Google lanza Gemini Decisions API: hasta 1000 comprobaciones en una sola solicitud

Un agente recibe una consulta de un cliente: ¿debe responder por su cuenta, buscar información o pasar la tarea a un operador? Para tomar esta decisión, los desarrolladores suelen recurrir a un modelo de lenguaje convencional, esperar su respuesta y analizar el JSON recibido. Google ha presentado Gemini Decisions API, un servicio específico que evalúa opciones predefinidas sin generar texto de forma secuencial. Según la empresa, la latencia es de 150–250 ms y el precio, de $0,10 por millón de tokens de entrada. Para los equipos, es una oportunidad de comprobar cuánto tiempo y dinero dedica su producto a las decisiones intermedias.

Un documento, muchas comprobaciones

La API utiliza el nuevo modelo Gemini Decision 1. El desarrollador proporciona unos datos de entrada compartidos y un conjunto de preguntas independientes. El servicio admite texto, imágenes, audio, vídeo y PDF: por ejemplo, permite combinar la grabación de una conversación con los datos de una cuenta, o una solicitud escaneada con fotografías de un producto dañado.

Pensemos en el servicio de devoluciones de una tienda online. Un comprador envía una fotografía de una taza rota y explica que el embalaje estaba intacto. Una sola solicitud permite comprobar si hay daños visibles, elegir el siguiente paso entre las opciones propuestas y valorar la gravedad del problema en una escala predefinida. Los materiales compartidos se envían una sola vez y las respuestas llegan acompañadas de probabilidades.

Hay tres formatos disponibles: comprobaciones de sí o no, selección entre 2–255 opciones y valoración en una escala ordenada. En este último caso, el servicio devuelve una puntuación ponderada y las probabilidades de cada nivel. En total, una solicitud puede contener hasta 1000 preguntas y el contexto de entrada puede alcanzar los 256 mil tokens.

La ventaja práctica es reducir el trabajo repetido. Si hay que comprobar un documento según varias reglas, no es necesario enviarlo en una llamada generativa distinta para cada una. Eso sí, las preguntas deben ser independientes: una secuencia en la que el siguiente paso depende de la respuesta anterior tendrá que seguir coordinándose mediante código.

Qué significan las cifras de velocidad y precio

Google anuncia 50–100 ms para el cálculo del modelo y 150–250 ms de latencia total. Pero las condiciones de medición son relevantes: estas cifras corresponden a contextos de hasta 16 mil tokens. La empresa señala que el tiempo de procesamiento apenas varía al aumentar el número de preguntas de una a cien. Por ahora, no hay motivos para extrapolar esas cifras al máximo de 1000 preguntas y a todo el contexto disponible.

La entrada compartida se factura una sola vez por solicitud. Cada pregunta añade los tokens de sus propias instrucciones y criterios. No se cobran los tokens de salida ni hay tokens de razonamiento facturados por separado. Con la tarifa anunciada, procesar 10 mil tokens de entrada costaría $0,001, siempre que ese sea todo el volumen facturable de la solicitud.

La empresa también afirma que, en su conjunto de pruebas comparativas, el servicio es casi cinco veces más barato que Gemini 3.5 Flash-Lite a través de Interactions API. Es el resultado de una comparación concreta. En una aplicación propia habrá que tener en cuenta la longitud de las instrucciones, la combinación de archivos y el número de llamadas repetidas. En imágenes y vídeo se puede ajustar el nivel de detalle, lo que modifica el volumen de tokens y el coste.

Las probabilidades ayudan a elegir una alternativa

El principal elemento práctico son las probabilidades de las respuestas. Por ejemplo, un equipo puede tramitar automáticamente las devoluciones claras y enviar las ambiguas a un operador. El umbral de confianza debe ajustarse con ejemplos propios: la buena calibración que anuncia Google todavía no demuestra con qué fiabilidad evaluará el servicio las fotografías de sus productos concretos.

También hay una limitación en el propio planteamiento de la tarea. Si la acción correcta no figura entre las opciones propuestas, elegir una ganadora no resolverá el problema. En los flujos de trabajo reales conviene incluir una opción para derivar el caso a una persona o realizar una revisión adicional. Las comprobaciones de seguridad también requieren pruebas específicas: Google menciona el uso de la API para proteger las herramientas MCP en Search, pero el anuncio facilitado no incluye métricas detalladas que permitan evaluar ese caso de uso.

Se puede empezar desde Google AI Studio; se han anunciado un nivel gratuito para prototipos y guías para Python, JavaScript y REST. Lo razonable es tomar una tarea de enrutamiento o clasificación existente y comparar la calidad, la latencia y el coste con datos reales. Si las llamadas intermedias representan una parte considerable del tiempo de ejecución del agente, ese experimento permitirá determinar con claridad el valor de la nueva API.