Google lanza la Gemini Decisions API: un modelo que no redacta nada y resuelve hasta 1 000 preguntas por llamada

Google se suma ahora a la carrera de los «modelos de decisión». El 11 de noviembre, Google DeepMind presentó la Gemini Decisions API, un nuevo punto de acceso de la API de Gemini basado en un modelo dedicado, Gemini Decision 1. Su planteamiento: no redactar nada, sino decidir.

Probabilidades en lugar de texto

Un modelo generativo clásico responde palabra tras palabra; cuando un programa solo necesita saber si debe llamar a una herramienta o si un mensaje infringe una norma, toca procesar ese texto a posteriori, lo que añade latencia y errores de interpretación. Gemini Decision 1 hace lo contrario: recibe una entrada y una lista de preguntas cerradas, evalúa todas las respuestas posibles en una única pasada y devuelve, para cada una, una probabilidad y una puntuación de confianza.

La documentación describe tres tipos de preguntas: sí/no, elección entre 2 y 255 opciones y puntuación en una escala ordenada. Una misma solicitud puede incluir hasta 1 000 preguntas sobre una entrada común que combine texto, imágenes, audio, vídeo y PDF. Las preguntas se evalúan de forma independiente, sin verse entre sí; Google aconseja formular preguntas concretas y combinarlas después en el código mediante condicionales ordinarios.

Lo que Google promete y lo que no hace

Las cifras anunciadas apuntan a los agentes: entre 150 y 250 milisegundos de extremo a extremo, prácticamente lo mismo para una pregunta que para cien, y un precio de 0,10 dólares por millón de tókenes de entrada, sin facturar ningún token de salida. La entrada compartida se contabiliza una sola vez, sin importar el número de preguntas. Google cita casos de uso internos: enrutamiento de consultas hacia el modelo adecuado en Gemini Notebook (hasta un 40% menos de latencia en peticiones habituales, según la empresa), selección de un emoji entre más de 200 en la aplicación CC o detección de conductas maliciosas para las herramientas MCP de la Búsqueda de Google.

La ficha del modelo detalla también aquello que no puede hacer: nada de generación de texto, nada de llamadas a funciones, ni API Batch ni almacenamiento en caché. Es un conmutador, no un asistente.

Google afirma que su modelo se sitúa a la cabeza en su propia batería de pruebas, con la mejor calibración, y que resulta casi cinco veces más económico que Gemini 3.5 Flash-Lite en esos mismos ensayos.

Un primer veredicto independiente más matizado

Ese mismo día, Artificial Analysis publicó sus propias mediciones. En su Decision Index v2.1, que combina precisión y calibración, Gemini Decision 1 logra 66 puntos: una buena puntuación, pero por detrás de Drex Max v1.1 y GLiDE v1.2 (73 cada uno) y de varios modelos de decisión especializados. No obstante, se coloca líder entre los modelos de decisión en las pruebas de conocimientos y razonamiento. En cuanto a velocidad, procesa una tarea en 211 milisegundos de media, dentro del rango anunciado por Google. En lo relativo al precio, la comparación cambia de signo: 345 dólares por millón de tareas en el índice, frente a 103 dólares de Drex Max v1.1, 68 de Decider v1.2 y 14 de Celeris-1.1 Decision. Por tanto, es más barato que un modelo generativo, pero dista de ser el más económico de su categoría.