Google lanza Gemini Decision 1, su nuevo modelo multimodal especializado en toma de decisiones

A diferencia de los modelos 'System One' que a menudo sufren de alucinaciones al intentar generar explicaciones largas, Gemini Decision 1 evita este problema al no generar texto. Al devolver probabilidades calibradas, permite que los ingenieros implementen umbrales de confianza (confidence thresholds) para decidir cuándo una tarea debe ser escalada a un humano o a un modelo de razonamiento superior, optimizando así el flujo de trabajo de los agentes de IA.

• Evaluación: Artificial Analysis Decision Index v2.1.
• Fortalezas: Revisión de documentos, tool calling y razonamiento de clasificación.
• Metodología: Evaluación basada en precisión de respuesta estructurada y niveles de confianza.

Estructura de Precios de la API

El factor económico es quizás el argumento más fuerte para la adopción masiva de Gemini Decision 1. Google ha implementado un modelo de precios basado exclusivamente en el input, eliminando el coste de los tokens de salida, ya que el modelo no genera texto, sino que devuelve datos estructurados.

Con un precio reportado de aproximadamente $0.10 por millón de tokens de entrada, este modelo es casi 5 veces más económico que Gemini 3.5 en suites de benchmarks compartidos. Esta eficiencia permite escalar procesos de moderación de contenido y cumplimiento normativo (compliance) a niveles que antes eran prohibitivos económicamente.

• Precio de entrada: $0.10 por millón de tokens.
• Precio de salida: $0.00 (Zero token-generation overhead).
• Ventaja competitiva: Ideal para tareas de alta escala y bajo coste unitario.

Casos de Uso Principales

Gemini Decision 1 no busca reemplazar a los modelos de chat, sino complementar el ecosistema de agentes. Es la herramienta ideal para tareas donde la respuesta debe ser binaria o categórica. Por ejemplo, en la moderación de contenido, el modelo puede analizar video y audio para clasificar infracciones de políticas con una confianza estadística clara.

Otros casos de uso críticos incluyen el cumplimiento normativo (compliance) en sectores financieros, donde se requiere validar documentos PDF contra listas de verificación extensas, y la evaluación estructurada de datos en pipelines de RAG, donde el modelo puede actuar como un clasificador de relevancia antes de pasar la información a un modelo de generación.

• Moderación de contenido (Texto, Audio, Video).
• Compliance y auditoría de documentos (PDF).
• Clasificación masiva de datos para entrenamiento de otros modelos.
• Evaluación de rúbricas para sistemas de scoring automático.

Cómo empezar a utilizarlo

Los desarrolladores pueden acceder a Gemini Decision 1 a través de Google AI Studio, donde se encuentra la documentación oficial en el endpoint `docs/models/gemini-decision-1`. También se ha publicado una guía dedicada para la Decisions API que detalla cómo estructurar las preguntas de opción múltiple y las rúbricas.

Para quienes prefieren utilizar agregadores de modelos, Gemini Decision 1 ya está listado en OpenRouter bajo el identificador `google/gemini-decision-1`, facilitando la integración en flujos de trabajo existentes que ya utilizan este proveedor.

• Plataforma principal: Google AI Studio.
• Documentación: Decisions API Guide.
• Alternativa: OpenRouter (google/gemini-decision-1).

API Pricing — Input: $0.10 per million (input-based, reported) / Output: $0.00 / Context: Pricing is based on input tokens; zero cost for output tokens due to non-generative nature.

Sources