Semana de superofertasClaude Skills — 20% DE DESCUENTO
News

Gemini Decisions API: Novedades, precios y alternativas (2026)

Powerdrill Bloom·
Gemini Decisions API: Novedades, precios y alternativas (2026)

Google lanzó la Gemini Decisions API el 11 de noviembre de 2026. Se trata de un nuevo endpoint para decisiones rápidas de conjunto cerrado, impulsado por un nuevo modelo llamado Gemini Decision 1.

En lugar de redactar una respuesta, el modelo califica un conjunto fijo de opciones. Google afirma que devuelve probabilidades y puntuaciones de confianza en un intervalo de 150 a 250 milisegundos, de extremo a extremo. Se pueden realizar hasta 1,000 preguntas sobre una misma entrada en una sola solicitud.

Esta guía explica qué hace la API, los tres tipos de preguntas, los precios y los primeros usos internos en Google. Concluye con alternativas, incluyendo una ruta sin código para equipos que desean calificar comentarios en una hoja de cálculo. Los detalles provienen de la publicación de lanzamiento de Google, consultada el 12 de noviembre de 2026.

Lo que Google anunció el 11 de noviembre

La publicación de Google describe el producto en una sola línea. Define la API como "un nuevo endpoint para decisiones rápidas de conjunto cerrado impulsado por nuestro nuevo modelo Gemini Decision 1".

Los datos clave de la publicación:

  • Nombre del modelo. El ID del modelo es gemini-decision-1.
  • Dónde se ejecuta. Está disponible a través de la Gemini API en Google AI Studio.
  • Entradas. Una sola entrada puede combinar texto, imágenes, audio, video y PDFs, hasta 256K tokens.
  • Preguntas. Se pueden adjuntar hasta 1,000 preguntas independientes a esa entrada.
  • Velocidad. Las respuestas llegan en un tiempo de 150 a 250 milisegundos de extremo a extremo.
  • Precio. La entrada cuesta $0.10 por cada 1M de tokens, y los tokens de salida no tienen costo.

Google lo presenta como un componente fundamental para otros sistemas de AI. La publicación menciona la "selección de herramientas, comprobaciones de políticas, enrutamiento de modelos y calificación de contexto" como tareas objetivo.

Cómo funciona la Gemini Decisions API

La mayoría de los modelos de lenguaje responden generando texto token por token. Gemini Decision 1 omite ese paso para preguntas acotadas.

La publicación indica que el modelo "califica sus opciones candidatas en una sola pasada hacia adelante". Devuelve una probabilidad para cada opción en lugar de una respuesta escrita. Este diseño explica tanto la velocidad como el precio.

El diseño de la pregunta realiza la mayor parte del trabajo. El ejemplo de Google asigna a cada opción una descripción breve, como "Pequeño derrame en el mostrador con un paño o toalla ya cerca". Criterios claros como ese le dan al modelo algo concreto sobre lo cual calificar.

Algunos hábitos ayudan al escribir sus propias preguntas:

  • Mantenga las opciones separadas. Dos categorías que se solapen dividirán la probabilidad entre ellas.
  • Describa cada opción. Una definición de una línea es mejor que una sola palabra como "urgente".
  • Ordene los niveles de la rúbrica. Las puntuaciones de la rúbrica comienzan en 0, así que coloque el nivel más bajo primero.
  • Añada una opción general. Una opción de "otro" evita que elementos extraños sean forzados en la categoría incorrecta.

Cada respuesta incluye una puntuación de confianza de 0 a 1. Google sugiere usarla para enviar casos poco claros a otro lugar. La publicación menciona que el código puede "enrutar casos ambiguos a un sistema de respaldo o a un revisor humano".

La velocidad se mantiene a medida que crecen las solicitudes. Google afirma que la latencia media permanece "casi plana de 1 a 100 preguntas por solicitud", para entradas de hasta 16K tokens.

Los tres tipos de preguntas

La API admite tres tipos de preguntas. Puede mezclar las tres contra la misma entrada en una sola solicitud.

Tipo Qué hace Salida
Sí/no (noul) Estima la probabilidad de que se cumpla una condición Probabilidad de que la respuesta sea sí
Opción múltiple (choice) Elige entre 2 y 255 opciones El ganador, más probabilidades normalizadas para cada opción
Puntuación de rúbrica (score) Califica la entrada en una escala ordenada que comienza en 0 Una puntuación ponderada, más una probabilidad para cada nivel

El propio ejemplo de Google analiza una foto del mostrador de una sala de descanso con una breve nota de texto. Una solicitud pregunta si hay un derrame, qué acción de limpieza corresponde y qué tan grave es el desorden.

Para datos empresariales, el mismo patrón se aplica a tareas comunes de revisión. Un equipo de soporte podría preguntar, por cada ticket, si menciona un reembolso, a qué área de producto concierne y qué tan urgente es. Estos son nuestros ejemplos, no los de Google.

Entrada multimodal en una sola pasada

El modelo lee varios formatos en conjunto. La publicación de Google dice que puede procesar "texto, imágenes, audio, video y PDFs directamente en una sola pasada hacia adelante".

La publicación ofrece dos combinaciones como ejemplos. Una es "una grabación de llamada con metadatos de la cuenta". La otra es "una reclamación en PDF escaneada con fotos de los daños".

Ese segundo ejemplo apunta a tareas de seguros y finanzas. Un equipo de reclamaciones podría calificar la integridad de cada archivo de reclamación, elegir una categoría y calificar la gravedad de los daños en una sola llamada.

También se puede ajustar la resolución de imagen y video. Google afirma que esto controla el "detalle visual y el costo de tokens".

Cómo lo utilizan ya los equipos de Google

La publicación de Google enumera usos tempranos dentro de la compañía:

  • Gemini Notebook. Utiliza la API para enrutar cada consulta al nivel de modelo y nivel de pensamiento adecuados. Google afirma que las consultas cotidianas obtienen "hasta un 40% menos de latencia".
  • Stitch. Un experimento de lienzo rápido la utiliza para generar esquemas interactivos de un flujo de producto en segundos.
  • CC de Google Labs. Elige una reacción de emoji entre más de 200 opciones "en una fracción de segundo".
  • Google Search. Actúa como una capa de seguridad que detecta comportamientos adversos en herramientas MCP.

Cada caso cambia una respuesta larga por una elección rápida y acotada. Ninguno de ellos requiere que el modelo redacte prosa.

Cuál es el costo

La publicación de Google ofrece un precio sencillo. Gemini Decision 1 "tiene un precio de $0.10 por cada 1M de tokens de entrada y $0 por los tokens de salida".

También existe una ruta gratuita para pruebas. La publicación menciona "un nivel de API sin costo que puede usar en Google AI Studio para prototipado".

La facturación tiene una particularidad útil para grandes conjuntos de preguntas. Google afirma: "Su entrada compartida se factura una vez por solicitud, sin importar cuántas preguntas evalúe". Cada pregunta adicional solo añade sus propios tokens de instrucción y criterios.

Algunos costos ocultos comunes están ausentes. Google afirma que no hay "cargos por tokens de salida, facturas variables por tokens de pensamiento, ni costos separados por transcripción de audio u OCR".

Elemento Precio en la publicación de Google
Tokens de entrada $0.10 por 1M de tokens
Tokens de salida $0
Prototipado en Google AI Studio Nivel sin costo

He aquí un ejemplo aproximado, utilizando nuestras propias suposiciones. Un equipo califica 5,000 respuestas de una encuesta, una solicitud por respuesta. Cada solicitud contiene unos 400 tokens de texto de respuesta y 150 tokens de preguntas.

Eso suma 550 tokens por solicitud, o 2.75 millones de tokens en total. A $0.10 por cada 1M de tokens de entrada, el lote cuesta unos $0.28. El conteo real de tokens depende de su texto y de la redacción de sus preguntas, así que realice una prueba con una muestra primero.

Google también compara el costo con sus propios modelos generativos. La publicación afirma que la Decisions API es "casi 5 veces más barata en toda la suite de pruebas comparativas compartidas que Gemini 3.5 Flash-Lite con la Interactions API".

Quién puede usarla y cómo empezar

La Gemini Decisions API es un producto para desarrolladores. Necesita una clave de API de Google AI Studio y algo de código.

La publicación de Google remite a guías de Python, JavaScript y REST en la documentación. También enumera tres aplicaciones de demostración: Doorstep Parcels, Speed Sketch y Find the Zoo Keeper.

Los equipos que ya utilizan la Gemini API encontrarán familiar el formato de entrada. Google afirma que el campo de entrada "utiliza el mismo formato de bloque de contenido que la Interactions API". Esto significa que el código existente que construye prompts con imágenes o PDFs puede ser reutilizado.

La salida requiere manejo por su parte. Su código lee las probabilidades, aplica un umbral y decide qué hacer con los elementos de baja confianza. Planifique esa lógica antes de enviar el primer lote grande.

El soporte de terceros también se está implementando. La publicación menciona a OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit y OpenCode. El soporte en Gemini en Google Cloud figura como "próximamente".

Limitaciones actuales

De la propia publicación se desprenden algunas limitaciones:

  • Solo preguntas cerradas. El modelo elige entre las opciones que usted defina. No escribe explicaciones ni resúmenes.
  • Requiere código. No se describe una interfaz de "apuntar y hacer clic" para usuarios de negocios.
  • Sus opciones dan forma a la respuesta. Una rúbrica mal redactada producirá puntuaciones seguras pero poco útiles.
  • El soporte de Google Cloud está pendiente. Los equipos que compran a través de Google Cloud deben esperar a la integración mencionada.

La calibración aún debe verificarse con sus propios datos. Google informa el error de calibración más bajo en su suite de pruebas, pero sus tickets o reclamaciones pueden diferir.

Qué significa esto para los equipos que califican datos a escala

La Gemini Decisions API abarata una tarea común: poner etiquetas a grandes pilas de elementos. Tickets de soporte, respuestas de encuestas, reseñas de productos y archivos de reclamaciones encajan perfectamente.

Tres preguntas ayudan a decidir si encaja en un equipo:

  1. ¿Son sus preguntas cerradas? Las comprobaciones de sí/no, las categorías y las calificaciones le sientan bien. Las preguntas abiertas no.
  2. ¿Cuenta con un desarrollador? Alguien debe escribir las llamadas y manejar las puntuaciones de confianza.
  3. ¿Es el problema la velocidad o el volumen? La API brilla cuando tiene miles de elementos o necesita respuestas en menos de un segundo.

Los equipos con unos pocos cientos de filas al mes y sin desarrollador pueden encontrar que da más trabajo del que ahorra. Para ellos, una herramienta sin código que lea el archivo y escriba el resumen suele ser el camino más corto.

El volumen también cambia la economía de la revisión. Cuando las etiquetas cuestan fracciones de centavo, un equipo puede calificar cada ticket en lugar de una muestra. El cuello de botella se traslada entonces a actuar sobre los resultados.

Alternativas a la Gemini Decisions API

Existen otras formas de etiquetar y calificar datos. Cada una tiene un costo de configuración diferente.

Opción Qué ofrece Precio o acceso
Gemini 3.5 Flash-Lite con la Interactions API Modelo generativo que puede devolver etiquetas como texto Base de comparación de Google; Google afirma que la Decisions API es casi 5 veces más barata en su suite de pruebas
Clasificador entrenado a medida Un modelo entrenado con sus propios ejemplos etiquetados Requiere datos etiquetados y habilidades de aprendizaje automático
Powerdrill Bloom Temas, sentimiento y gráficos a partir de archivos de comentarios subidos, sin código Plan gratuito a $0.00, Pro a $13.27/mes

Modelos generativos. Un modelo general puede responder las mismas preguntas en texto. Es más flexible, ya que también puede explicar su elección. La publicación de Google posiciona a la Decisions API como la opción más rápida y económica para elecciones acotadas.

Clasificadores a medida. La publicación de Google dice que sus equipos lanzan funciones "simplemente definiendo opciones en lugar de entrenar clasificadores personalizados". Un clasificador entrenado sigue teniendo sentido cuando se tienen años de datos etiquetados y categorías fijas.

Dónde encaja Powerdrill Bloom

Muchos equipos que necesitan calificar comentarios no escriben código. Tienen una exportación CSV de una herramienta de encuestas o de una tienda de aplicaciones, y necesitan un resumen para una reunión.

Powerdrill Bloom gestiona eso desde el propio archivo. El AI Review Summary Generator agrupa las reseñas en "temas, sentimiento y un resumen listo para la dirección". Usted sube una "exportación CSV de tiendas de aplicaciones, NPS, herramientas de soporte o cualquier plataforma de reseñas".

Para entrevistas con clientes y respuestas abiertas, el Voice of Customer Summarizer convierte los comentarios en temas. Luego puede convertir los resultados en gráficos con el AI Graph Maker.

La página de precios enumera un plan gratuito a $0.00 y el Pro a $13.27/mes.

Pruebe Powerdrill Bloom con la exportación de la encuesta del mes pasado y solicite los temas principales por sentimiento.

Preguntas frecuentes

¿Qué es la Gemini Decisions API?

La Gemini Decisions API es un endpoint de Google para decisiones rápidas de conjunto cerrado. Califica opciones para preguntas de sí/no, opción múltiple y rúbrica en lugar de escribir texto, y devuelve probabilidades con puntuaciones de confianza.

¿Qué es Gemini Decision 1?

Gemini Decision 1 es el modelo detrás de la Decisions API, con el ID gemini-decision-1. Google lo lanzó el 11 de noviembre de 2026 y lee texto, imágenes, audio, video y PDFs.

¿Cuánto cuesta la Gemini Decisions API?

Google fija el precio de Gemini Decision 1 en $0.10 por cada 1M de tokens de entrada y $0 por los tokens de salida. También hay un nivel sin costo en Google AI Studio para prototipado.

¿Cuántas preguntas puede incluir una solicitud?

Una solicitud puede incluir hasta 1,000 preguntas independientes sobre una sola entrada. La entrada puede ser de hasta 256K tokens y puede mezclar varios formatos.

¿La Gemini Decisions API escribe respuestas de texto?

No. Devuelve probabilidades y puntuaciones de confianza para las opciones que usted defina. Para resúmenes escritos o explicaciones, necesita un modelo generativo u otra herramienta.

Fuentes: Google, Gemini Decisions API: Fast, calibrated multimodal decisions.