NOVEDADES + GUÍA PRÁCTICA
Gemini Decisions API: Google lanza la interfaz para decisiones multimodales ultrarrápidas y económicas
Google ha anunciado el lanzamiento de la Gemini Decisions API y su modelo subyacente Gemini Decision 1, una solución orientada a procesar opciones delimitadas en textos, imágenes, audio, vídeo y archivos PDF de manera simultánea.
Qué cambia
La nueva API introduce primitivas específicas para tareas cerradas como la selección de herramientas, comprobaciones de políticas, enrutamiento de modelos y calificación de contextos en una sola pasada hacia adelante. En lugar de generar texto token por token, el sistema calcula puntuaciones de confianza y probabilidades con una latencia de extremo a extremo de entre 150 y 250 milisegundos.
El modelo procesa entradas multimodales de hasta 256.000 tokens sin coste de tokens de salida facturados, comercializándose a 0,10 dólares por millón de tokens de entrada. Esto permite combinar fuentes diversas, como una grabación de llamadas con metadatos o documentos escaneados junto a fotografías, evaluando hasta 1.000 preguntas independientes por solicitud.
Por qué importa
Esta arquitectura reduce de forma drástica los costes y tiempos de computación en flujos donde se requiere clasificación rápida o lógica de control sin la sobrecarga de los modelos generativos tradicionales. Diversos equipos en Google ya emplean esta tecnología como plano de control de baja latencia para optimizar el enrutamiento dinámico, el diseño rápido de interfaces y capas de seguridad.
Asimismo, el enfoque simplifica la infraestructura al eliminar cargos separados por transcripción de audio u OCR, facilitando la integración en entornos de desarrollo mediante los SDKs oficiales de Google y plataformas del ecosistema.
Mini tutorial
Disponible en la API de Gemini dentro de Google AI Studio, con soporte próximo en Gemini en Google Cloud y en diversas herramientas del ecosistema de desarrollo.
- Obtener una clave de API accediendo a Google AI Studio para comenzar con las pruebas sin coste en el nivel de prototipado.
- Revisar la documentación oficial y las guías disponibles para Python, JavaScript y REST.
- Configurar el bloque de entrada multimodal utilizando el formato Content block con los tipos de datos requeridos (texto, imagen, audio, vídeo o PDF).
- Definir las preguntas y criterios de evaluación utilizando los tipos disponibles en la API (condiciones de sí/no, opción múltiple o rúbricas ordenadas).
Qué deberías obtener
Respuestas estructuradas con puntuaciones de confianza y probabilidades para cada pregunta en un único paso de procesamiento.
Antes de empezar
El rendimiento y la disponibilidad de las opciones varían según la configuración de la API en Google AI Studio y los límites específicos de tokens de entrada.