Gemini Decisions API: o que é a nova API de decisões do Google e quanto custa

O Google apresentou em 11/11/2026, no blog oficial, a Gemini Decisions API. Ela roda sobre um modelo novo, o Gemini Decision 1 (identificador gemini-decision-1, confirmado no blog oficial do Google), e foi feita para decisões multimodais rápidas e calibradas. Já está disponível pela Gemini API e pelo Google AI Studio, como o Google também divulgou no seu perfil no X.

Pra quem já usa o Gemini no dia a dia, a novidade não é um chatbot mais esperto. É uma peça de infraestrutura: aquela camada que responde "qual ferramenta chamar?", "isso viola a política?" ou "qual modelo atende esse pedido?" sem escrever uma linha de texto.

E sim, é a mesma categoria que a OpenAI abriu algumas semanas antes. Bora ver o que o Google entregou e onde as duas se separam.

O que a Gemini Decisions API faz e como ela devolve as decisões

A API não gera texto. Segundo o anúncio do Google, o Gemini Decision 1 pontua opções predefinidas em uma única passada pelo modelo (single forward pass) e devolve probabilidades e pontuações de confiança.

Qual a diferença na prática? Um LLM comum, quando você pede "responda só sim ou não", ainda gera a resposta token por token, e você precisa fazer parse do que saiu. Aqui as opções já são fechadas, e o modelo só diz quanto acredita em cada uma.

As entradas aceitas são texto, imagens, áudio, vídeo e PDFs. Uma única requisição pode avaliar até 1.000 perguntas sobre a mesma entrada multimodal, ou seja, você manda um vídeo uma vez e faz várias perguntas sobre ele.

Existem três tipos de pergunta, conforme o resumo da documentação publicado pelo MarkTechPost:

• Sim/não: devolve a probabilidade de "sim", limitada entre 0,01 e 0,99.
• Escolha: escolhe 1 entre 2 e 255 opções, com probabilidades normalizadas para todas elas.
• Score: avalia a entrada em 2 a 255 níveis ordenados de uma rubrica e devolve uma nota ponderada pela probabilidade.

Além disso, cada resposta traz uma pontuação de confiança de 0 a 1. Esse número é o que torna a API interessante para produção, e a gente volta nele nos casos de uso.

Latência, preço e disponibilidade da API de decisões do Google

A latência mediana informada pelo Google é de 50 a 100 ms de computação do modelo e de 150 a 250 ms de ponta a ponta, em contextos de até 16K tokens. A empresa diz ainda que a latência fica quase estável de 1 a 100 perguntas por requisição.

O preço do Gemini Decision 1 é US$ 0,10 por 1 milhão de tokens de entrada, e os tokens de saída custam US$ 0. Faz sentido, né? Se o modelo não escreve texto, não tem o que cobrar na saída.

Para prototipar, há um nível gratuito da API no Google AI Studio. Se você nunca mexeu por lá, vale entender antes como usar o Gemini grátis.

Sobre disponibilidade: a API funciona agora pela Gemini API e pelo Google AI Studio. O suporte no Gemini do Google Cloud, segundo o Google, chega "em breve", sem data.

O Google diz que estão em processo de liberação (rolling out) integrações com OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit e OpenCode, ao lado dos SDKs google-genai.

Agora, se liga nos números de desempenho, porque eles vêm do próprio fabricante. O Google afirma que o Gemini Decision 1 lidera seu conjunto de benchmarks (roteamento de agentes, raciocínio, ranqueamento e compreensão multimodal) com o menor erro de calibração. Também diz que, por não cobrar saída, ele sai quase 5x mais barato nesse conjunto do que o Gemini 3.5 Flash-Lite pela Interactions API. Não há, nas fontes consultadas, medição independente dessas alegações.

Para que serve: casos de uso citados pelo Google

O Google cita quatro casos de uso para a API:

• Tool selection: decidir qual ferramenta um agente deve chamar.
• Policy checks: checar se uma entrada respeita uma política.
• Model routing: escolher qual modelo deve atender cada pedido.
• Context grading: avaliar se um contexto é relevante ou suficiente.

Repara que todos são decisões fechadas. Ninguém quer um parágrafo explicando qual ferramenta chamar, quer só o nome da ferramenta.

É aí que entra a confiança de 0 a 1. Quando ela vem alta, o sistema segue direto. Quando vem baixa, o caso é ambíguo, e o Google aponta justamente essa saída: mandar para um modelo de fallback ou para revisão humana. Onde fica esse corte depende do seu fluxo e do custo de errar em cada decisão.

Gemini Decisions API vs Decisions API da OpenAI: o que muda

A OpenAI abriu a sua Decisions API em beta pública em 6/10/2026 e a liberou para todos (GA) em 22/10/2026, segundo a Unite.AI. Ela roda no gpt-6-luna, por enquanto o único modelo no endpoint dedicado POST /v1/decisions, como informa o anúncio na comunidade da OpenAI. O preço, segundo o Crypto Briefing, é o mesmo do Google.

Critério	Google	OpenAI
Modelo	gemini-decision-1	gpt-6-luna (POST /v1/decisions)
Entradas	Texto, imagem, áudio, vídeo e PDF	Texto, imagem e entradas estruturadas
Tipos de pergunta	Sim/não, escolha e score	Predicate, choice e score
Perguntas por requisição	Até 1.000	Até 400 (na beta eram 200)
Preço de entrada	US$ 0,10 por 1M tokens	US$ 0,10 por 1M tokens
Preço de saída	US$ 0	US$ 0
Ambiente de teste	Google AI Studio, com nível gratuito	Decisions Playground
Cache de prompt	Não citado no anúncio	Sim
Integração com voz em tempo real	Não citado no anúncio	GPT-Live nativo
Status	Não citado no anúncio	GA desde 22/10/2026

A OpenAI também afirma que o endpoint responde até 10x mais rápido do que fazer a mesma pergunta ao GPT-6 Luna pela Responses API. Assim como no caso do Google, é alegação do fabricante.

O que muda para quem desenvolve com IA

A camada de decisão deixou de ser coisa de um fornecedor só. Agora são dois, com o mesmo preço base de entrada e a mesma lógica de saída gratuita, mas isso não torna o modelo de custo idêntico, já que a OpenAI cobra US$ 0,01 por 1 milhão de tokens em cache e aplica adicionais por processamento regional e por contexto longo, segundo a Unite.AI.

O diferencial do Google está nas entradas. Áudio, vídeo e PDF abrem espaço para checagens que hoje exigem transcrever ou extrair o conteúdo antes, e o limite de 1.000 perguntas por requisição é bem maior que as 400 da OpenAI.

A OpenAI, por outro lado, tem a vantagem de já estar em GA e de oferecer cache de prompt, o que pesa quando você repete o mesmo contexto muitas vezes.

Dois cuidados antes de migrar qualquer coisa. Primeiro, as alegações de calibração e de custo são dos próprios fabricantes, então só o seu caso real diz qual acerta mais. Segundo, se o seu stack depende do Google Cloud, o suporte ainda não chegou.

Próximo passo

Escolha uma decisão fechada que você já resolve hoje com um LLM gerando texto, como roteamento de pedidos ou checagem de política. Monte as mesmas perguntas como sim/não ou escolha e rode no nível gratuito do Google AI Studio com o gemini-decision-1.

Depois, compare dois números com o fluxo atual: quantas vezes a confiança veio baixa nos casos que você sabe que são difíceis e quanto custou cada lote de decisões. Se a API acertar os ambíguos ao sinalizar confiança baixa, ela já paga o teste.

Fontes consultadas

Consulta em 11/11/2026.

• Blog do Google
• Perfil oficial do Google no X
• MarkTechPost (resumo da documentação do Google)
• Unite.AI
• OpenAI Developer Community: Decisions API is now available in Public Beta
• Crypto Briefing

Veja mais exemplos práticos no canal Hora de Codar. Se quiser aprofundar o contexto, veja A OpenAI acabou de matar o Jev? (Decisions API).