11 ноября Google открыла Gemini Decisions API и модель gemini-decision-1. Человеку с ботом или ключом это способ выбрать инструмент, проверить правило или оценить вложение и не платить за сгенерированный текст. Один общий вход, до 1000 независимых вопросов, на выходе вероятности ваших вариантов.
Вход собирается как у обычного вызова Gemini: текст, картинка, аудио, видео или PDF, потолок 256 тысяч токенов. Вопросы друг от друга не зависят. Модель не печатает ответ по токену, а за один проход ставит вероятности заданным вариантам. В анонсе это 150-250 мс от края до края и $0.10 за миллион входных токенов. Выходные токены в этот счёт не входят.
noul, choice и score
Три типа вопроса можно смешать в одном запросе. У каждого ответа есть confidence от 0 до 1. Ниже своего порога код уводит случай человеку или в обычную модель, которая уже пишет текст.
noul оценивает, выполняется ли условие «да или нет». К вопросу можно приложить, что считать истиной и что ложью. choice берёт от 2 до 255 вариантов: победитель и нормализованные вероятности всех кандидатов. score идёт по упорядоченной рубрике, уровни с нуля. На выходе непрерывная взвешенная оценка и вероятность каждого уровня.
Картинка, звук и PDF идут в том же проходе, что текст. Разрешение картинки и видео крутится отдельно: больше деталь, больше токенов. В анонсе два бытовых примера. Запись звонка рядом с полями карточки клиента. Скан претензии в PDF рядом с фото повреждения.
Поле input совпадает с форматом Content у Interactions API. Образец в блоге на Python, клиент google-genai, в http_options стоит api_version v1beta. На фото стойка в комнате отдыха и короткая заметка, три вопроса сразу: есть ли лужа, что делать и насколько всё плохо.
from google import genai
client = genai.Client(http_options={"api_version": "v1beta"})
result = client.decisions.create(
model="gemini-decision-1",
input=[{
"type": "image",
"uri": "https://storage.googleapis.com/generativeai-downloads/images/spill.jpg",
"mime_type": "image/jpeg",
},
{
"type": "text",
"text": "Breakroom counter check before the 9 AM client meeting.",
},
],
questions={
"has_spill": {
"type": "noul",
"instructions": "Is there an uncleaned liquid spill on the counter?",
},
"next_action": {
"type": "choice",
"instructions": "Which cleanup action fits the scene?",
"criteria": {
"wipe_with_cloth": "Small counter spill with a cloth or towel already nearby.",
"dispatch_janitorial": "Large floor hazard, broken glass, or active leak.",
"ready_for_meeting": "Counter is clean and ready.",
},
},
"severity": {
"type": "score",
"instructions": "Rate the severity of the counter mess.",
"criteria": [
"Clean and ready.",
"Minor localized spill.",
"Major spill or safety hazard.",
],
},
},
)
$0.10 и задержка до 100 вопросов
Общий input считается один раз, сколько бы вопросов на него ни повесили. Сверху прибавляются только токены instructions и criteria самого вопроса. Отдельной платы за выход, за thinking-токены, за расшифровку аудио и за OCR в этом тарифе нет. Для прототипа в Google AI Studio есть бесплатный уровень API.
Задержку Google мерит так. Медиана счёта самой модели 50-100 мс, от края до края те же 150-250 мс. Это для мультимодального входа и контекста до 16 тысяч токенов. От 1 до 100 вопросов кривая почти плоская. Сам вход при этом можно растянуть до 256 тысяч токенов.
Google пишет, что на этом наборе Decision 1 впереди и с самой низкой ошибкой калибровки: маршрутизация агента, рассуждение, ранжирование, мультимодальное понимание. По деньгам тот же набор почти в 5 раз дешевле, чем Gemini 3.5 Flash-Lite через Interactions API.
Внутри Google ручка уже стоит на нескольких своих продуктах. Gemini Notebook гоняет её как маршрутизатор: намерение классифицируется за миллисекунды, обычный запрос уходит на более лёгкий уровень и thinking. По словам Google, задержка на таких запросах ниже до 40%, глубокая модель остаётся для сложного. Эксперимент Stitch rapid canvas собирает кликабельный каркас сценария за секунды и почти сразу применяет правку голосом или тапом. Когда сценарий устраивает, один клик отдаёт экраны в полный Stitch.
CC из Google Labs выбирает эмодзи из палитры больше чем из 200 штук, чтобы реакция не добавляла задержку. Поиск использует API как проверку инструментов MCP: ловит враждебное поведение на своих проверках и остаётся внутри бюджета по времени.
Ключ, демки и обвязка
Ключ берётся в Google AI Studio. Для пробы там же песочница Decisions API и три демки: Doorstep Parcels, Speed Sketch, Find the Zoo Keeper. Гайды на Python, JavaScript и REST лежат в документации Decisions API.
Обвязка уже выкатывается в OpenRouter (карточка google/gemini-decision-1), LangChain, Vercel AI SDK, LiteLLM, Pydantic AI, Pipecat, LiveKit и OpenCode, рядом с SDK google-genai. Живой вызов сейчас идёт через Gemini API. Поддержка в Gemini на Google Cloud в анонсе помечена как coming soon.
Для своего бота схема короткая. Свои варианты, свой порог уверенности, спорное уводите туда, где уже пишется текст. Этот id сам абзац не сочиняет.
