Google lança Gemini Decisions API: decisões calibradas sem gerar texto

Em 11 de novembro de 2026, o Google apresentou a Gemini Decisions API, um endpoint para decisões de conjunto fechado, como escolher uma ferramenta, rotear uma requisição ou checar uma política. Ela usa o novo modelo gemini-decision-1, disponível pela Gemini API no Google AI Studio.

Ao contrário de um modelo generativo, que produz texto e obriga o código a interpretar a resposta, a Decisions API pontua as opções candidatas e devolve probabilidades. O agente decide para onde ir, e um modelo gerador só entra quando há texto a produzir.

O que muda: pontuar opções em vez de gerar texto

Segundo a documentação, um modelo generativo adiciona latência e lógica de parsing frágil a decisões simples. O Gemini Decision 1 evita esse passo: ele avalia as perguntas em uma única passada de leitura da entrada e devolve probabilidades calibradas e uma pontuação de confiança, com zero tokens de saída.

Existem três tipos de pergunta:

• Sim ou não: probabilidade de 0,01 a 0,99 e confiança.
• Escolha: de 2 a 255 opções, com a opção principal, a probabilidade de cada uma e a confiança.
• Nota por rubrica: de 2 a 255 níveis ordenados, com a nota esperada ponderada pela probabilidade.

Como funciona na prática

Uma requisição aceita uma entrada multimodal (texto, imagem, áudio, vídeo e PDF, até 262.144 tokens) e até 1.000 perguntas independentes sobre ela. A entrada compartilhada é processada uma vez, e cada pergunta acrescenta só as próprias instruções e critérios.

Isso encaixa bem em checagens em lote, como "cita a fonte?", "contém dado pessoal?" ou "qual destas três filas deve atender?". Os limites importam: segundo a página do modelo, não há geração de texto, function calling, saídas estruturadas, cache, Batch API nem Live API, e a API está na versão v1beta.

Preço e latência

O Google informa 150 a 250 ms de latência de ponta a ponta e US$ 0,10 por milhão de tokens de entrada, sem cobrança de saída. Há um nível sem custo no AI Studio para protótipos.

No mesmo segmento de tarefas repetitivas de agentes, o Meta Muse Ember também custa US$ 0,10 por milhão de tokens de entrada. A diferença é que o Muse Ember gera texto, enquanto o gemini-decision-1 só pontua opções.

O que é alegação do Google

O Google compara o modelo com o TypeSafe Jev 1.14, com a Decisions API do GPT-6 Luna (OpenAI) e com o Gemini 3.5 Flash-Lite na Interactions API. Todos os números abaixo são do próprio Google e não foram verificados de forma independente.

O Gemini Decision 1 lidera 7 dos 9 benchmarks da tabela. No JevBench, marca 92,2%, contra 90,0% do TypeSafe Jev, 90,9% do GPT-6 Luna e 86,6% do Flash-Lite. No erro de calibração Top-1 (menor é melhor), tem 0,0250, contra 0,0494, 0,0721 e 0,2104.

Houve dois testes em que ele não vence: o TypeSafe Jev fica na frente no Mind2Web Multimodal (86,8% contra 86,2%) e no When2Call (82,0% contra 79,9%). No custo total de 7 avaliações compartilhadas, o TypeSafe Jev também é mais barato (US$ 0,68 contra US$ 0,88). O GPT-6 Luna custa US$ 0,93 e o Flash-Lite, US$ 4,14.

O anúncio cita quatro usos internos: roteamento de modelos no Gemini Notebook (até 40% menos latência), edição no Stitch, escolha de emojis no CC e uma camada de segurança para ferramentas MCP na Busca. Eles mostram o perfil da API, mas não garantem o mesmo resultado em outras cargas de trabalho.

Como testar hoje

O caminho documentado é pelo Google AI Studio: crie uma chave de API e use o modelo gemini-decision-1. A documentação da API traz o formato exato da requisição, que não reproduzimos aqui porque ainda não rodamos o endpoint.

Para testar sem escrever código, a página do modelo lista três apps de exemplo no AI Studio: o Decisions Playground, para perguntas de sim ou não, escolha e nota sobre textos e mídias próprios; o Doorstep Parcels, que classifica fotos de entrega; e o Find the Zookeeper, que avalia atributos visuais de cenas.

Um teste sensato é pegar um roteamento que hoje usa um modelo generativo, montar de 20 a 50 casos com a resposta esperada e comparar acerto, latência e custo. Como a API está em v1beta, trate o resultado como preliminar. A integração com OpenRouter, LangChain, Vercel, LiteLLM e OpenCode está em andamento.