Google lança API do Gemini para decisões em 150 ms a 250 ms

O Google lançou a Gemini Decisions API, um endpoint baseado no modelo Gemini Decision 1 que foi desenhado para agentes de IA tomarem decisões rápidas e pré-definidas, sem precisar gerar respostas longas em texto. Segundo a empresa, a latência ponta a ponta fica entre 150 ms e 250 ms.

A API aceita até 1.000 perguntas independentes sobre uma mesma entrada multimodal, que pode reunir texto, imagens, áudio, vídeo e PDFs. A diferença em relação a um modelo generativo comum está no método. Em vez de produzir a resposta token por token, o Gemini Decision 1 pontua opções previamente definidas em uma única passagem pela rede e devolve probabilidades e escores de confiança.

Na prática, o desenvolvedor pode enviar verificações do tipo sim ou não, perguntas de múltipla escolha com até 255 opções ou avaliações baseadas em rubricas predefinidas, tudo em uma única chamada. O Google indica como casos de uso a escolha de ferramentas, a checagem de conformidade com políticas, o roteamento de consultas para o modelo adequado e a avaliação de contexto.

Números de desempenho e custo

Segundo o Google, o tempo mediano de computação do modelo fica entre 50 ms e 100 ms, e o desempenho se mantém quase estável quando a requisição traz de 1 a 100 perguntas. A janela de contexto chega a 256 mil tokens. A empresa também afirma que o modelo supera concorrentes em benchmarks de roteamento de agentes, raciocínio, ranqueamento e compreensão multimodal, com o menor erro de calibração entre os sistemas comparados. Esses resultados são informados pela própria empresa.

Sobre preço, o Google diz que o Gemini Decision 1 custa cerca de cinco vezes menos que o Gemini 3.5 Flash-Lite usado pela Interactions API, considerando o conjunto de benchmarks da companhia. A cobrança é de US$ 0,10 por milhão de tokens de entrada, sem cobrança por tokens de saída. O dado compartilhado é descontado uma única vez, independentemente do número de perguntas, mas cada pergunta acrescenta tokens de instrução e de critério.

O lançamento acontece num mercado que já tem concorrente direto. A OpenAI apresentou em outubro sua própria Decisions API, baseada no modelo GPT-6 Luna, que segundo a empresa responde até 10 vezes mais rápido que a Responses API e aceita até 400 perguntas por requisição. O preço inicial da OpenAI também é de US$ 0,10 por milhão de tokens de entrada.

Onde o Google já usa a tecnologia

Dentro da própria empresa, a API já roteia consultas no Gemini Notebook para níveis de modelo e de raciocínio adequados. De acordo com o Google, isso reduz em até 40% a latência de consultas do dia a dia, reservando modelos de raciocínio mais pesados para tarefas complexas.

Na plataforma Stitch, a tecnologia sustenta experimentos rápidos de design, em que o usuário gera wireframes de produto interativos e os altera por comando de voz ou toque. O assistente CC usa a API para escolher reações com emoji entre mais de 200 opções. Já a Busca do Google a usa como camada de segurança para identificar comportamento adversarial em ferramentas do Model Context Protocol (MCP).

Para o desenvolvedor, a API está disponível no Google AI Studio, com camada gratuita para prototipagem. Há também integrações anunciadas com OpenRouter, LangChain, Vercel, LiteLLM e Pydantic AI.

O que muda para quem desenvolve agentes

Para quem constrói sistemas de agentes, o ponto central é separar a decisão da geração de texto. Uma etapa que hoje gasta uma chamada generativa completa para escolher uma ferramenta ou aprovar uma política pode passar a ser uma chamada de pontuação, com custo de entrada previsível e latência de centenas de milissegundos. Vale checar, antes de adotar, se a calibração e a precisão do modelo se sustentam nos seus próprios casos, já que os benchmarks citados são do próprio Google e da OpenAI, e não de avaliação independente.