Ing. Calogero Bono
Google ha presentato Gemini Decisions API, un nuovo endpoint della Gemini API pensato per le scelte chiuse, come selezionare uno strumento, controllare una regola o instradare una richiesta. Il servizio usa il modello gemini-decision-1 ed è disponibile in Google AI Studio. Invece di scrivere testo, il modello assegna probabilità alle opzioni che gli dai. Conta per chi sviluppa software perché promette risposte in 150-250 millisecondi e costi molto bassi.
Qualche termine, prima di entrare nei fatti. Endpoint è l'indirizzo a cui il tuo codice invia una richiesta. Closed-set indica una scelta tra opzioni definite in anticipo. Token è l'unità di testo con cui i modelli misurano input e costi. Calibrazione dice quanto la confidenza dichiarata dal modello corrisponda alla realtà. Forward pass è un solo passaggio del modello, senza generare parola dopo parola.
Che cos'è Gemini Decisions API?
Secondo il blog ufficiale di Google, è un endpoint per decisioni rapide su scelte limitate. Google cita selezione degli strumenti, controlli di policy, instradamento dei modelli e valutazione del contesto.
Il modello Gemini Decision 1 non genera risposte token per token. Valuta le opzioni candidate in un solo passaggio e restituisce probabilità e punteggi di confidenza. Anche AI4Business sottolinea che il servizio restituisce probabilità e non spiegazioni in linguaggio naturale.
Quali tipi di domande si possono fare?
Puoi inviare un solo input multimodale, fino a 256K token, con testo, immagini, audio, video e PDF. Su quell'input puoi porre fino a 1.000 domande indipendenti. Google porta due esempi, una registrazione di chiamata con i metadati dell'account e un PDF di sinistro con le foto dei danni.
I tre formati
- Sì o no, stima la probabilità che una condizione sia vera.
- Scelta multipla, da 2 a 255 opzioni, con probabilità normalizzate per ciascuna.
- Punteggio, valuta l'input su una scala ordinata che parte da zero.
Ogni risposta ha una confidenza da 0 a 1. Il tuo codice può usarla per mandare i casi dubbi a un'alternativa o a una persona.
Quanto costa e quanto è veloce?
Google dichiara 150-250 ms di latenza complessiva, di cui 50-100 ms di calcolo del modello. Il prezzo è di 0,10 dollari per milione di token in ingresso, con zero token di output fatturati. L'input condiviso si paga una volta per richiesta, e ogni domanda aggiunge solo i token di istruzioni e criteri.
Sempre secondo Google, la latenza resta quasi piatta da 1 a 100 domande per richiesta. Il confronto con Gemini 3.5 Flash-Lite via Interactions API indica un costo quasi cinque volte inferiore sulla suite di test condivisa. È un dato dell'azienda, non una verifica indipendente.
Esiste un livello gratuito per prototipare in Google AI Studio. Se parti da zero, la nostra guida a Google AI Studio spiega come provare i prompt senza codice.
Chi la usa già dentro Google?
Google racconta quattro impieghi interni. Gemini Notebook la usa come router per indirizzare le richieste al modello e al livello di ragionamento giusti, con una latenza fino al 40% più bassa. Stitch la sfrutta per generare wireframe giocabili in pochi secondi.
CC, di Google Labs, sceglie la reazione emoji tra più di 200 opzioni. Google Search la impiega come livello di sicurezza per gli strumenti MCP, per individuare comportamenti ostili.
Le integrazioni in arrivo riguardano OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit e OpenCode, oltre agli SDK google-genai. Il supporto in Gemini su Google Cloud arriverà più avanti. Per l'uso dal codice, la guida a Gemini API con Python è un buon punto di partenza.
Limiti da conoscere
Quasi tutti i numeri su prestazioni, calibrazione e risparmio vengono da Google e non da test esterni. La fonte non pubblica qui i risultati dei benchmark nel dettaglio. L'API usa la versione v1beta, quindi nomi e campi potrebbero cambiare. Il supporto in Gemini su Google Cloud è solo annunciato. Il testo di AI4Business, nella parte visibile, non aggiunge verifiche indipendenti.
Cosa cambia per chi lavora con il digitale
Molte funzioni che oggi richiedono un classificatore addestrato su misura, o una chiamata generativa lenta, possono diventare una definizione di opzioni. Pensa allo smistamento dei ticket, al controllo di documenti allegati o alla scelta del modello più adatto. Per le richieste miste, immagini e testo insieme, la multimodalità di Gemini è già il terreno di prova. La soglia di confidenza ti permette di tenere una persona nel circuito quando il modello non è sicuro.
Il nostro parere
L'idea è sensata. Molti prodotti con IA sprecano tempo e denaro facendo scrivere un paragrafo al modello quando serviva solo un sì o un no. Restituire probabilità calibrate è più onesto di una frase sicura di sé. Il rischio è la fiducia cieca nei numeri. Una confidenza di 0,9 non è una garanzia, e i test pubblicati sono di Google. Prima di metterla in produzione, misura gli errori sui tuoi dati.
Domande frequenti
Che cos'è Gemini Decision 1?
È il modello dietro la Decisions API, identificato come gemini-decision-1. Valuta opzioni predefinite in un solo passaggio e restituisce probabilità e confidenza, senza generare testo.
Quanto costa la Decisions API?
Costa 0,10 dollari per milione di token in ingresso, con zero token di output fatturati. Esiste un livello gratuito in Google AI Studio per prototipare.
Quante domande si possono fare in una richiesta?
Fino a 1.000 domande indipendenti sullo stesso input. L'input può arrivare a 256K token e combinare testo, immagini, audio, video e PDF.
Posso usarla in produzione?
Tecnicamente puoi provarla subito, ma l'API è in versione v1beta. Conviene testarla sui tuoi dati e prevedere un'alternativa per i casi con bassa confidenza.
Dove si trova la documentazione?
Google indica guide in Python, JavaScript e REST nella documentazione della Decisions API. Serve una chiave API di Google AI Studio.
Cosa guardare nelle prossime settimane sulla Decisions API
Il valore reale si vedrà quando arriveranno prove indipendenti e integrazioni stabili. Fino ad allora, conviene muoversi con prudenza.
- Controlla se arrivano benchmark indipendenti sulla calibrazione.
- Segui l'uscita dalla versione v1beta e l'arrivo su Google Cloud.
- Verifica quali integrazioni tra LangChain, Vercel e LiteLLM diventano disponibili.
