Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
HN Daily
Inteligencia artificial · blog.google
Gemini Decisions API
Google DeepMind presenta un endpoint para decisiones cerradas (sí/no, opción múltiple y puntuación por rúbrica) basado en el modelo Gemini Decision 1. No genera texto: puntúa las opciones en una sola pasada y devuelve probabilidades, con latencia de 150-250 ms y sin cobrar tokens de salida.
Foto: vía blog.google
1 medio · MadridPublicada 11 nov, 21:15Actualizada 12 nov, 02:30· Ya no está en portadaEscrita por IA · cómo funciona
La Decisions API está pensada para elecciones acotadas: selección de herramientas, comprobación de políticas, enrutado entre modelos o valoración de contexto. Acepta una entrada multimodal (texto, imágenes, audio, vídeo y PDF, hasta 256K tokens) y hasta 1.000 preguntas independientes sobre ella. Gemini Decision 1 (gemini-decision-1) puntúa los candidatos en un único forward pass, sin decodificar token a token, y cada respuesta lleva una confianza de 0 a 1 para derivar los casos dudosos a un plan B o a una persona.
Hay tres tipos de pregunta: «noul» (sí/no, con criterios opcionales), «choice» (entre 2 y 255 opciones, con probabilidades normalizadas para cada una) y «score» (rúbrica ordenada que devuelve una puntuación ponderada continua y la probabilidad de cada nivel). Se pueden mezclar en una misma petición, y el formato de entrada es el mismo que el de la Interactions API. El ejemplo del artículo analiza la foto de una encimera con un texto y las tres preguntas a la vez.
Según Google, el modelo lidera sus pruebas de enrutado de agentes, razonamiento, ranking y comprensión multimodal, con el menor error de calibración. La latencia mediana de cómputo es de 50-100 ms y apenas varía entre 1 y 100 preguntas por petición. El precio es de 0,10 dólares por millón de tokens de entrada y 0 en salida; la entrada compartida se factura una sola vez. Con ello resulta casi 5 veces más barato que Gemini 3.5 Flash-Lite con la Interactions API en el conjunto de pruebas común.
Google ya lo usa internamente: como enrutador de modelos en Gemini Notebook (hasta un 40 % menos de latencia), en los wireframes de Stitch, para elegir emojis en CC y como capa de seguridad para herramientas MCP en Search. Está disponible en Google AI Studio con nivel gratuito, y las integraciones con OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit y OpenCode se están desplegando; el soporte en Google Cloud llegará más adelante.
«Gemini Decisions API» · puesto 7 · 368 puntos · enviado por iamdelirium
Lo que dicen los comentarios
Varios comentarios se preguntan por qué tardó tanto en aparecer algo así y cómo se calculan las probabilidades; la respuesta más repetida es mirar los logprobs de «yes»/«no» en un LLM corriente. Otros cuentan usos reales: etiquetar datos de entrenamiento, decidir en cada turno si un agente ha terminado, filtrar qué merece interrumpir a una persona. Hay quien destaca el bajo coste de ese tipo de llamadas. Sobre el precio se discrepa: un usuario lo considera algo más caro que otros modelos de decisión, aunque justificado por admitir audio y vídeo, y otros citan alternativas locales o basadas en Gemma, y una versión casera para indexar imágenes. También se pregunta cuándo llegará a Vertex, porque por ahora solo está en AI Studio.
Me sorprende que haya hecho falta Jev para que todos cayeran en que esto es útil y debería estar en el catálogo. Quizá solo es obvio a posteriori. ¿Cómo calculan estos modelos las probabilidades?
Con un LLM se puede hacer mirando los logprobs de «yes», «Yes», «YES»… frente a los de «no». Se puede hacer a mano o con librerías; hay una en Python sobre vllm.
Hoy me he montado mi propia versión de /goal en Claude/codex para pi usando Jev. Mi agente se paraba, así que en cada turno se llama a Jev para ver si ha terminado o no.
Al revisar nuestros flujos internos de IA me sorprendió cuánto encajaba una API de decisión. Respuestas rápidas a «¿esto merece interrumpir a una persona?» o «¿parece sospechoso?» nos cambiaron el trabajo; tras una semana de pruebas no gasté ni 5 dólares.
Es algo más caro que otros modelos de decisión de su categoría, pero admite audio y vídeo como entrada, y para esos casos concretos puede ser extremadamente útil.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.