Gemini Decisions API: decisiones en 200 ms por US$0.10

Gemini Decisions API: decisiones en una sola pasada, no texto

Google presentó la Gemini Decisions API, un endpoint que devuelve una decisión en 150-250 ms a US$0.10 por millón de tokens de entrada y sin cobrar un solo token de salida. El modelo detrás es Gemini Decision 1 (gemini-decision-1), disponible desde la Gemini API en Google AI Studio.

Para quien construye agentes, esto ataca justo el costo que más crece al escalar: cada enrutamiento, filtro de política o validación que hoy resuelves con un modelo generativo. La mecánica cambia de raíz. En lugar de decodificar token por token hasta armar una respuesta, Gemini Decision 1 puntúa las opciones candidatas en una sola pasada hacia adelante y devuelve probabilidades y puntuaciones de confianza.

¿Qué tipos de decisión puede resolver la API?

La API está pensada para elecciones acotadas: selección de herramientas, verificación de políticas, enrutamiento de modelos y clasificación de contexto. Tres primitivas cubren esos casos:

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

noul (Sí/No): estima la probabilidad de que se cumpla una condición binaria, con criterios opcionales de verdadero y falso.
choice (opción múltiple): elige entre 2 y 255 opciones y devuelve la ganadora junto con las probabilidades normalizadas de cada candidata.
score (rúbrica ordenada): califica la entrada sobre una rúbrica con niveles ordenados que arranca en 0, y entrega un puntaje continuo ponderado más la probabilidad de cada nivel.

Cada respuesta incluye una puntuación de confianza entre 0 y 1. Ese es el detalle que habilita arquitectura real: tu código puede derivar los casos ambiguos a un fallback o a un revisor humano en vez de tratarlos como si fueran certezas.

Multimodal en un solo request: hasta 1.000 preguntas sobre el mismo input

Sobre la arquitectura multimodal nativa de Gemini, el modelo procesa texto, imágenes, audio, video y PDFs directamente, sin pasos separados de transcripción ni OCR. Puedes combinar modalidades en una entrada compartida —una grabación de llamada junto a los metadatos de la cuenta, o un PDF escaneado de un siniestro junto a fotos de daños— y ajustar la resolución de imágenes y video para controlar el nivel de detalle y el costo en tokens.

El input admite hasta 256K tokens y hasta 1.000 preguntas independientes en un mismo request, mezclando chequeos de sí/no, opción múltiple y rúbricas. Google indica que la latencia mediana de cómputo del modelo se mantiene entre 50 y 100 ms (150-250 ms de extremo a extremo) en contextos de hasta 16K tokens, y que se mantiene casi plana al pasar de 1 a 100 preguntas por request.

Ahí está el punto económico: la entrada compartida se factura una sola vez por request, sin importar cuántas preguntas evalúes. Cada pregunta suma únicamente sus propios tokens de instrucción y criterios.

¿Cómo se compara con los modelos baratos de OpenAI y Anthropic?

El terreno de los modelos chicos y económicos se calentó fuerte en los últimos meses, y la comparación ayuda a ubicar la propuesta.

Según MarkTechPost, Claude Haiku 5.5 de Anthropic se lanzó con precios de US$0.10 por millón de tokens de entrada y US$0.50 de salida para prompts de hasta 100.000 tokens, mientras que la tabla del mismo medio lista a Gemini 3.5 Flash-Lite en US$0.30 de entrada y US$2.50 de salida por millón de tokens. SiliconANGLE reportó que esas tarifas de Haiku 5.5 igualan las de GPT-6 Luna de OpenAI, y que Asana probó el modelo antes de su salida con una latencia de finalización de tareas más de 30% menor que la del modelo que usa hoy.

En ese marco, Google afirma que Gemini Decision 1 con la Decisions API resulta casi 5 veces más barato que Gemini 3.5 Flash-Lite con la Interactions API a lo largo de su suite de benchmarks compartida. La razón estructural es simple: el modelo no emite tokens de salida, así que desaparecen los cargos por salida, los costos variables por tokens de razonamiento y los gastos separados de transcripción de audio y OCR.

El contexto macro también importa. CNBC informó que en septiembre de 2026 OpenAI sumó los niveles GPT-6 Sol y GPT-6 Luna recortando los precios de API un 50% frente al precio promocional de GPT-5.6, y que Anthropic lanzó Claude Opus 5.5 con un costo de operación cerca de 40% menor que Opus 5. La presión por bajar el costo por decisión es de toda la industria, no de un solo proveedor.

Casos reales: qué están haciendo equipos dentro de Google

La propia Google ya usa la API como plano de control de baja latencia, y los ejemplos son instructivos porque ninguno requería entrenar un clasificador propio:

Enrutamiento dinámico en Gemini Notebook: la API clasifica la intención en milisegundos para dirigir cada consulta al nivel de modelo y de razonamiento óptimo. Google reporta hasta 40% menos latencia en consultas cotidianas, reservando los modelos de razonamiento profundo para tareas complejas.
Iteración de diseño en Stitch: el nuevo experimento de canvas rápido genera wireframes jugables de un flujo de producto en segundos y aplica ediciones hechas por voz o toque casi al instante.
Selección de emojis en CC: la app de Google Labs elige la reacción correcta dentro de una paleta de más de 200 opciones en una fracción de segundo.
Capa de seguridad para herramientas MCP en Search: Google Search usa la API para detectar comportamiento y contenido adversarios dentro del mismo presupuesto de latencia.

¿Qué significa esto para tu startup?

Si tienes un agente en producción, hay tres movimientos concretos que puedes evaluar esta semana:

Audita tus llamadas de clasificación. Cada vez que hoy le pides a un modelo generativo que devuelva «sí», «no» o una categoría, estás pagando tokens de salida y esperando cientos de milisegundos de más. Mide cuántas de esas llamadas son elecciones de conjunto cerrado y pásalas a un endpoint que devuelve probabilidades.
Usa la confianza como política de escalamiento. Configura un umbral: por debajo de cierto nivel de confianza, la decisión va a un modelo más grande o a revisión humana. Así dejas de tratar todas las decisiones como si tuvieran la misma dificultad —y el mismo costo.
Agrupa preguntas sobre el mismo input. Si analizas un mismo documento o una misma imagen con varios criterios, mandarlos como preguntas separadas multiplica el costo. Una entrada compartida con múltiples preguntas se factura una sola vez.

Vale también revisar el costo de infraestructura que suele quedar escondido: si tu pipeline hacía transcripción de audio y OCR antes de clasificar, esos pasos se vuelven innecesarios cuando el modelo consume las modalidades directamente.

Los límites que conviene tener claros

Las afirmaciones de rendimiento y calibración provienen de los benchmarks del propio Google, no de una evaluación independiente. «Menor error de calibración» es una promesa técnica sobre qué tan bien las probabilidades reflejan la realidad, y conviene validarla con tu propio conjunto de datos antes de confiar en un umbral productivo.

Segundo punto: una puntuación de confianza alta no es lo mismo que una respuesta correcta. El modelo puede estar seguro y equivocado. La arquitectura sensata sigue siendo la misma que con cualquier componente probabilístico: definir un fallback, registrar los casos dudosos y medir el error real en producción.

Tercero: la API resuelve decisiones de conjunto cerrado, no razonamiento abierto. Si tu problema requiere generar texto, planificar pasos o sintetizar información, esto no lo reemplaza —lo complementa como capa previa y barata.

Conclusión

La Gemini Decisions API no compite por ser el modelo más inteligente, sino por ser el más barato y rápido en el tramo del pipeline donde la inteligencia es un desperdicio: elegir una opción entre varias. Con 150-250 ms de extremo a extremo, US$0.10 por millón de tokens de entrada y cero costo de salida, Google ataca un costo que crece en proporción directa al volumen de tu producto.

Para un founder con un agente en producción, la pregunta ya no es si vale la pena separar las decisiones de las generaciones, sino cuántas llamadas de tu sistema actual son en realidad clasificaciones disfrazadas de conversación. Hay un no-cost tier en Google AI Studio para prototipar, y las integraciones con OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit y OpenCode están saliendo junto a los SDK de google-genai.