Google lança Gemini Decisions API para decisões multimodais rápidas

A Google anunciou a Gemini Decisions API, um novo endpoint da Gemini API que utiliza o modelo Gemini Decision 1 para gerar decisões fechadas de forma rápida e probabilística a partir de entradas multimodais.

Capacidades principais

A API aceita até 1.000 perguntas independentes por solicitação, abrangendo três tipos de avaliação: sim/não, múltipla escolha (de 2 a 255 opções) e pontuação em rubricas ordenadas. Cada pergunta recebe um escore de confiança entre 0 e 1, permitindo que desenvolvedores encaminhem casos ambíguos para revisão humana ou processos alternativos.

Os resultados são entregues em um único passe de inferência, sem geração token‑a‑token, o que reduz a latência total para 150‑250 ms e elimina cobranças por tokens de saída. O custo reportado é de $0,10 por 1 milhão de tokens de entrada, com um nível gratuito disponível no Google AI Studio para prototipagem.

Processamento multimodal

O modelo Gemini Decision 1 processa texto, imagens, áudio, vídeo e PDFs em uma única chamada, suportando entradas de até 256 K tokens e contextos de até 16 K tokens. Usuários podem combinar diferentes modalidades – por exemplo, juntar a gravação de uma chamada com metadados de conta ou combinar um PDF de sinistro com fotos de danos – e ainda ajustar a resolução de imagens e vídeos para controlar o nível de detalhe e o consumo de tokens.

Em benchmarks que cobrem roteamento de agentes, raciocínio, ranqueamento e compreensão multimodal, o Gemini Decision 1 apresenta o menor erro de calibração da série e mantém latência quase constante ao escalar de 1 a 100 perguntas por requisição.

Casos de uso internos na Google

• Roteamento dinâmico de modelos no Gemini Notebook: a API classifica a intenção da consulta em milissegundos, reduzindo a latência em até 40 % e direcionando apenas as tarefas complexas para modelos mais profundos.
• Iteração rápida de design no Stitch: permite gerar wireframes jogáveis em segundos e aplicar edições por voz ou toque quase que instantaneamente.
• Seleção de emojis no CC (Google Labs): escolhe a reação correta entre mais de 200 opções em frações de segundo, sem impactar a experiência do usuário.
• Camada de segurança no Google Search: detecta comportamentos e conteúdos adversários dentro do mesmo envelope de latência, reforçando a proteção contra abusos.

O que isso muda para o seu negócio

Para pequenas e médias empresas brasileiras, a Gemini Decisions API oferece um caminho econômico para automatizar processos que exigem avaliações binárias, escolhas múltiplas ou pontuações de qualidade. Por exemplo, um e‑commerce pode usar a API para validar rapidamente se um pedido cumpre políticas de fraude, selecionar o método de entrega mais adequado entre várias opções ou classificar avaliações de clientes segundo critérios predefinidos.

Como a cobrança ocorre apenas pelos tokens de entrada, projetos que envolvem análise de documentos (contratos, notas fiscais) ou mídia (imagens de produtos, vídeos de demonstração) podem manter custos baixos, especialmente ao aproveitar o nível gratuito para testes iniciais. A entrega de escores de confiança permite criar fluxos de decisão híbridos, enviando casos incertos para revisão humana, o que ajuda a equilibrar automação e controle de qualidade.

Além disso, a capacidade de combinar diferentes tipos de mídia em uma única chamada simplifica a arquitetura de integração, reduzindo a necessidade de serviços separados de transcrição ou OCR. Empresas que já utilizam plataformas como LangChain ou Vercel podem integrar a Gemini Decisions API por meio dos SDKs e conectores já anunciados, acelerando a implantação de soluções de IA personalizadas sem grandes investimentos em treinamento de modelos próprios.

Fonte: Google (IA)