Settimana del Super ScontoClaude Skills — 20% DI SCONTO
News

Gemini Decisions API: Novità, Prezzi e Alternative (2026)

Powerdrill Bloom·
Gemini Decisions API: Novità, Prezzi e Alternative (2026)

Google ha lanciato la Gemini Decisions API l'11 novembre 2026. Si tratta di un nuovo endpoint per decisioni rapide a set chiuso, alimentato da un nuovo modello chiamato Gemini Decision 1.

Invece di scrivere una risposta, il modello assegna un punteggio a un set fisso di opzioni. Google dichiara che restituisce probabilità e punteggi di confidenza in un tempo compreso tra 150 e 250 millisecondi, end-to-end. È possibile porre fino a 1.000 domande su un singolo input in un'unica richiesta.

Questa guida illustra le funzioni dell'API, i tre tipi di domande, i prezzi e i primi utilizzi interni a Google. Si conclude con le alternative, incluso un percorso no-code per i team che desiderano valutare i feedback in un foglio di calcolo. I dettagli provengono dal post di lancio di Google, consultato il 12 novembre 2026.

Cosa ha annunciato Google l'11 novembre

Il post di Google descrive il prodotto in una riga. Definisce l'API "un nuovo endpoint per decisioni rapide a set chiuso, alimentato dal nostro nuovo modello Gemini Decision 1".

I fatti chiave del post:

  • Nome del modello. L'ID del modello è gemini-decision-1.
  • Dove viene eseguito. È disponibile tramite la Gemini API in Google AI Studio.
  • Input. Un singolo input può combinare testo, immagini, audio, video e PDF, fino a 256K token.
  • Domande. È possibile allegare fino a 1.000 domande indipendenti a tale input.
  • Velocità. Le risposte arrivano in 150-250 millisecondi end-to-end.
  • Prezzo. L'input costa $0.10 per 1M di token, mentre i token di output non costano nulla.

Google lo presenta come un elemento costruttivo per altri sistemi AI. Il post elenca "selezione degli strumenti, controlli delle policy, routing dei modelli e valutazione del contesto" come compiti target.

Come funziona la Gemini Decisions API

La maggior parte dei modelli linguistici risponde generando testo un token alla volta. Gemini Decision 1 salta questo passaggio per le domande delimitate.

Il post afferma che il modello "valuta le opzioni candidate in un unico passaggio in avanti (forward pass)". Restituisce una probabilità per ogni opzione invece di una risposta scritta. Questo design spiega sia la velocità che il prezzo.

Il design della domanda svolge la maggior parte del lavoro. L'esempio di Google fornisce a ogni scelta una breve descrizione, come "Piccola fuoriuscita sul bancone con un panno o un asciugamano già nelle vicinanze". Criteri chiari come questo offrono al modello qualcosa di concreto su cui basare il punteggio.

Alcune abitudini aiutano quando scrivi le tue domande:

  • Mantieni le opzioni separate. Due categorie che si sovrappongono divideranno la probabilità tra di loro.
  • Descrivi ogni opzione. Una definizione di una riga è meglio di una singola parola come "urgente".
  • Ordina i livelli della rubrica. I punteggi della rubrica iniziano da 0, quindi inserisci prima il livello più basso.
  • Aggiungi un'opzione generica. Una scelta "altro" impedisce che elementi anomali vengano forzati nella categoria sbagliata.

Ogni risposta porta con sé un punteggio di confidenza da 0 a 1. Google suggerisce di usarlo per inviare i casi poco chiari altrove. Il post afferma che il codice può "instradare i casi ambigui a un fallback o a un revisore umano".

La velocità si mantiene costante all'aumentare delle richieste. Google afferma che la latenza media rimane "quasi piatta da 1 a 100 domande per richiesta", per input fino a 16K token.

I tre tipi di domande

L'API supporta tre tipi di domande. È possibile mescolarli tutti e tre rispetto allo stesso input in un'unica richiesta.

Tipo Cosa fa Output
Sì/no (noul) Stima la probabilità che una condizione sia soddisfatta Probabilità che la risposta sia sì
Scelta multipla (choice) Sceglie tra 2 e 255 opzioni Il vincitore, più le probabilità normalizzate per ogni opzione
Punteggio rubrica (score) Valuta l'input su una scala ordinata che parte da 0 Un punteggio ponderato, più una probabilità per ogni livello

L'esempio di Google controlla la foto del bancone di una sala relax con una breve nota testuale. Una richiesta chiede se c'è una fuoriuscita, quale azione di pulizia è adatta e quanto è grave il disordine.

Per i dati aziendali, lo stesso schema si applica ai comuni lavori di revisione. Un team di supporto potrebbe chiedere, per ogni ticket, se menziona un rimborso, quale area di prodotto riguarda e quanto è urgente. Questi sono i nostri esempi, non quelli di Google.

Input multimodale in un unico passaggio

Il modello legge diversi formati insieme. Il post di Google afferma che può elaborare "testo, immagini, audio, video e PDF direttamente in un unico passaggio in avanti".

Il post fornisce due abbinamenti come esempi. Uno è "una registrazione di una chiamata con i metadati dell'account". L'altro è "un reclamo PDF scansionato con foto dei danni".

Questo secondo esempio punta al lavoro assicurativo e finanziario. Un team di gestione sinistri potrebbe valutare la completezza di ogni file di reclamo, scegliere una categoria e valutare la gravità del danno in un'unica chiamata.

È inoltre possibile regolare la risoluzione di immagini e video. Google afferma che questo controlla il "dettaglio visivo e il costo dei token".

Come i team di Google lo stanno già utilizzando

Il post di Google elenca i primi utilizzi all'interno dell'azienda:

  • Gemini Notebook. Utilizza l'API per instradare ogni query al giusto livello di modello e di pensiero. Google afferma che le query quotidiane ottengono "fino al 40% di latenza in meno".
  • Stitch. Un esperimento di canvas rapido la utilizza per generare wireframe giocabili di un flusso di prodotto in pochi secondi.
  • CC di Google Labs. Sceglie una reazione emoji tra più di 200 opzioni "in una frazione di secondo".
  • Google Search. Funge da livello di sicurezza che rileva comportamenti avversari negli strumenti MCP.

Ogni caso scambia una risposta lunga con una scelta rapida e delimitata. Nessuno di essi richiede che il modello scriva prosa.

Quanto costa

Il post di Google indica un prezzo semplice. Gemini Decision 1 "ha un prezzo di $0.10 per 1M di token di input e $0 per i token di output".

Esiste anche un percorso gratuito per i test. Il post menziona "un livello API senza costi che puoi utilizzare in Google AI Studio per la prototipazione".

La fatturazione presenta una particolarità utile per set di domande di grandi dimensioni. Google afferma: "Il tuo input condiviso viene fatturato una volta per richiesta, indipendentemente dal numero di domande valutate". Ogni domanda extra aggiunge solo i propri token di istruzione e criteri.

Alcuni costi nascosti comuni sono assenti. Google afferma che non ci sono "addebiti per i token di output, fatture variabili per i token di pensiero o costi separati per la trascrizione audio e l'OCR".

Voce Prezzo nel post di Google
Token di input $0.10 per 1M di token
Token di output $0
Prototipazione in Google AI Studio Livello senza costi

Ecco un esempio approssimativo, basato sulle nostre ipotesi. Un team valuta 5.000 risposte a un sondaggio, una richiesta per risposta. Ogni richiesta contiene circa 400 token di testo della risposta e 150 token di domande.

Si tratta di 550 token per richiesta, ovvero 2,75 milioni di token in totale. A $0.10 per 1M di token di input, il batch costa circa $0.28. Il conteggio reale dei token dipende dal testo e dalla formulazione della domanda, quindi testa prima con un campione.

Google confronta anche il costo con i propri modelli generativi. Il post afferma che la Decisions API è "quasi 5 volte più economica nell'intera suite di benchmark condivisa rispetto a Gemini 3.5 Flash-Lite con la Interactions API".

Chi può usarlo e come iniziare

La Gemini Decisions API è un prodotto per sviluppatori. È necessaria una chiave API di Google AI Studio e del codice.

Il post di Google rimanda alle guide Python, JavaScript e REST nella documentazione. Elenca anche tre app demo: Doorstep Parcels, Speed Sketch e Find the Zoo Keeper.

I team che già utilizzano la Gemini API troveranno familiare il formato di input. Google afferma che il campo di input "utilizza lo stesso formato di blocco Content della Interactions API". Ciò significa che il codice esistente che crea prompt con immagini o PDF può essere riutilizzato.

L'output deve essere gestito da parte tua. Il tuo codice legge le probabilità, applica una soglia e decide cosa fare con gli elementi a bassa confidenza. Pianifica questa logica prima di inviare il primo batch di grandi dimensioni.

Anche il supporto di terze parti è in fase di implementazione. Il post nomina OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit e OpenCode. Il supporto in Gemini in Google Cloud è indicato come "disponibile a breve".

Limitazioni attuali

Dal post stesso emergono alcuni limiti:

  • Solo domande chiuse. Il modello sceglie tra le opzioni definite dall'utente. Non scrive spiegazioni o riassunti.
  • Codice richiesto. Non viene descritta alcuna interfaccia punta-e-clicca per gli utenti aziendali.
  • Le tue opzioni modellano la risposta. Una rubrica formulata male produrrà punteggi sicuri ma inutili.
  • Il supporto per Google Cloud è in sospeso. I team che acquistano tramite Google Cloud devono attendere l'integrazione elencata.

La calibrazione deve ancora essere verificata sui propri dati. Google riporta l'errore di calibrazione più basso sulla sua suite di benchmark, ma i tuoi ticket o reclami potrebbero differire.

Cosa significa questo per i team che valutano dati su larga scala

La Gemini Decisions API rende economico un compito comune: applicare etichette a grandi pile di elementi. Ticket di supporto, risposte a sondaggi, recensioni di prodotti e file di reclamo sono tutti adatti.

Tre domande aiutano a decidere se è adatto a un team:

  1. Le tue domande sono chiuse? Controlli sì/no, categorie e valutazioni si adattano bene. Le domande aperte no.
  2. Hai uno sviluppatore? Qualcuno deve scrivere le chiamate e gestire i punteggi di confidenza.
  3. Il problema è la velocità o il volume? L'API brilla quando hai migliaia di elementi o hai bisogno di risposte in meno di un secondo.

I team con poche centinaia di righe al mese e senza uno sviluppatore potrebbero trovarlo più faticoso di quanto non faccia risparmiare. Per loro, uno strumento no-code che legge il file e scrive il riassunto è solitamente la strada più breve.

Il volume cambia anche l'economia della revisione. Quando le etichette costano frazioni di centesimo, un team può valutare ogni ticket invece di un campione. Il collo di bottiglia si sposta quindi sull'agire in base ai risultati.

Alternative alla Gemini Decisions API

Esistono altri modi per etichettare e valutare i dati. Ognuno ha un costo di configurazione diverso.

Opzione Cosa offre Prezzo o accesso
Gemini 3.5 Flash-Lite con la Interactions API Modello generativo che può restituire etichette come testo Base di confronto di Google; Google afferma che la Decisions API è quasi 5 volte più economica sulla sua suite di benchmark
Classificatore addestrato su misura Un modello addestrato sui propri esempi etichettati Richiede dati etichettati e competenze di machine learning
Powerdrill Bloom Temi, sentiment e grafici da file di feedback caricati, senza codice Piano gratuito a $0.00, Pro a $13.27/mese

Modelli generativi. Un modello generale può rispondere alle stesse domande in formato testuale. È più flessibile, poiché può anche spiegare la sua scelta. Il post di Google posiziona la Decisions API come l'opzione più veloce ed economica per le scelte delimitate.

Classificatori personalizzati. Il post di Google afferma che i suoi team rilasciano funzionalità "semplicemente definendo opzioni piuttosto che addestrando classificatori personalizzati". Un classificatore addestrato ha ancora senso quando si hanno anni di dati etichettati e categorie fisse.

Dove si inserisce Powerdrill Bloom

Molti team che hanno bisogno di valutare i feedback non scrivono codice. Hanno un'esportazione CSV da uno strumento di sondaggio o da un app store e hanno bisogno di un riassunto per una riunione.

Powerdrill Bloom gestisce questo aspetto direttamente dal file. L'AI Review Summary Generator raggruppa le recensioni in "temi, sentiment e un callout pronto per la leadership". Carichi un'"esportazione CSV da app store, NPS, strumenti di supporto o qualsiasi piattaforma di recensioni".

Per le interviste ai clienti e le risposte aperte, il Voice of Customer Summarizer trasforma i feedback in temi. Puoi quindi trasformare i risultati in grafici con l'AI Graph Maker.

La pagina dei prezzi elenca un piano Free a $0.00 e Pro a $13.27/mese.

Prova Powerdrill Bloom con l'esportazione del sondaggio del mese scorso e chiedi i temi principali per sentiment.

Domande frequenti

Cos'è la Gemini Decisions API?

La Gemini Decisions API è un endpoint di Google per decisioni rapide a set chiuso. Valuta le opzioni per domande sì/no, a scelta multipla e rubriche invece di scrivere testo, e restituisce probabilità con punteggi di confidenza.

Cos'è Gemini Decision 1?

Gemini Decision 1 è il modello alla base della Decisions API, con l'ID gemini-decision-1. Google lo ha lanciato l'11 novembre 2026 e legge testo, immagini, audio, video e PDF.

Quanto costa la Gemini Decisions API?

Google prezza Gemini Decision 1 a $0.10 per 1M di token di input e $0 per i token di output. Esiste anche un livello senza costi in Google AI Studio per la prototipazione.

Quante domande può includere una richiesta?

Una richiesta può includere fino a 1.000 domande indipendenti su un singolo input. L'input può arrivare fino a 256K token e può mescolare diversi formati.

La Gemini Decisions API scrive risposte testuali?

No. Restituisce probabilità e punteggi di confidenza per le opzioni definite dall'utente. Per riassunti scritti o spiegazioni, è necessario un modello generativo o un altro strumento.

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