O Google lançou a Gemini Decisions API, um endpoint novo para um tipo de tarefa diferente de conversar ou escrever: tomar decisões rápidas entre opções definidas. Em vez de gerar texto token por token, o modelo Gemini Decision 1 (gemini-decision-1) avalia as alternativas em uma única passada e devolve probabilidades e confiança. O anúncio é de 11 de novembro de 2026, assinado por Min Choi e Felix Yu, do Google DeepMind. Para quem acompanha o Jev, da TypeSafe AI, a proposta soa familiar, e por isso a matéria traz uma comparação direta no fim.
O que é a Gemini Decisions API
É uma API para decisões de conjunto fechado, ou seja, escolhas limitadas, como seleção de ferramentas, verificação de políticas, roteamento de modelos e avaliação de contexto. Você envia uma entrada multimodal e uma lista de perguntas, e a resposta traz um resultado tipado para cada uma, com confiança de 0 a 1, para que o seu código decida quando agir e quando mandar o caso para um fallback ou para uma pessoa.
Os três tipos de pergunta
- noul (sim ou não): estima a probabilidade de uma condição ser verdadeira, com descrições opcionais de verdadeiro e falso.
- choice (múltipla escolha): seleciona entre 2 e 255 opções e devolve a vencedora e as probabilidades normalizadas de todas as candidatas.
- score (rubrica ordenada): avalia a entrada em uma rubrica ordenada, começando em 0, e devolve uma nota contínua ponderada e a probabilidade de cada nível.
É possível misturar os três tipos na mesma requisição. O exemplo do Google analisa a foto de uma bancada de copa com uma nota em texto e faz três perguntas: se há líquido derramado, qual ação de limpeza se encaixa e qual a gravidade da bagunça.
Números e limites
- Entrada: texto, imagens, áudio, vídeo e PDFs, em uma única entrada de até 256 mil tokens.
- Perguntas: até 1.000 perguntas independentes por requisição.
- Latência: de 150 a 250 ms ponta a ponta, com mediana de 50 a 100 ms de computação do modelo, quase constante de 1 a 100 perguntas por requisição, nos testes com contextos de até 16 mil tokens.
- Preço: US$ 0,10 por milhão de tokens de entrada e US$ 0 por tokens de saída. A entrada compartilhada é cobrada uma vez por requisição, e cada pergunta soma apenas os tokens da sua instrução e dos seus critérios. Não há cobrança de tokens de raciocínio nem de transcrição de áudio ou OCR.
- Custo comparado: segundo o Google, cerca de cinco vezes mais barato que o Gemini 3.5 Flash-Lite com a Interactions API, na suíte de testes compartilhada. O Google afirma ainda que o modelo lidera os testes de roteamento de agentes, raciocínio, ranking e compreensão multimodal, com o menor erro de calibração. São resultados divulgados pelo próprio Google.
- Gratuito: há um nível sem custo na API para prototipar no Google AI Studio.
Quem já usa
- Gemini Notebook: roteamento dinâmico de consultas para o modelo e o nível de raciocínio ideais, com até 40% menos latência em consultas do dia a dia.
- Stitch: o experimento rapid canvas gera wireframes navegáveis de um fluxo de produto em segundos e aplica edições por voz ou toque quase instantaneamente.
- CC, do Google Labs: escolhe a reação de emoji entre mais de 200 opções em uma fração de segundo.
- Google Search: camada de segurança para ferramentas MCP, que detecta comportamento e conteúdo adversarial.
Como começar
Pegue uma chave no Google AI Studio e siga os guias em Python, JavaScript e REST na documentação da Decisions API. O exemplo do Google usa o cliente google-genai com api_version v1beta e a chamada client.decisions.create, com o modelo gemini-decision-1, o campo input no mesmo formato de blocos de conteúdo da Interactions API e um dicionário de perguntas. O Google também publicou demos no AI Studio, chamadas Doorstep Parcels, Speed Sketch e Find the Zoo Keeper. As integrações estão sendo liberadas em OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit e OpenCode, e o suporte no Gemini no Google Cloud está marcado como em breve. O post não diz se o modelo está em prévia ou em disponibilidade geral.
Gemini Decisions API e Jev: semelhanças e diferenças
O Jev é o modelo da TypeSafe AI, apresentado como o primeiro modelo “System One”: você envia um estado e perguntas tipadas e recebe respostas tipadas, sem geração de texto. A documentação oficial da TypeSafe descreve o Jev 1.14, disponível desde 14 de outubro de 2026. O post do Google não menciona o Jev nem a TypeSafe.
O que têm em comum
- Não geram texto: devolvem decisões que o código consome diretamente, sem precisar interpretar um parágrafo.
- Os mesmos três tipos de pergunta, com o mesmo nome: noul para sim ou não, choice para escolher uma opção e score para uma rubrica ordenada.
- Várias perguntas por requisição, avaliadas em paralelo e de forma independente sobre a mesma entrada.
- Probabilidades e confiança, para o código decidir se age, pede revisão ou escala o caso.
- Cobrança só da entrada, com saída gratuita, e latência na casa de centenas de milissegundos.
- Os mesmos casos de uso: roteamento, classificação, verificação de políticas e camadas de segurança. A recomendação em ambos é manter a lógica no código e usar o modelo para julgamentos pontuais.
O que muda
| Ponto | Gemini Decisions API | Jev (TypeSafe AI) |
|---|---|---|
| Modelo | gemini-decision-1 | jev-1.14.0 (alias jev-latest) |
| Entrada | Texto, imagens, áudio, vídeo e PDFs | Texto e imagens PNG e JPEG; sem áudio nem vídeo nativos |
| Contexto | Até 256 mil tokens por entrada | 64 mil por requisição e 32 mil por pergunta; 262 mil com cabeçalho de contexto longo, mais lento e menos preciso |
| Perguntas por requisição | Até 1.000 | Sem limite separado, desde que caiba nos limites de contexto |
| Tipos de pergunta | noul, choice, score | Choice, Score, Noul e Box (localizar algo em uma imagem, desde a versão 1.14) |
| Opções em choice | De 2 a 255 | A documentação consultada não informa um limite |
| Confiança | Mostrada em todas as respostas, inclusive no noul, no diagrama do Google | Em Choice, Score e Box; o Noul devolve uma probabilidade de 0 a 1, sem campo de confiança |
| Preço de entrada | US$ 0,10 por milhão de tokens, com nível gratuito no AI Studio | US$ 0,042 por milhão de tokens, com saída gratuita |
| Acesso | Gemini API, Google AI Studio e SDK google-genai | API POST /v1/systemone, SDKs em Python e JavaScript e console próprio |
| Treinamento | O Google fala em menor erro de calibração, sem detalhar o método | RLCD, aprendizado por reforço para decisões calibradas, conforme a documentação |
| Limitações publicadas | O post não lista | A TypeSafe documenta, por exemplo, leitura muito literal, dificuldade com contagem e números e queda de precisão com estado grande e cheio de detalhes irrelevantes |
Dois cuidados na comparação. Primeiro, os números de desempenho e de custo de cada lado são divulgados pelos próprios fornecedores e não foram medidos de forma independente aqui, então não dá para dizer qual é melhor. Segundo, a diferença mais concreta é o tipo de entrada: se você precisa decidir a partir de áudio, vídeo ou PDFs, ou de contextos longos, a oferta do Google cobre mais; se o seu caso é texto e imagem e você quer uma documentação extensa com padrões prontos de uso, o Jev tem material mais detalhado, incluindo o tipo Box.
Minha leitura
O fato mais interessante é que uma empresa do tamanho do Google tenha criado um endpoint dedicado a decisões em vez de pedir a um modelo de chat que devolva JSON. Isso valida uma ideia que ganhava força: separar o julgamento rápido, barato e calibrado da geração de texto, e deixar o código no comando. Para o desenvolvedor, a notícia boa é ter mais de uma opção para o mesmo padrão, com preços de entrada na faixa de centavos de dólar por milhão de tokens. A ressalva é que se trata de um modelo novo, com benchmarks divulgados pelo Google, e que o post não informa o estágio de disponibilidade.
Para quem é e para quem não é
É para desenvolvedores que montam roteadores, classificadores, filtros de segurança, avaliadores de qualidade e agentes que precisam decidir rápido e barato, principalmente com entradas multimodais. Não é para quem quer um modelo que converse, escreva ou explique o raciocínio: a API devolve decisões e probabilidades, não texto.
Perguntas frequentes
A Gemini Decisions API gera texto?
Não. Ela devolve respostas tipadas (sim ou não, escolha e nota) com probabilidades e confiança.
Quanto custa?
US$ 0,10 por milhão de tokens de entrada, sem cobrança de saída, com nível gratuito no Google AI Studio para prototipagem.
Quantas perguntas posso fazer por requisição?
Até 1.000, sobre uma mesma entrada de até 256 mil tokens.
É o mesmo que o Jev?
Não são o mesmo produto. São de empresas diferentes e o post do Google não cita o Jev, mas seguem uma ideia parecida e usam os mesmos três tipos de pergunta.
Fonte: Google Blog
Análise Crítica
A Decisions API reforça a ideia de separar decisões rápidas e calibradas da geração de texto, com entrada multimodal ampla, preço baixo de entrada e nível gratuito. As ressalvas são objetivas: os resultados de desempenho e custo são divulgados pelo Google, o post não informa se o modelo está em prévia ou disponível para todos e não traz limitações conhecidas do modelo. Na comparação com o Jev, o post do Google não cita a TypeSafe, e os números de cada lado vêm dos próprios fornecedores, sem teste independente.
A visão do canal Invente com IA
Se você desenvolve roteadores, classificadores ou filtros, vale testar a Decisions API no Google AI Studio, que tem nível gratuito, e comparar com o Jev nas suas próprias perguntas, medindo precisão, latência e custo. Comece por perguntas simples e específicas, deixe a lógica no código e use a confiança para decidir quando pedir revisão humana. Se você precisa de áudio, vídeo ou PDFs, o Google cobre mais tipos de entrada.
