Google lanza Decisions API: enrutamiento y clasificación por 0,10 $ por millón de tokens

Casi todo producto basado en LLM tiene una capa aburrida que nadie muestra en las demos: un enrutador, un clasificador, un filtro. Decide a qué modelo llamar, si una solicitud pasa la política y si el contexto recuperado es adecuado. Normalmente se toma un modelo generativo pequeño, se le pide que responda con una sola palabra y luego se analiza el resultado. Google propone eliminar este parche: Gemini Decisions API está diseñada específicamente para tareas de selección.

Qué es

Es un endpoint independiente basado en el modelo Gemini Decision 1. No escribe texto. En una sola pasada evalúa todas las opciones y devuelve probabilidades. Las preguntas son de tres tipos:

• sí o no, con la probabilidad de que se cumpla la condición;
• elección entre 2 y 255 opciones, con una probabilidad para cada una;
• valoración en una escala que parte de cero, con una puntuación continua.

Como entrada se pueden enviar hasta 256 mil tokens: texto, imágenes, audio, vídeo o PDF. Sobre un mismo contenido se permite hacer hasta mil preguntas independientes en una sola solicitud.

Cómo se ve en la práctica

Imagine un servicio de soporte que recibe consultas con capturas de pantalla adjuntas. Antes se hacía una llamada distinta para cada rasgo: si es una devolución o no, si el cliente está molesto o no, a cuál de los doce equipos derivarlo, qué tan urgente es. Ahora la consulta se envía una sola vez, acompañada de una lista de preguntas. Como respuesta se obtiene un conjunto de probabilidades y puntuaciones que se pueden comparar de inmediato con umbrales en el código.

Este esquema también resulta cómodo para los agentes. En lugar de pedirle a un modelo grande que «elija una herramienta y lo explique», se obtiene una distribución entre las herramientas. Si la confianza queda por debajo del umbral, la solicitud pasa a un modelo más caro o a una persona. Es la lógica habitual de la ingeniería, solo que ahora se apoya en números y no en el análisis de una cadena de texto.

Dinero y calibración

Según la tarifa, un millón de tokens de entrada cuesta 10 centavos y los de salida no se cobran. El contenido común de la solicitud se paga una sola vez, sin importar cuántas preguntas se hagan sobre él. Por eso un documento largo con cien preguntas cuesta lo mismo que el mismo documento con una.

Google afirma que en su propio conjunto de pruebas de enrutamiento de agentes, razonamiento, ranking y tareas multimodales el modelo muestra el menor error de calibración. La calibración aquí es la honestidad de las probabilidades: si el modelo dice «80 %», debe acertar en aproximadamente cuatro de cada cinco casos. Para los umbrales y la escalada esto importa más que la precisión a secas. Allí mismo se declara un ahorro de casi cinco veces frente a Gemini 3.5 Flash-Lite a través de Interactions API.

Qué hay que tener en cuenta

En primer lugar, todas las cifras proceden por ahora de los benchmarks de la propia Google. Antes de sustituir un enrutador que funciona, ejecute el modelo con sus propios datos etiquetados y compruebe usted mismo la calibración: es ella la que determina si se puede confiar en los umbrales.

En segundo lugar, el acceso es por ahora limitado. La API está abierta a través de Gemini API y Google AI Studio, y el soporte en Google Cloud se promete para más adelante. Si trabaja en un entorno corporativo de Vertex, tendrá que esperar. Para prototipos en AI Studio hay un nivel gratuito.

En tercer lugar, el ecosistema se pone al día poco a poco. La conexión con OpenRouter, LangChain, Vercel, LiteLLM y otras herramientas no aparece de inmediato, así que al principio son posibles algunas asperezas.

Qué hacer

Busque en su stack los lugares donde un LLM se usa como interruptor: enrutamiento entre modelos, moderación, evaluación de la relevancia del contexto en RAG, elección de herramienta por un agente. Son los primeros que conviene probar con Decisions API. Si las probabilidades resultan honestas, obtendrá una capa de control más barata y predecible, y los modelos generativos caros quedarán para los casos en que realmente se necesita texto.