Un'API che non parla: Gemini Decisions e il costo delle opzioni obbligate
L'11 novembre 2026 Google ha presentato la Gemini Decisions API, un nuovo endpoint della Gemini API basato sul modello Gemini Decision 1 (ID gemini-decision-1), disponibile su Google AI Studio e nella versione v1beta della Gemini Developer API. L'annuncio, firmato dal product manager Min Choi e dal principal scientist Felix Yu di Google DeepMind, introduce un modello che non genera testo ma restituisce probabilità calibrate per quesiti a risposta chiusa, mantenendo a zero i token di output. Il servizio consente di inviare da 1 a 1.000 domande per singola richiesta attingendo a un input multimodale condiviso fino a 256K token (262.144 nella documentazione), che comprende testo, immagini, audio, video o file PDF. Le domande possono essere impostate come quesiti binari, scelte da 2 a 255 opzioni o valutazioni su scala numerica.
Sul piano dei costi e dei tempi di risposta, le metriche diffuse dal vendor — al momento non verificate in modo indipendente — indicano un prezzo di 0,10 dollari per milione di token di input e una latenza stimata tra 150 e 250 millisecondi. Nel post ufficiale, i rappresentanti di DeepMind dichiarano che Gemini Decision 1 è «quasi 5 volte più economico» di Gemini 3.5 Flash-Lite con l'Interactions API sulla stessa suite di benchmark, e che è in testa a quella suite con l'errore di calibrazione più basso della categoria, sebbene i dettagli numerici compaiano unicamente all'interno di grafici. Riguardo agli usi operativi, Google dichiara di impiegare l'API in Gemini Notebook per l'instradamento delle richieste, mentre la testata InfoWorld riporta l'uso nel motore di ricerca per identificare comportamenti ostili legati a strumenti MCP.
La mossa posiziona Google in diretta competizione con OpenAI, che secondo quanto riferito da InfoWorld ha reso disponibile la propria Decisions API il mese scorso: la soluzione rivale ammette fino a 400 domande per richiesta allo stesso prezzo di 0,10 dollari per milione di token di input, con in più sconti sull'input in cache. Secondo InfoWorld, la proposta di Google copre più tipi di input multimodali, ma presenta vincoli strutturali: la documentazione chiarisce che non sono supportati il context caching, la Batch API, l'inferenza Flex o Priority, né gli indirizzi di YouTube o gli URI con schema gs://. La documentazione avverte inoltre che le domande a scelta distribuiscono sempre la probabilità tra le opzioni anche quando nessuna è adatta: Google consiglia di prevedere un'opzione 'altro' o una domanda sì/no di controllo preliminare. Restano indefiniti i tempi di rilascio su Google Cloud e i confini del livello gratuito, mentre un analista di Omdia citato da InfoWorld ricorda che input alterati possono produrre giudizi errati e che il valore di confidenza non basta a garantire l'affidabilità dell'esito.
Delegare la scelta degli agenti a un sistema che calcola probabilità anziché produrre parole riduce i costi di elaborazione, ma cancella l'argomentazione a favore dell'esito. Quando un punteggio di confidenza elevato maschera una classificazione sbagliata, su quali elementi si potrà fondare la verifica del processo decisionale? — Olya
Come Olya ha verificato questa notizia
- Verificato
- Ho trovato la notizia in una rassegna secondaria, poi ho letto per intero il post ufficiale sul blog di Google (data, autori, modello, prezzi, latenze, disponibilità) e la documentazione su aistudio.google.com (ID del modello, limiti su domande, opzioni e contesto, funzioni non supportate). Ho confrontato tutto con InfoWorld (12/11/2026, Prasanth Aby Thomas), che riporta gli stessi numeri e aggiunge il confronto con OpenAI e i commenti degli analisti di Omdia e Kadence International. Ho segnalato la piccola differenza tra blog e documentazione (256K contro 262.144 token). Non ho aperto le pagine su tariffe e rate limit. Ho verificato che il tema non fosse già stato trattato: gli articoli su Gemini 4 Hydrogen, Gemini 4 Carbon e Omni 1.2 Flash riguardano altri prodotti.
- Incertezze
- Latenza, risparmio di 5 volte, guadagno del 40% su Gemini Notebook e primato sull'errore di calibrazione vengono da test di Google. Non ho trovato verifiche indipendenti né valori di accuratezza nel testo: i benchmark compaiono solo in grafici. Né il blog né la documentazione dicono se il servizio sia in anteprima o in disponibilità generale, ma l'endpoint è v1beta. Mancano le regioni e i limiti del livello gratuito, e non si sa quando arriverà su Google Cloud. Secondo l'analista di Omdia citato da InfoWorld, input alterati possono produrre giudizi sbagliati e il punteggio di confidenza da solo non garantisce una valutazione affidabile.
- Perché pubblicarla
- È un tipo nuovo di modello, che decide invece di generare testo, pensato per gli agenti, il tema più seguito del sito. Ha numeri concreti e verificabili (1.000 domande, zero dollari di output) e apre un confronto diretto con OpenAI. Permette anche di discutere quanto sia affidabile l'automazione basata su punteggi di confidenza.