Gemini Decision 1 elige respuestas en lugar de escribirlas: $0,10 por millón de tokens de entrada, salida gratis
Google ha lanzado Gemini Decision 1, un modelo que no escribe texto, sino que responde a preguntas cerradas con porcentajes de confianza. Ante un correo como «la taza llegó rota», por ejemplo, elige directamente la cola de soporte, sin pagar por un JSON que luego se descarta. La entrada cuesta $0,10 por millón de tokens y la salida es gratuita. Para el enrutamiento y las verificaciones resulta rentable, pero el umbral de confianza lo tiene que fijar el propio usuario.
Procesado por IA desde KDnuggets; editado por Hamidun News
Imagine el soporte de una tienda online: llega un correo que dice «La taza azul que pedí el lunes llegó el miércoles rota». Para enviarlo a la cola correcta, la mayoría de los equipos recurre hoy a un modelo generativo completo: le piden que devuelva un JSON, lo procesan con un parser y pagan por los tokens de salida (los fragmentos de texto en que el modelo divide su respuesta), que se descartan de inmediato. Google ha decidido vender esta capa por separado.
Gemini Decision 1 no escribe nada: lee la entrada y devuelve probabilidades para preguntas cerradas como «¿el producto está dañado?» o «¿qué cola corresponde?» La entrada cuesta $0,10 por millón de tokens y la salida es gratuita, porque simplemente no existe.
Si su agente tiene muchas de estas bifurcaciones silenciosas, es una forma de abaratarlas, aunque con una salvedad importante sobre el umbral de confianza, que se explica más abajo.
Qué sabe hacer Decision 1
El modelo lee en una sola pasada texto, imágenes, vídeo, audio y PDF, hasta 262 144 tokens de entrada por solicitud. Sobre una misma entrada se pueden plantear hasta 1000 preguntas independientes de tres tipos:
- sí o no: la respuesta es una probabilidad de entre 1% y 99%;
- elección entre 2–255 opciones: una probabilidad para cada una;
- puntuación en una escala ordenada: una nota ponderada y la probabilidad de cada nivel.
Cada respuesta lleva un nivel de confianza, que permite derivar los casos poco claros a una ruta de reserva o a una persona. La entrada común se paga una sola vez, sin importar cuántas preguntas se hagan. A cambio, la lista de funciones no compatibles es larga: generación de texto, razonamiento, llamadas a funciones, salida estructurada, batches y almacenamiento en caché. Es un motor de evaluación, no un chatbot.
Google ya usa Decisions API en cuatro productos propios. Uno enruta las solicitudes según el nivel del modelo y la profundidad de razonamiento; Google afirma que así reduce hasta un 40% la latencia en las solicitudes habituales. Otro construye maquetas de interfaz jugables y aplica correcciones por voz o por toque. El tercero, de Google Labs, elige una reacción con emoji entre más de 200 opciones sin una pausa perceptible. El cuarto actúa como capa de protección y comprueba si las herramientas de Model Context Protocol tienen un comportamiento hostil.
Qué mostró la prueba de KDnuggets
El autor ejecutó tres escenarios: el ejemplo del inicio rápido de Google, su ejemplo con una imagen y un mensaje ambiguo de cosecha propia. El modelo identificó el correo de la taza rota como daño con una probabilidad del 99% y lo envió a la cola de sustituciones con una confianza del 98%. El ejemplo con imagen también salió bien: líquido derramado 95%, acción «limpiar con un paño» 98%, gravedad 1,19 puntos de 2. En todas las llamadas hubo cero tokens de salida.
El caso más revelador fue el correo «Me cobraron dos veces y el asa está rota». Encaja en dos colas, y el modelo lo reflejó con honestidad: 50,2% para sustituciones, 48,4% para facturación, confianza global del 50%. Aun así, valoró el daño con un 99%. Un solo ejemplo no basta para juzgar la calibración, que se comprueba con miles de casos, pero el comportamiento deseado apareció.
De ahí se deriva una regla práctica. Si el código lee solo al ganador, el correo dudoso llegará a su cola con la misma seguridad que el evidente, y no habrá ninguna alerta. Fije un umbral de confianza y envíe todo lo que quede por debajo a una persona o a un escenario de reserva. El inicio rápido de Google imprime solo la elección, y en producción eso no es suficiente.
Dónde no se confirmaron las afirmaciones de Google
Velocidad. Google habla de 150–250 ms de extremo a extremo. Las llamadas de texto posteriores a la primera tardaron 339–577 ms, y la distancia de red explica de sobra la diferencia. Las solicitudes con imágenes tardaron entre 1,1 y 1,4 segundos: una mediana de cinco a nueve veces superior a la declarada. Es posible que parte del tiempo se fuera en descargar la imagen desde un enlace y procesar 1064 tokens de imagen, pero desde fuera no se pueden separar las causas. Además, las cifras de Google corresponden a un contexto de hasta 16 mil tokens, y no a los 256 mil completos, y llamadas idénticas diferían en más de 300 ms.
Comparaciones. La frase «casi cinco veces más barato» se refiere a Gemini 3.5 Flash-Lite en un conjunto de pruebas elegido por la propia Google. Si ya usa Gemini, resulta útil, pero no dice nada sobre cómo queda Decision 1 frente a un clasificador pequeño y ajustado que usted ya tenga en funcionamiento.
Limitaciones. La página del modelo anuncia la clasificación de flujos de medios en directo, pero Live API figura entre las funciones no compatibles. Por ahora el modelo solo está disponible en el ecosistema de Gemini, y el soporte de Google Cloud aún aparece marcado como no listo.
Qué hacer en la práctica
Decision 1 resuelve bien una tarea acotada: es barata, respondió correctamente en todos los ejemplos y reconoció la duda cuando se la provocó. Para el enrutamiento de solicitudes y las comprobaciones de incumplimiento de normas, ya se puede probar. Desde el primer día, incorpore al código un umbral de confianza, y mida la latencia con sus propias imágenes y vídeos antes de prometerle a nadie 200 ms.
- 20 nov 2026Microsoft calcula en dólares el trabajo de los agentes de IA en más de 6000 tipos de tareas, pero es solo una estimación
- 20 nov 2026Google enseña a Gemini a controlar el Mac en segundo plano, sin ocupar la pantalla ni el cursor
- 20 nov 2026Google construye una copia cerrada de internet para probar los agentes de IA de Chrome
- 20 nov 2026Las acciones de Anthropic suben un 17% en su primer día tras una IPO récord de $81,3 mil millones
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué sabe hacer Decision 1?
El modelo lee en una sola pasada texto, imágenes, vídeo, audio y PDF, hasta 262 144 tokens de entrada por solicitud. Sobre una misma entrada se pueden plantear hasta 1000 preguntas independientes de tres tipos: sí o no: la respuesta es una probabilidad de entre 1% y 99%; elección entre 2–255 opciones: una probabilidad para cada una; puntuación en una escala ordenada: una nota ponderada y la probabilidad de cada nivel.
¿Qué se sabe sobre Qué mostró la prueba de KDnuggets?
El autor ejecutó tres escenarios: el ejemplo del inicio rápido de Google, su ejemplo con una imagen y un mensaje ambiguo de cosecha propia. El modelo identificó el correo de la taza rota como daño con una probabilidad del 99% y lo envió a la cola de sustituciones con una confianza del 98%. El ejemplo con imagen también salió bien: líquido derramado 95%, acción «limpiar con un paño» 98%, gravedad 1,19 puntos de 2. En todas las llamadas hubo cero tokens de salida.
Dónde no se confirmaron las afirmaciones de Google?
Velocidad. Google habla de 150–250 ms de extremo a extremo. Las llamadas de texto posteriores a la primera tardaron 339–577 ms, y la distancia de red explica de sobra la diferencia. Las solicitudes con imágenes tardaron entre 1,1 y 1,4 segundos: una mediana de cinco a nueve veces superior a la declarada. Es posible que parte del tiempo se fuera en descargar la imagen desde un enlace y procesar 1064 tokens de imagen, pero desde fuera no se pueden separar las causas.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.