Google lanza Gemini Decision 1: la IA que no escribe

Google lanza Gemini Decision 1: la IA que responde con un número y nada más

El 11 de noviembre Google presentó la Gemini Decisions API, un modelo que no escribe ni una palabra: recibe un contexto y hasta 1.000 preguntas cerradas, y devuelve probabilidades calibradas en 150-250 milisegundos. Cuesta US$0,10 por millón de tokens de entrada y cero por los de salida, porque no hay texto que facturar.

Para un equipo que revisa la factura de IA de su producto cada mes, la noticia no es la API en sí. Es que Google, OpenAI, Microsoft y Amazon compiten ya en la misma categoría: modelos que no conversan, solo deciden. Eso cambia qué conviene automatizar y a qué precio.

¿Qué es un modelo de decisión y en qué se diferencia de un chatbot?

Un modelo de decisión no genera lenguaje. Admite tres tipos de pregunta y nada más: sí o no, elegir una opción de una lista, o puntuar algo en una escala. Devuelve la respuesta junto a un número entre 0 y 1 que expresa su confianza.

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 →

La diferencia práctica es de arquitectura. Un modelo de lenguaje grande (LLM) decodifica su respuesta token a token y tu código después tiene que parsear ese texto para convertirlo en algo usable. Un modelo de decisión puntúa las opciones candidatas en una sola pasada. Google reporta 50-100 ms de cómputo del modelo y 150-250 ms de punta a punta, y esa cifra se mantiene casi plana entre 1 y 100 preguntas por request.

El otro cambio está en la factura. Google cobra el input compartido una sola vez por request, sin importar cuántas preguntas le hagas sobre él. Y como no hay tokens de salida, ese renglón simplemente desaparece.

TypeSafe y Jev: la categoría que nació hace dos meses

La categoría no la abrió un gigante. La abrió TypeSafe, una startup fundada en 2024 por Diogo Almeida (ex investigador de OpenAI), Sasha Sheng (ex ingeniera de investigación de Meta) y Erik Gafni. Su modelo, Jev, salió el 15 de septiembre y en pocos días acumuló un millón de usuarios, según SiliconANGLE.

Tres semanas después del lanzamiento, TypeSafe cerró una Serie A de US$870M a una valoración de US$7.500M, liderada por Andreessen Horowitz con participación de Sequoia Capital y DCVC, según SiliconANGLE. La compañía afirma que un tercio de las empresas del Fortune 500 ya usa Jev, según TechCrunch.

Las cifras que vende TypeSafe son agresivas: procesa requests en menos de 700 milisegundos, hasta 200 veces más rápido que algunos LLM de frontera y hasta 100 veces más eficiente en coste, de acuerdo con lo que reportó SiliconANGLE. Jev es parte de una serie de modelos que la empresa bautizó System One, en referencia directa al sistema 1 de Kahneman.

La respuesta de OpenAI, Microsoft y el resto

OpenAI no tardó. Anunció su Decisions API en su día de desarrolladores del 29 de septiembre y la abrió a todos los clientes el 22 de octubre, según TechCrunch. Su enfoque fue distinto al de TypeSafe: en lugar de entrenar un modelo específicamente calibrado, reconfiguró ChatGPT Luna para acelerar la inferencia y bajar el costo.

El resultado, según el responsable de producto de las APIs de OpenAI citado por TechCrunch, fue pasar de respuestas de uno a tres segundos a 100-180 milisegundos. Entre los clientes que probaron el cambio están Box, Datadog, Ramp y Speak; el CTO de Speak dijo que redujo el tiempo entre acciones de su tutor de idiomas de 1,4 segundos a 0,13 segundos.

Microsoft lanzó su Microsoft-Decision-1 el 9 de octubre, según Crypto Briefing. Y no son los únicos: en los rankings públicos de la categoría ya aparecen D1 Ultra de Liquid y Elephant-1 de Base Lab, según TechCrunch.

¿Por qué la eficiencia se volvió la métrica que importa?

Porque el gasto dejó de ser alegre. Cada vez más de ese gasto no lo generan personas, sino agentes que en cada paso tienen que tomar una decisión pequeña: ¿este correo es urgente?, ¿a qué departamento va?, ¿qué herramienta uso ahora?

Pagar un modelo de frontera para que escriba un párrafo del que solo quieres extraer un sí es caro y lento. La fuente original de esta nota lo resume con una imagen precisa: es como contratar a un notario para que te diga qué hora es. Amazon ya migró la clasificación interna de tickets a uno de estos modelos y su costo se redujo más de 40 veces.

Los benchmarks de la categoría ya se pelean por milisegundos y centavos. Google afirma que su modelo es casi 5 veces más barato que su propio Gemini 3.5 Flash-Lite en la suite compartida de evaluaciones (US$0,88 frente a US$4,14), aunque reconoce que Jev 1.14 sale más barato que su modelo en esa misma suite (US$0,68). En calibración, Google reporta un error de 0,0250 frente al 0,0494 de Jev 1.14, según su propia tabla de benchmarks.

Conviene leer esas tablas con pinzas: son cifras autoinformadas por cada proveedor. El propio CEO de TypeSafe, Diogo Almeida, dijo a TechCrunch que desconfía de los benchmarks y recomienda probar los modelos en el propio flujo de trabajo.

¿Qué se pierde cuando la IA deja de explicarse?

Se pierde la auditoría. Un chatbot, con toda su verborrea, mostraba el camino: podías leer cómo llegaba a una conclusión y detectar un error. Un modelo de decisión devuelve 0,16. 0,82. Nada más.

Ese número va a decidir cada vez más cosas que te afectan: si tu reclamación es prioritaria o se va al final de la cola, si tu pago parece sospechoso y te bloquean la tarjeta en mal momento, si tu consulta merece el modelo grande o el barato. Y va a pasar dentro de sistemas que nunca ves, a una velocidad que no deja tiempo para preguntar.

Google lo reconoce en su propia documentación: recomienda enrutar los casos de baja confianza a un fallback o a un revisor humano. Ese umbral es una decisión de producto, no un detalle técnico.

Qué significa esto para tu startup

1. Audita tus llamadas a LLM y separa las que son decisiones. Revisa tu código y tu orquestador de agentes. Cada llamada que solo espera un sí o no, una categoría de una lista o un score es candidata a migrar. Las que necesitan redactar, resumir o razonar en varios pasos, no.

2. Usa el número de confianza como umbral, no como adorno. El valor entre 0 y 1 que devuelven estos modelos sirve para enrutar: por encima de tu umbral, automatizas; por debajo, mandas a un modelo mayor o a revisión humana. Definir ese umbral con datos de tu propio tráfico es lo que evita que un 0,55 mal calibrado te cierre la cuenta de un cliente.

3. Mide en tu workload antes de firmar. Los índices públicos, como el AIM System One Index o el Artificial Analysis Decision Index, son un punto de partida, no una respuesta. Corre una prueba con tus datos reales: latencia, costo por 1.000 decisiones y tasa de acierto. La diferencia entre proveedores suele ser menor que la diferencia entre tu caso de uso y el benchmark.

4. Empieza barato. Google ofrece una capa gratuita en Google AI Studio para prototipar, y Jev está disponible en OpenRouter. Puedes validar el caso de uso antes de comprometer presupuesto de producción.

La categoría tiene dos meses de vida y ya tiene cuatro gigantes dentro. Si tu producto depende de decisiones repetitivas a escala, esta es la ventana para bajar costos antes de que lo haga tu competencia.