Gemini Decision 1: la API que decide sin escribir

Google ya no quiere que su IA escriba párrafos para decir «sí»

La Gemini Decisions API responde hasta 1.000 preguntas cerradas en una sola llamada sobre un mismo insumo multimodal y cobra US$0,10 por millón de tokens de entrada, con cero costo por salida. El modelo detrás se llama Gemini Decision 1 y no genera texto: devuelve probabilidades. Para un founder que paga la factura de un agente con diez micro-decisiones por tarea, ese detalle es dinero.

Según el análisis que Simon Willison publicó el 11 de noviembre, la nueva API es casi idéntica a Jev, el modelo de decisiones de la startup TypeSafe: soporta los mismos tres tipos de pregunta y hasta recicla el término «Noul» para las preguntas de sí o no. La diferencia está en el precio y en los formatos de entrada.

¿Qué es Gemini Decision 1 y en qué se diferencia de un LLM?

Un LLM decodifica tokens hasta armar una respuesta que tu código después tiene que parsear. Gemini Decision 1 hace lo contrario: lee el insumo una vez y puntúa cada opción candidata en una sola pasada. Por eso el conteo de tokens de salida es siempre cero.

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 documentación define tres tipos de pregunta, según MarkTechPost:

noul (sí/no): devuelve la probabilidad de que la respuesta sea afirmativa, acotada entre 0,01 y 0,99.
choice: elige 1 entre 2 y 255 opciones y devuelve probabilidades normalizadas para todas.
score: puntúa sobre una rúbrica ordenada de 2 a 255 niveles y entrega un score ponderado.

El contexto es de 262.144 tokens (256K) compartidos entre el insumo y todas las preguntas. Corre solo en la API hospedada de Google (Gemini Developer API, v1beta): no hay pesos abiertos ni self-hosting. Y cada request acepta entre 1 y 1.000 preguntas, que se puntúan en paralelo sin verse entre sí.

Ese último punto es el que cambia el cálculo económico: el insumo compartido se factura una sola vez por request, sin importar cuántas preguntas le cuelgues. Cada pregunta suma apenas sus propios tokens de instrucción y criterios.

¿Cómo se comporta cuando le pasas un video?

Willison lo probó con el caso más difícil de replicar en un modelo de texto: un archivo de video. Le pasó cuatro preguntas junto al video de su robot «Yonkers stomping robot»: si aparece un dragón, si aparece un robot, si está rodado en Francia y si está rodado en Estados Unidos. Las respuestas no fueron binarias.

El dragón salió en 0,0497; el robot, en 0,9234; Francia, en 0,0832; Estados Unidos, en 0,9230. Willison señala el contraste: Jev y el modelo de decisiones de OpenAI devuelven 1,0 o 0,0 en preguntas de sí o no, mientras que Gemini se queda en una zona intermedia.

Eso no es indecisión: es el diseño. El acotamiento entre 0,01 y 0,99 que documenta Google hace estructuralmente imposible un 1,0 perfecto. Para el desarrollador, la consecuencia práctica es que ahora hay un umbral que definir: 0,92 no significa «sí», significa «sí, con un 8% de duda». Y esa duda es un dato utilizable, no un defecto.

¿Cuánto cuesta frente a Jev, OpenAI y Microsoft?

Modelo	Precio por 1M de tokens de entrada	Salida
Gemini Decision 1	US$0,10	US$0
GPT-6 Luna (OpenAI Decisions)	US$0,10	US$0
TypeSafe Jev	US$0,042	US$0

Gemini iguala a OpenAI y sigue por encima de Jev, que se mantiene como la opción más barata del trío, como apunta Willison. La comparación completa de MarkTechPost sobre siete evaluaciones compartidas da el matiz: US$0,88 para Gemini Decision 1, US$0,68 para Jev 1.14, US$0,93 para GPT-6 Luna y US$4,14 para Gemini 3.5 Flash-Lite. Es decir, casi 5 veces más barato que Flash-Lite, según los propios números de Google.

Dos advertencias para el modelo de costos: no hay prompt caching ni Batch API todavía, así que el contexto repetido se factura completo en cada llamada. Si tu agente manda el mismo documento en cinco requests distintos, la ventaja se diluye.

¿Qué dicen los benchmarks y cuánto pesan?

MarkTechPost recoge la tabla de Google, y conviene leerla con la etiqueta bien visible: todas las cifras son autoreportadas. En JevBench, Gemini Decision 1 anota 92,2% frente a 90,0% de Jev 1.14, 90,9% de GPT-6 Luna y 86,6% de Flash-Lite. En el error de calibración (ECE, cuanto más bajo mejor) marca 0,0250, aproximadamente la mitad que el 0,0494 de Jev y muy por debajo del 0,0721 de Luna.

El contraste está en las tareas donde pierde: 79,9% en When2Call contra 82,0% de Jev, y un 58,7% de Macro-F1 en Amazon ESCI, su peor resultado de la tabla. Su terreno propio son las modalidades que Jev directamente no soporta: 71,8% en MMAU (audio) y 69,1% en Video-MME sin subtítulos, donde ni Jev ni Luna reportan cifras.

La lectura honesta: la calibración es la ventaja real. Si vas a automatizar con umbrales de confianza, un error de calibración de la mitad importa más que dos puntos de accuracy en un benchmark.

¿Cómo se implementa y quién lo usa ya?

El endpoint está disponible en la Gemini Developer API (v1beta) y requiere el SDK google-genai 3.2 o superior. Hay capa gratuita para prototipar en Google AI Studio y guías en Python, JavaScript y REST. El ecosistema se está sumando vía OpenRouter, LangChain, Vercel AI SDK, LiteLLM, Pydantic AI, Pipecat, LiveKit y OpenCode; el soporte en Gemini on Google Cloud figura como próximamente.

Google no lo lanzó como experimento: Gemini Notebook rutea consultas entre niveles de modelo con esta API y sirve las consultas cotidianas con hasta 40% menos latencia, Google Labs’ CC elige reacciones con emoji entre más de 200 opciones y Stitch arma wireframes jugables en segundos. The Decoder agrega que también se usa para chequeos de seguridad en Google Search.

¿Por qué esta categoría explotó en cinco semanas?

Vale la pena dimensionar la velocidad del cambio. TypeSafe puso a Jev en acceso anticipado el 15 de septiembre de 2026 y el mismo día DCVC lideró una ronda seed de US$40 millones, según The Next Web. OpenAI abrió la beta pública de su Decisions API el 6 de octubre y Microsoft siguió el 9 de octubre con Microsoft-Decision-1, según CryptoBriefing. Cloudflare también entró con Clef, apunta The Decoder. Tres de los laboratorios más grandes en el mismo nicho en poco más de un mes.

Y hay una señal de demanda que no depende de benchmarks: según The Next Web, en sus primeras 24 horas en el AI Gateway de Vercel, Jev llegó a casi 13% de los equipos pagos, el doble que la familia GPT-5.6. Los equipos de Vercel habían estado usando un clasificador de seguridad sobre otro modelo y al cambiarlo a Jev ese paso quedó entre 5 y 18 veces más rápido.

¿Qué significa esto para tu startup?

La tesis que hay detrás de los modelos de decisión es simple: si un paso de tu flujo termina en una etiqueta, un score o un sí/no, no necesitas un modelo que sepa conversar. Necesitas uno que sepa puntuar. Y hasta ahora ese paso se resolvía con prompts y un parseo frágil del JSON de respuesta.

Acciones concretas que puedes ejecutar esta semana:

Audita tu agente y separa decisiones de generación. Haz una lista de cada punto donde el flujo solo necesita elegir una ruta, aprobar o rechazar, o clasificar severidad. Ese es tu inventario candidato, y suele ser el 70% de las llamadas a un modelo grande.
Diseña umbrales antes de elegir proveedor. Define tres bandas: automatizar por encima de 0,9, revisión humana entre 0,6 y 0,9, derivar a un modelo generativo por debajo de 0,6. Google mismo recomienda rutear los casos de baja confianza a un fallback o a un revisor humano.
Agrupa preguntas en una sola llamada. Como el insumo compartido se factura una vez, pasar de cinco requests a uno con cinco preguntas puede bajar tu costo unitario más que cambiar de proveedor.
Benchmarkea con tus propios datos etiquetados. MarkTechPost lo dice sin rodeos: un modelo de decisión puede devolver una respuesta válida que igual está equivocada. Las cifras de la tabla son de Google, no de tu caso de uso.

Si estás en LATAM o España y tu restricción es enviar datos fuera de la región, el punto débil de esta oferta es concreto: no hay pesos abiertos ni self-hosting, así que Gemini Decision 1 queda descartado por compliance antes de que la conversación llegue al precio. Ahí las alternativas open-weight del ecosistema de Jev siguen siendo la vía.

Conclusión

Gemini Decision 1 no es el más barato: Jev sigue ganando en precio con US$0,042 por millón y en When2Call. Tampoco es el más rápido por contrato. Lo que Google trae a la mesa son dos cosas que antes no estaban juntas: hasta 1.000 preguntas por request y soporte nativo de audio, video y PDF en un solo pase, con el error de calibración más bajo de la comparativa. Para quien construye agentes que miran videos, escuchan llamadas o revisan documentos escaneados, esa combinación abre casos de uso que un modelo de texto solo no puede atender.

La decisión de fondo ya no es cuál modelo es mejor. Es cuántas de las llamadas de tu producto nunca necesitaron prosa. Ese inventario es gratis de hacer, y probablemente sea el ahorro más rápido que tengas este trimestre.