Martedì Google ha introdotto l'API Gemini Decisions, un nuovo endpoint creato per decisioni rapide e chiuse, basato su un modello appositamente creato chiamato Gemini Decision 1 (gemini-decision-1). L'API è ora disponibile tramite l'API Gemini in Google AI Studio, secondo l'annuncio di Google.
Il discorso è semplice: una vasta classe di lavori di intelligenza artificiale di produzione non ha bisogno di un modello che scriva saggi. La selezione degli strumenti, i controlli delle politiche, l’instradamento del modello e la valutazione del contesto sono tutte scelte limitate – e per queste, la generazione di testo generativo è lenta, costosa e scarsamente calibrata. L'API Decisions prende invece le opzioni del candidato e assegna loro un punteggio, restituendo probabilità e punteggi di confidenza anziché testo di risposta generato.
Per ulteriori informazioni sugli strumenti per sviluppatori come questo, segui la nostra copertura sugli strumenti AI.
Un input, fino a 1.000 domande, un passaggio in avanti
Il modello di input dell'API è insolito e lo è deliberatamente. Gli sviluppatori trasmettono un input multimodale (testo, immagini, audio, video o PDF, con contesti fino a 256.000 token) insieme a un massimo di 1.000 domande indipendenti in un'unica richiesta. Le domande possono combinare controlli sì/no, selezioni a scelta multipla e punteggi delle rubriche rispetto allo stesso input condiviso.
Poiché Gemini Decision 1 assegna un punteggio alle opzioni candidate in un singolo passaggio in avanti anziché decodificare i token uno per uno, Google segnala un calcolo del modello medio di 50-100 millisecondi e una latenza end-to-end di 150-250 millisecondi. L'azienda afferma che le prestazioni rimangono pressoché invariate poiché le domande variano da 1 a 100 per richiesta e che l'input condiviso viene fatturato una volta, indipendentemente dal numero di domande valutate rispetto ad esso.
Prezzo: nessun token di output, mai
Gemini Decision 1 ha un prezzo di 0,10 dollari per 1 milione di token di input, con zero token di output fatturati: una differenza strutturale significativa rispetto alle API generative, dove i token di output solitamente dominano il conto. Google afferma che ciò rende l'API Decisions quasi 5 volte più economica nella sua suite di benchmark condivisa rispetto a Gemini 3.5 Flash-Lite utilizzata tramite l'API Interactions, senza trascrizione audio separata o costi OCR. In Google AI Studio è disponibile un livello senza costi per la prototipazione.
La calibrazione è l'affermazione principale
L'annuncio di Google porta con un'affermazione sulla calibrazione: attraverso parametri di riferimento che abbracciano il routing degli agenti, il ragionamento, il ranking e la comprensione multimodale, la società afferma che Gemini Decision 1 è in testa alla suite con l'errore di calibrazione più basso. Ogni risposta viene fornita con un punteggio di confidenza compreso tra 0 e 1, quindi il codice dell'applicazione può indirizzare casi ambigui a un modello di fallback o a un revisore umano invece di fidarsi di una classificazione con scarsa confidenza.
La calibrazione è importante perché gli errori di routing si aggravano nei sistemi ad agenti. Un agente che sceglie lo strumento sbagliato con grande sicurezza fallisce silenziosamente; un agente che sa quando non è sicuro può degradarsi con grazia. Rendere la fiducia calibrata un output API di prima classe, insieme alla classificazione stessa, è probabilmente la parte del lancio più orientata alla produzione.
Multimodalità nativa in un unico passaggio
Basato sull'architettura multimodale nativa di Gemini, il modello elabora testo, immagini, audio, video e PDF direttamente in un unico passaggio. Gli esempi di Google mostrano la combinazione di modalità nella pratica: abbinamento della registrazione di una chiamata con i metadati dell'account o di una richiesta di risarcimento assicurativo in PDF scansionato con foto dei danni e regolazione della risoluzione sugli input di immagini e video per bilanciare i dettagli visivi con il costo simbolico.
L'azienda ha anche evidenziato l'adozione interna. Google afferma che i team di tutta l'azienda utilizzano già l'API Decisions come piano di controllo a bassa latenza, fornendo funzionalità definendo opzioni anziché addestrando classificatori personalizzati, incluso Stitch Rapid, che secondo l'annuncio utilizza l'API per progettare un intero flusso di prodotto in pochi secondi.
Supporto all'ecosistema fin dal primo giorno
Google ha elencato le integrazioni del giorno del lancio tra OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit e OpenCode, insieme agli SDK google-genai per Python, JavaScript e REST. Secondo l'annuncio, il supporto in Gemini su Google Cloud sarà presto disponibile.
Gli sviluppatori possono iniziare oggi con una chiave API in Google AI Studio e le app demo pubblicate da Google (Doorstep Parcels, Speed Sketch e Find the Zoo Keeper) per mostrare i modelli di richiesta in azione.
Perché è importante per l'economia degli agenti
L'API Decisions si rivolge allo strato meno affascinante ma più utilizzato dello stack di agenti emergenti: le piccole decisioni costanti che un agente prende dozzine di volte per attività. Se il routing, i controlli delle policy e la valutazione del contesto possono essere eseguiti a 150-250 millisecondi con prezzi prevedibili, gli aspetti economici dei flussi di lavoro degli agenti a lungo termine cambiano materialmente: il livello decisionale smette di essere un collo di bottiglia del modello generativo e si avvicina all’infrastruttura tradizionale.
Il lancio rafforza inoltre il posizionamento di Google rispetto ai rivali che costruiscono modelli di classificazione e routing dedicati, collegando la capacità multimodale di un laboratorio di frontiera a un prezzo di riferimento delle materie prime. Segnala anche dove Google vede la suddivisione del mercato delle API: modelli generativi per il lavoro a tempo indeterminato, modelli decisionali per controlli limitati e ad alto volume che mantengono i sistemi degli agenti sui binari. Se i benchmark indipendenti confermeranno le affermazioni sulla calibrazione sarà il parametro da tenere d’occhio man mano che l’adozione crescerà.
---
Stai al passo con l'intelligenza artificialeRicevi le ultime notizie, analisi e scoperte sull'intelligenza artificiale, tutto in un unico posto.
Leggi altre notizie sull'AI →
