Google lancia la Gemini Decisions API: un modello che non scrive nulla e risolve fino a 1.000 domande per chiamata

Google entra a sua volta nella corsa ai «modelli di decisione». L‘11 novembre, Google DeepMind ha presentato la Gemini Decisions API, un nuovo endpoint dell’API Gemini basato su un modello dedicato, Gemini Decision 1. Il suo principio: non redigere nulla, ma decidere.

Probabilità al posto del testo

Un modello generativo classico risponde parola dopo parola; quando un programma ha solo bisogno di sapere se deve chiamare un determinato strumento o se un messaggio viola una regola, occorre poi analizzare questo testo, il che aggiunge latenza ed errori di interpretazione. Gemini Decision 1 fa l’opposto: riceve un input e un elenco di domande chiuse, quindi valuta tutte le risposte possibili in un unico passaggio e restituisce, per ciascuna, una probabilità e un punteggio di confidenza.

La documentazione descrive tre tipi di domande: sì/no, scelta tra 2 e 255 opzioni e punteggio su una scala ordinata. Una singola richiesta può contenerne fino a 1.000, su un input comune che combina testo, immagini, audio, video e PDF. Le domande vengono valutate separatamente, senza vedersi l’una con l’altra; Google consiglia di porre domande circoscritte e di combinarle successivamente nel codice, con normali istruzioni condizionali.

Cosa promette Google, e cosa non fa

I numeri presentati puntano agli agenti: da 150 a 250 millisecondi end-to-end, quasi lo stesso tempo per una domanda o per cento, e un prezzo di 0,10 dollari per milione di token di input, senza alcun token di output fatturato. L’input condiviso viene conteggiato una sola volta, indipendentemente dal numero di domande. Google cita casi d’uso interni: il routing delle richieste verso il modello corretto in Gemini Notebook (fino al 40% di latenza in meno per le richieste comuni, secondo l’azienda), la scelta di un’emoji tra oltre 200 nell’applicazione CC o il rilevamento di comportamenti dannosi per gli strumenti MCP della Ricerca Google.

La scheda del modello chiarisce anche ciò che non è in grado di fare: nessuna generazione di testo, nessun function calling, nessuna API Batch né memorizzazione nella cache. È un controllore del traffico, non un assistente.

Google afferma che il suo modello si posiziona in testa nella propria suite di test, con la migliore calibrazione, e che risulta quasi cinque volte meno costoso di Gemini 3.5 Flash-Lite su quegli stessi test.

Un primo verdetto indipendente più sfumato

Il giorno stesso, Artificial Analysis ha pubblicato le proprie misurazioni. Sul suo Decision Index v2.1, che combina accuratezza e calibrazione, Gemini Decision 1 ottiene 66 punti: un buon punteggio, ma dietro a Drex Max v1.1 e GLiDE v1.2 (73 ciascuno) e a diversi altri modelli di decisione specializzati. Si porta invece al comando tra i modelli di decisione nelle prove di conoscenza e ragionamento. Sul fronte della velocità, elabora un task in 211 millisecondi in media, all’interno della forbice annunciata da Google. Sul fronte dei prezzi, il confronto si ribalta: 345 dollari per milione di task sull’indice, contro 103 dollari per Drex Max v1.1, 68 per Decider v1.2 e 14 per Celeris-1.1 Decision. Meno costoso di un modello generativo, quindi, ma non il più economico della sua categoria.