Google ensenya Gemini a decidir sense escriure

Decidir sense escriure

Google va presentar l'11 de novembre la Gemini Decisions API, una via nova de la seva API per a desenvolupadors que no serveix per conversar, sinó per decidir. Funciona amb Gemini Decision 1 (`gemini-decision-1`), un model nou de Google, l'anunci del qual signen un responsable de producte i un científic principal de Google DeepMind, el laboratori d'IA de Google, que pertany a Alphabet. Es fa servir a través de Google AI Studio, l'entorn de Google per als desenvolupadors que treballen amb Gemini.

Google la planteja per a decisions delimitades: quina eina fa servir un agent, si un contingut compleix una norma, a quin model s'envia una consulta o si un context serveix per a la tasca. Segons Google, en lloc de redactar la resposta paraula per paraula, el model puntua totes les opcions d'una sola passada i en retorna les probabilitats, amb una confiança de 0 a 1 en cada resposta perquè el programa enviï els casos dubtosos a un altre sistema o a una persona.

Hi ha tres tipus de pregunta, i es poden barrejar en una mateixa petició. `noul` és la de sí o no i retorna la probabilitat que una cosa es compleixi; `choice` tria entre 2 i 255 opcions i dona la probabilitat de cadascuna, i `score` posa una nota en una escala ordenada que defineix el programador.

L'exemple de Google és la foto del taulell d'una sala de descans abans d'una reunió, amb tres preguntes alhora: si hi ha un líquid vessat sense netejar, què convé fer —passar un drap, trucar al servei de neteja o res, perquè està a punt— i quina gravetat té el desordre.

Mil preguntes d'una sola passada

L'entrada pot barrejar text, imatges, àudio, vídeo i PDF —segons els exemples de Google, l'enregistrament d'una trucada amb les dades del compte, o una reclamació escanejada amb les fotos dels danys—. Entre l'entrada i les preguntes hi caben fins a 262.144 tokens, i en una sola petició, fins a 1.000 preguntes independents.

Segons Google, la latència mediana és de 50 a 100 mil·lisegons de càlcul del model i de 150 a 250 d'extrem a extrem, i amb prou feines canvia entre 1 i 100 preguntes per petició. La lletra petita: aquesta mesura és per a contextos de fins a 16.000 tokens. Google no dona la latència amb entrades més llargues, i la documentació tècnica, sense xifres, només diu que es manté gairebé plana en afegir-hi preguntes.

El preu és de 0,10 dòlars per milió de tokens d'entrada i zero per la sortida, perquè el model no genera text. L'entrada comuna es cobra una vegada per petició, es facin les preguntes que es facin, i cada pregunta només hi suma les seves instruccions i criteris. Segons Google, tampoc no hi ha càrrecs a part per tokens de raonament, per transcriure àudio o per llegir el text d'una imatge.

Per als prototips hi ha un nivell gratuït a Google AI Studio. Segons la pàgina de preus de Google, el que s'envia en aquest nivell es fa servir per millorar els seus productes; en el de pagament, no. L'API no admet memòria cau de context ni processament per lots (Batch API), i de moment només és a la Gemini Developer API, en la versió v1beta.

Google ja la fa servir a casa

Segons Google, diversos equips seus ja utilitzen la Decisions API. Gemini Notebook la fa servir com a encaminador en temps real: decideix a quin nivell de model i de raonament envia cada consulta, i així atén les quotidianes amb fins a un 40 % menys de latència i reserva els models de raonament profund per a les complexes.

A Stitch, l'eina de disseny de Google, un experiment de llenç ràpid genera en uns segons maquetes navegables d'un flux de producte i aplica canvis fets amb la veu o amb un toc. CC, un experiment de Google Labs, l'àrea de projectes experimentals de Google, tria la reacció amb emoji adequada entre més de 200 en una fracció de segon.

El Cercador de Google l'empra com a capa de seguretat per a les eines MCP: detecta comportaments i continguts hostils. Google assegura que ho fa amb una eficàcia alta en proves adversàries (adversarial evals) i sense sortir del marge de latència, però no en dona xifres.

Fora de Google, s'està integrant en eines per a desenvolupadors com OpenRouter —un servei que reuneix en una sola interfície models de molts proveïdors—, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit i OpenCode. Dins de casa, aviat arribarà a Gemini a Google Cloud.

OpenAI, Microsoft i TypeSafe AI ja hi eren

OpenAI, l'empresa de ChatGPT, va obrir la seva Decisions API a tots els desenvolupadors el 22 d'octubre, amb GPT-6 Luna com a únic model; Microsoft va presentar el 9 d'octubre Microsoft-Decision-1, un model derivat de Qwen3.5-9B que es fa servir a Microsoft Foundry, la seva plataforma d'IA al núvol Azure, i a través d'OpenRouter, i TypeSafe AI va presentar Jev el 15 de setembre. La novetat de Google és el que llegeix —àudio, vídeo i PDF— i quantes preguntes accepta en cada petició.

Un detall comprovable a la documentació de cadascuna: els tres tipus de pregunta de Google es diuen igual que els de Jev i els de Microsoft-Decision-1, `noul`, `choice` i `score`, i OpenAI anomena `predicate` la de sí o no.

La taula compara fitxes de producte, no rendiment: no hi ha cap prova comuna a les quatre. I que Google i OpenAI tinguin el mateix preu de llista per milió de tokens d'entrada no garanteix el mateix cost, perquè cada empresa compta els tokens amb el seu propi sistema i OpenAI descompta l'entrada que es repeteix gràcies a la memòria cau, cosa que Google no ofereix.

Les proves, de moment, són de Google

Google afirma que, en una bateria de proves d'encaminament d'agents, raonament, ordenació i comprensió multimodal, Gemini Decision 1 queda al capdavant en el conjunt i amb l'error de calibratge més baix. També diu que, en aquestes mateixes proves, surt gairebé cinc vegades més barat que Gemini 3.5 Flash-Lite fet servir amb la Interactions API de Google.

Són proves triades, fetes i publicades per l'empresa que ven el model. Les puntuacions només apareixen en gràfics de l'anunci, sense desglossament en el text, i fins que algú les repeteixi fora de Google són afirmacions de la companyia.