Qué anuncia Google y qué cambia
Google DeepMind ha presentado la Gemini Decisions API, un nuevo endpoint disponible a través de la Gemini API en Google AI Studio y basado en el modelo gemini-decision-1. Según el anuncio de la compañía, no está pensado para generar texto libre, sino para resolver decisiones de conjunto cerrado: comprobaciones de sí/no, elección entre opciones y puntuación por rúbrica.
El cambio relevante para un negocio es el formato. En lugar de pedir una respuesta redactada y parsearla después, se envían preguntas con opciones definidas y el modelo devuelve probabilidades. Google lo describe como una capa de control de baja latencia para tareas como selección de herramientas, comprobaciones de políticas, enrutamiento de modelos o clasificación de contexto.
Una entrada, hasta 1.000 preguntas
Según el anuncio, una misma petición admite una entrada multimodal compartida —texto, imágenes, audio, vídeo y PDF, hasta 256K tokens— junto con hasta 1.000 preguntas independientes. El modelo puntúa las opciones en una sola pasada, sin decodificar token a token, y devuelve probabilidades y una puntuación de confianza entre 0 y 1.
El anuncio distingue tres tipos de pregunta:
- Yes/No: estima la probabilidad de que se cumpla una condición.
- Choice: elige entre 2 y 255 opciones y devuelve la ganadora con probabilidades normalizadas.
- Score: puntúa sobre una rúbrica ordenada y devuelve una puntuación continua y probabilidades por nivel.
La confianza declarada es la pieza que permite derivar casos ambiguos a una revisión humana o a un flujo alternativo, algo que el propio anuncio menciona como uso previsto.
Latencia, precio y calibración según el proveedor
Google cifra la latencia de extremo a extremo en 150-250 ms, con un coste de 0,10 dólares por millón de tokens de entrada y sin facturación por tokens de salida. La entrada compartida se factura una vez por petición, independientemente del número de preguntas. Existe un nivel sin coste en Google AI Studio para prototipar.
La compañía afirma que Gemini Decision 1 lidera un conjunto de benchmarks de enrutamiento de agentes, razonamiento, ranking y comprensión multimodal, con el menor error de calibración, y que resulta casi cinco veces más barato que Gemini 3.5 Flash-Lite con la Interactions API en esa misma batería. Son métricas publicadas por el proveedor y no verificaciones independientes; conviene tratarlas como tales al dimensionar un proyecto.
Usos que Google ya describe internamente
El anuncio cita varios equipos de Google que usan la API como capa de decisión: Gemini Notebook para enrutar consultas al nivel de modelo adecuado, Stitch para generar wireframes jugables, CC para elegir reacciones entre más de 200 opciones y Google Search como capa de detección de comportamiento adverso en herramientas MCP. Son ejemplos del propio proveedor, no casos de clientes externos.
El anuncio indica integraciones en despliegue con OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit y OpenCode, además de los SDK de google-genai, y soporte previsto en Gemini en Google Cloud. No se detallan fechas ni condiciones de disponibilidad en España.
Qué comprobar antes de adoptarla
La API encaja cuando el problema ya está formulado como un conjunto acotado de opciones. Si el criterio de negocio es difuso o cambia a menudo, definir las opciones y la rúbrica se convierte en el trabajo principal. Antes de integrarla conviene medir la calibración con datos propios, fijar un umbral de confianza por debajo del cual intervenga una persona y comprobar el coste real con el volumen y la longitud de entrada previstos.
Un ejemplo hipotético: una empresa recibe solicitudes con documentos adjuntos, pide a la API que clasifique el tipo de petición y su urgencia, y enruta automáticamente los casos claros al equipo correspondiente mientras los de baja confianza quedan en una cola de revisión. Es una posibilidad de diseño, no una función garantizada del producto.
Decisiones conectadas a tu proceso
Si tu equipo clasifica a mano correos, solicitudes o documentos antes de pasarlos al sistema adecuado, una API de decisiones cerradas puede reducir ese paso previo. En Wemvy diseñamos la integración entre esa capacidad y tus herramientas: conectamos la entrada con tu CRM o sistema de gestión, definimos las opciones y umbrales de confianza y automatizamos el enrutamiento, dejando los casos dudosos a revisión humana. El objetivo es que el proceso quede bajo control y sin copiar datos entre sistemas.
Cuéntanos qué decisiones tomas hoy de forma repetitiva y te proponemos un primer paso concreto para automatizarlas.
Fuente: blog.google
