Google lanza Gemini Decision 1, su modelo de decisiones

Google presentó Gemini Decision 1, un modelo que no redacta ni una palabra y aun así resuelve hasta 1.000 preguntas en una sola llamada, con 150-250 ms de latencia de punta a punta y un precio de US$0,10 por millón de tokens de entrada. Lo anunciaron Sundar Pichai y Logan Kilpatrick, y el detalle que importa es otro: Google se adelantó a Anthropic en llevar un modelo de decisión listo para producción. Si tu producto ya corre agentes que hacen decenas de llamadas al LLM por tarea, este anuncio no es una curiosidad de laboratorio: es una línea en tu factura de inferencia.

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

Un modelo de decisión es un modelo entrenado para elegir entre opciones ya definidas y devolver la respuesta con una probabilidad, en lugar de generar texto libre que después hay que parsear. Gemini Decision 1 (gemini-decision-1) trabaja con decisiones de conjunto cerrado: puntúa las alternativas en una sola pasada en vez de decodificar token por token, por lo que factura US$0 de output.

La API acepta tres tipos de pregunta:

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): devuelve la probabilidad de sí, acotada entre 0,01 y 0,99.
choice: elige 1 de entre 2 y 255 opciones y devuelve probabilidades normalizadas para todas.
score: califica la entrada en una rúbrica ordenada de 2 a 255 niveles y devuelve un puntaje ponderado por probabilidad.

Cada respuesta trae un valor de confianza de 0 a 1, y Google recomienda enrutar los casos de baja confianza a un fallback o a un revisor humano. La entrada puede combinar texto, imágenes, audio, video y PDF en una misma pasada, con un contexto de 256K tokens (262.144) compartido entre la entrada y todas las preguntas. Las preguntas se evalúan en paralelo y no se ven entre sí, así que sumar preguntas casi no mueve el tiempo de respuesta.

El proyecto nació como prototipo interno de Google DeepMind y un equipo chico lo llevó a modelo y API en unas seis semanas.

¿Cuánto cuesta y qué tan rápido es una decisión frente a generar texto?

Google sostiene que es casi 5 veces más barato que Gemini 3.5 Flash-Lite y que la entrada compartida se factura una sola vez por request, sin importar cuántas preguntas se hagan. Tampoco hay cobro por tokens de razonamiento, transcripción ni OCR.

Hay dos letras chicas que conviene leer antes de migrar:

Todavía no soporta prompt caching ni Batch API, así que si repites el mismo contexto en cada llamada lo pagas completo una y otra vez.
Solo corre en la API hospedada por Google (Gemini Developer API, v1beta), sin pesos abiertos ni self-hosting. Requiere google-genai SDK 3.2 o superior, y hay un tier gratuito en Google AI Studio para prototipar.

¿Cómo rinde frente a Jev de TypeSafe y a OpenAI Decisions?

Google compara su modelo contra TypeSafe Jev 1.14, GPT-6 Luna (OpenAI Decisions) y Gemini 3.5 Flash-Lite, y reporta que gana 7 de 9 benchmarks, incluido 92.2% frente a 90.0% en JevBench. El dato más relevante para automatizar es la calibración: su error (ECE top-1) es 0.0250, la mitad de los 0.0494 de Jev 1.14. En costo total sobre las 7 evaluaciones compartidas, Google reporta US$0,88 para Decision 1, US$0,68 para Jev, US$0,93 para Luna y US$4,14 para Flash-Lite. Todos estos son números de Google sobre su propio modelo.

La medición independiente de Artificial Analysis es más matizada: Decision 1 anota 66 en el Decision Index, empatado con Jev 1.14 y Elephant 9B, y 7 puntos por detrás de Drex Max v1.1 y GLiDE v1.2. Lidera AA-Omniscience-Decision (66) y HLE-MultiChoice (49), pero en AA-Paperclip acierta todas las preguntas solo en el 33% de los documentos, contra 63% de Drex Max. Su costo es de US$345 por millón de tareas frente a US$103 de Drex Max y US$156 de Jev; su Brier score es 0.18 y su tiempo medio por tarea, 211 ms, contra 92 ms de Jev.

El resto del tablero ayuda a dimensionar la carrera. Jev, el primer modelo de decisión, lo lanzó TypeSafe a mediados de septiembre de 2026 y sumó un millón de usuarios en pocos días; tres semanas después la compañía levantó US$870M a una valuación de US$7.500M, según SiliconANGLE. OpenAI abrió la beta pública de su Decisions API el 6 de octubre de 2026 y Microsoft presentó Microsoft-Decision-1 el 9 de octubre de 2026, de acuerdo con el repaso de DiarioBitcoin. Tres grandes en el mismo nicho en unas cinco semanas.

¿Qué patrón de arquitectura están usando Cloudflare y Stitch?

En AI Engineer, Michelle Chen (Cloudflare) describió el diseño híbrido que están aplicando: modelos de decisión rápidos se encargan de la selección de herramientas y la extracción de logs, y un modelo grande de razonamiento se reserva solo para el diagnóstico. En su demo, eso bajó de seis llamadas al LLM a una y de unos 40K tokens a 1.8K.

Los primeros usuarios apuntan en la misma dirección. Stitch armó un experimento de diseño rápido sobre la API que va de un prompt crudo a un flujo de producto de varias pantallas en unos 5 segundos. LangChain publicó soporte desde el día cero con una clase base compartida con los clasificadores de TypeSafe. Y Google ya la usa adentro: Gemini Notebook enruta consultas entre niveles de modelo con esta API y sirve consultas cotidianas con hasta 40% menos latencia.

¿Qué significa esto para tu startup?

El cambio de fondo es de arquitectura, no de proveedor. Hasta ahora, cada micro-decisión dentro de un agente (¿esta consulta necesita búsqueda web? ¿este ticket es urgente? ¿esta respuesta cumple la política?) se resolvía con la misma llamada que el razonamiento complejo, pagando generación de texto para obtener un sí o un no. Un modelo de decisión rompe ese acoplamiento: puedes meter veinte verificaciones en una sola llamada, con probabilidades y confianza para rutear.

Cuatro cosas concretas para hacer esta semana:

Audita tus llamadas al LLM y separa las decisiones cerradas del razonamiento abierto. Cuenta cuántas devuelven en la práctica una etiqueta, un puntaje o un booleano. Ese es tu ahorro potencial. Ojo con el límite: el 33% de aciertos completos en AA-Paperclip que reporta Artificial Analysis sugiere que no conviene delegar razonamiento visual complejo al modelo chico.
Enruta por confianza en lugar de por prompt. Define un umbral y manda lo que quede por debajo al modelo grande o a un humano. Es la forma más barata de automatizar sin que un falso positivo silencioso te rompa la operación.
Mide costo por tarea completada, no por token. El precio por millón de tokens es el titular, pero el número que decide tu margen es el costo por tarea: US$345 por millón de tareas según Artificial Analysis para Decision 1, contra US$103 de Drex Max y US$156 de Jev.
Prueba antes de comprometerte con un proveedor. El tier gratuito de AI Studio alcanza para prototipar, y el ecosistema de SDK ya cubre OpenRouter, LangChain, Vercel AI SDK, LiteLLM, Pydantic AI, Pipecat, LiveKit y OpenCode. Corre tu propio benchmark con 200-500 ejemplos reales de tu producto y decide con eso, no con la tabla de Google.

Vale la pena tener presente lo que TypeSafe sostiene sobre su propio modelo: que Jev es dos órdenes de magnitud más rápido y eficiente que un LLM en tareas de decisión. Es una afirmación del vendedor, pero marca el estándar contra el que Google está compitiendo.

Conclusión

Los modelos de decisión pasaron de ser la apuesta de un laboratorio chico a un segmento con tres grandes jugando en serio en menos de dos meses. Para un founder, la lectura práctica es que la parte más cara y más lenta de un agente no suele ser el razonamiento complejo, sino las diez decisiones triviales que lo rodean. Ese es justo el terreno que Gemini Decision 1, Jev y OpenAI Decisions salieron a ocupar.

La recomendación no es migrar de inmediato, sino medir. Instrumenta tus agentes, cuenta cuántas llamadas son decisiones de conjunto cerrado y calcula cuánto gastas hoy en generar texto que nadie lee. Si ese número es relevante, ya tienes un caso de negocio para probar un modelo de decisión con tu propio tráfico.