às ferramentas MCP, identificando comportamento adversarial.
A interface já pode ser usada pela Gemini API e pelo Google AI Studio, com cota gratuita para prototipagem, e a documentação cobre Python, JavaScript e REST. Integrações de terceiros como OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI e LiveKit serão lançadas aos poucos; a versão no Google Cloud está marcada como “em breve”, sem data divulgada.
Fontes: artigo de lançamento da Gemini Decisions API no blog oficial do Google (verificação de latência, limite de perguntas, limite de entrada de 256K, preço por milhão de tokens de entrada e base de comparação com o Flash-Lite), CocoLoop, esclarecimentos públicos da equipe de produto do Google DeepMind.