Google ha lanciato la Gemini Decisions API e il modello Gemini Decision 1 per formulare rapidamente giudizi a insieme chiuso (closed-set) su input multimodali. È in grado di rispondere fino a 1.000 domande per richiesta, includendo punteggi di confidenza.
Google ha lanciato la Gemini Decisions API, un nuovo endpoint progettato per effettuare rapidamente valutazioni a insieme chiuso (closed-set)—come verifiche sì/no, selezioni a scelta multipla e punteggi basati su rubriche—su un’ampia gamma di media. Il servizio è alimentato da un nuovo modello, Gemini Decision 1 (gemini-decision-1), ed è disponibile tramite la Gemini API in Google AI Studio.
La promessa centrale è velocità e scalabilità: gli sviluppatori possono inviare un unico “input condiviso” multimodale (testo, immagini, audio, video o PDF) e porre fino a 1.000 domande indipendenti su quello stesso materiale in un’unica richiesta. Google presenta l’API come uno strumento pratico per attività come verifiche di conformità alle policy, instradamento delle richieste verso lo strumento o il modello più adatto, valutazione o ranking dei contenuti e “context grading” per sistemi downstream.
A differenza dei modelli generativi che producono testo in modo sequenziale, token per token, Gemini Decision 1 valuta le opzioni di risposta fornite in un’unica forward pass. Il risultato è un insieme di probabilità e punteggi di confidenza per ciascuna domanda, invece di spiegazioni in forma lunga. Google afferma che l’API restituisce risultati con una latenza end-to-end di 150–250 millisecondi, con compute del modello tipicamente nell’intervallo 50–100 millisecondi. Le prestazioni dovrebbero rimanere quasi costanti man mano che gli sviluppatori aumentano il numero di domande da 1 a 100 in una richiesta, e il sistema supporta contesti multimodali fino a 16.000 token; il limite di input complessivo per l’endpoint arriva fino a 256.000 token.
Google sottolinea anche la calibrazione—cioè quanto i punteggi di confidenza riflettano la correttezza nel mondo reale. Su benchmark interni che coprono agent routing, reasoning, ranking e comprensione multimodale, l’azienda afferma che Gemini Decision 1 guida la suite e registra il più basso errore di calibrazione, una metrica importante per costruire sistemi in grado di demandare automaticamente i casi incerti a operatori umani o a logiche di fallback.
Il pricing è strutturato per favorire workload decisionali ad alto volume. Gemini Decision 1 costa 0 addebitati per i token di output. Poiché l’endpoint restituisce punteggi anziché testo generato, non ci sono costi per i token di output, e Google afferma che non ci sono nemmeno addebiti variabili per “thinking token”. L’input condiviso viene fatturato una sola volta per richiesta indipendentemente dal numero di domande poste, mentre ciascuna domanda aggiunge solo i propri token di istruzioni e criteri. Google osserva inoltre che l’API non applica costi separati per la trascrizione audio o per l’OCR quando si lavora con audio o documenti scansionati.
Il design multimodale consente agli sviluppatori di mescolare formati in un’unica richiesta—per esempio combinando la registrazione di una chiamata con metadati dell’account, oppure affiancando una richiesta di rimborso in PDF scansionato con foto dei danni. Per immagini e video, la risoluzione può essere regolata per controllare il livello di dettaglio visivo e i costi in token. Ogni risposta include un punteggio di confidenza tra 0 e 1, pensato per rendere più semplice costruire workflow che instradino automaticamente le decisioni al limite verso un sistema secondario o verso una revisione umana.
Google afferma che team interni all’azienda stanno già utilizzando la Decisions API come “control plane” a bassa latenza, abilitando nuove funzionalità di prodotto definendo opzioni decisionali invece di addestrare classificatori personalizzati o attendere risposte generative complete. Un esempio citato è Stitch Rapid, che secondo Google usa l’API per generare un intero flusso di prodotto in pochi secondi.
Gli sviluppatori possono iniziare a usare lo strumento tramite Google AI Studio generando una chiave API e seguendo la documentazione per Python, JavaScript e REST. Google sta inoltre estendendo il supporto dell’ecosistema tramite integrazioni che includono OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit, OpenCode e gli SDK google-genai. Tra le app demo messe in evidenza da Google figurano Doorstep Parcels, Speed Sketch e Find the Zoo Keeper, ed è disponibile un livello gratuito per la prototipazione in AI Studio.
Perché è importante
Molti prodotti basati sull’AI spendono tempo e denaro a generare testo quando in realtà hanno bisogno di decisioni rapide e affidabili, come “consenti/nega”, “quale strumento” o “quale punteggio”. Un endpoint di scoring calibrato e multimodale potrebbe ridurre latenza e costi per la moderazione dei contenuti, lo smistamento (triage) dell’assistenza clienti e il routing degli agenti, consentendo al contempo un’automazione più sicura tramite escalation basata sul livello di confidenza. La prossima prova sarà capire quanto le dichiarazioni di benchmark di Gemini Decision 1 si traducano in carichi di lavoro reali e con quale rapidità gli strumenti di terze parti si standardizzeranno attorno al nuovo endpoint.