Gemini Decision 1 escolhe respostas em vez de escrever: $0,10 por milhão de tokens de entrada, saída grátis
O Google lançou o Gemini Decision 1, um modelo que não escreve texto e responde a perguntas fechadas com percentuais de confiança. Diante do e-mail "a caneca chegou rachada", por exemplo, ele escolhe de imediato a fila de suporte, sem que você pague por um JSON que será descartado depois. A entrada custa $0,10 por milhão de tokens, e a saída é gratuita. Para roteamento e verificações, a conta fecha, mas o limiar de confiança fica por sua conta.
Processado por IA de KDnuggets; editado por Hamidun News
Pense no suporte de uma loja virtual: chega o e-mail "A caneca azul que pedi na segunda-feira chegou rachada na quarta". Para mandá-lo à fila certa, a maioria das equipes hoje aciona um modelo generativo completo, pede um JSON de volta, processa a resposta com um parser e paga pelos tokens de saída (os pedaços de texto em que o modelo divide a resposta), que são descartados em seguida. O Google decidiu vender essa camada separadamente.
O Gemini Decision 1 não escreve nada: ele lê a entrada e devolve probabilidades para perguntas fechadas, como "o produto está danificado?" e "qual fila é a adequada?" A entrada custa $0,10 por milhão de tokens, e a saída é gratuita porque simplesmente não existe.
Se o seu agente tem muitas dessas bifurcações discretas, esta é uma forma de baratear o processo, mas há uma ressalva importante sobre o limiar de confiança, explicada mais abaixo.
O que o Decision 1 faz
Em uma única passada, o modelo lê texto, imagens, vídeo, áudio e PDF, com até 262 144 tokens de entrada por requisição. Para cada entrada, é possível fazer até 1000 perguntas independentes, de três tipos:
- sim ou não: a resposta traz uma probabilidade de 1% a 99%;
- escolha entre 2 e 255 opções: uma probabilidade para cada uma;
- avaliação em escala ordenada: uma nota ponderada e a probabilidade de cada nível.
Cada resposta vem acompanhada de um nível de confiança, que permite encaminhar os casos pouco claros a um caminho de contingência ou a uma pessoa. A entrada é cobrada uma única vez, não importa quantas perguntas você faça. Em contrapartida, a lista do que não é suportado é longa: geração de texto, raciocínio, chamada de funções, saída estruturada, lotes (batches) e cache. É um mecanismo de avaliação, não um chatbot.
O próprio Google já usa a Decisions API em quatro produtos. Um deles roteia as requisições conforme o nível do modelo e a profundidade de raciocínio, e o Google afirma que isso reduz em até 40% a latência das requisições comuns. Outro monta protótipos de interface jogáveis e aplica edições por voz ou toque. O terceiro, do Google Labs, escolhe uma reação em emoji entre mais de 200 opções, sem pausa perceptível. O quarto funciona como camada de proteção e verifica se as ferramentas do Model Context Protocol têm comportamento hostil.
O que mostrou o teste do KDnuggets
O autor executou três cenários: o exemplo do guia de início rápido do Google, o exemplo do Google com imagem e uma mensagem ambígua própria. O modelo classificou o e-mail da caneca rachada como dano com 99% de probabilidade e o enviou à fila de trocas com 98% de confiança. O exemplo com imagem também fechou: líquido derramado 95%, ação "limpar com pano" 98%, gravidade de 1,19 ponto em 2. Em todas as chamadas, o número de tokens de saída foi zero.
O caso mais revelador foi o e-mail "Cobraram duas vezes, a alça está lascada". Ele cabe em duas filas, e o modelo mostrou isso com honestidade: 50,2% para trocas, 48,4% para cobrança, confiança geral de 50%. Mesmo assim, avaliou o dano em 99%. Um único exemplo não basta para julgar a calibração, que se verifica em milhares de casos, mas o comportamento desejado apareceu.
Daí sai uma regra prática. Se o seu código lê apenas o vencedor, o e-mail ambíguo vai para a fila com a mesma segurança de um caso óbvio, e nenhum alerta é emitido. Defina um limiar de confiança e envie tudo o que ficar abaixo dele a uma pessoa ou a um fluxo de contingência. O guia de início rápido do Google imprime só a escolha, e em produção isso é pouco.
Onde as afirmações do Google não se confirmaram
Velocidade. O Google fala em 150–250 ms de ponta a ponta. As chamadas de texto após a primeira levaram 339–577 ms, e a distância de rede explica a diferença sem dificuldade. As requisições com imagens levaram de 1,1 a 1,4 segundo: a mediana ficou de cinco a nove vezes acima do declarado. Parte do tempo talvez tenha sido gasta no download da imagem pelo link e no processamento de 1064 tokens de imagem, mas, de fora, não dá para separar as causas. Além disso, os números do Google valem para contextos de até 16 mil tokens, e não para os 256 mil completos, e chamadas idênticas variaram em mais de 300 ms entre si.
Comparações. A frase "quase cinco vezes mais barato" refere-se ao Gemini 3.5 Flash-Lite em um conjunto de testes escolhido pelo próprio Google. Se você já usa o Gemini, isso é útil, mas não diz nada sobre como o Decision 1 se sai ao lado de um classificador pequeno e ajustado (fine-tuned) que já funciona na sua operação.
Limitações. A página do modelo declara classificação de fluxos de mídia ao vivo, mas a Live API consta na lista do que não é suportado. Por enquanto, o modelo está disponível apenas no ecossistema Gemini, e o suporte ao Google Cloud ainda aparece marcado como não pronto.
O que fazer na prática
O Decision 1 resolve bem uma tarefa estreita: é barato, respondeu corretamente em todos os exemplos e demonstrou dúvida quando foi provocado a isso. Para roteamento de requisições e verificações de violação de regras, já vale testá-lo. Desde o primeiro dia, inclua no código um limiar de confiança e meça a latência com as suas imagens e vídeos antes de prometer 200 ms a alguém.
- 20 de nov. de 2026A Microsoft calcula em dólares o trabalho de agentes de IA em mais de 6000 tipos de tarefas, mas é só uma estimativa
- 20 de nov. de 2026Google ensina o Gemini a controlar o Mac em segundo plano, sem ocupar a tela nem o cursor
- 20 de nov. de 2026Google construiu uma cópia fechada da internet para testar os agentes de IA do Chrome
- 20 de nov. de 2026Ações da Anthropic sobem 17% no primeiro dia após IPO recorde de $81,3 bilhões
Perguntas frequentes sobre a notícia
O que o Decision 1 faz?
Em uma única passada, o modelo lê texto, imagens, vídeo, áudio e PDF, com até 262 144 tokens de entrada por requisição. Para cada entrada, é possível fazer até 1000 perguntas independentes, de três tipos: sim ou não: a resposta traz uma probabilidade de 1% a 99%; escolha entre 2 e 255 opções: uma probabilidade para cada uma; avaliação em escala ordenada: uma nota ponderada e a probabilidade de cada nível.
O que mostrou o teste do KDnuggets?
O autor executou três cenários: o exemplo do guia de início rápido do Google, o exemplo do Google com imagem e uma mensagem ambígua própria. O modelo classificou o e-mail da caneca rachada como dano com 99% de probabilidade e o enviou à fila de trocas com 98% de confiança. O exemplo com imagem também fechou: líquido derramado 95%, ação "limpar com pano" 98%, gravidade de 1,19 ponto em 2. Em todas as chamadas, o número de tokens de saída foi zero.
Onde as afirmações do Google não se confirmaram?
Velocidade. O Google fala em 150–250 ms de ponta a ponta. As chamadas de texto após a primeira levaram 339–577 ms, e a distância de rede explica a diferença sem dificuldade. As requisições com imagens levaram de 1,1 a 1,4 segundo: a mediana ficou de cinco a nove vezes acima do declarado. Parte do tempo talvez tenha sido gasta no download da imagem pelo link e no processamento de 1064 tokens de imagem, mas, de fora, não dá para separar as 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.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.