Google ha lanciato un endpoint che non scrive risposte. Le pesa. Si chiama Gemini Decisions API, gira su un nuovo modello (gemini-decision-1) ed è disponibile da Google AI Studio. L’idea è semplice e controintuitiva: invece di far generare testo token dopo token, dai al modello delle opzioni e lui restituisce quanto è sicuro di ciascuna.
Perché dovrebbe importarvi? Perché la maggior parte del lavoro che facciamo fare ai modelli generativi, in produzione, non è scrivere poesie. È decidere. Questa email è spam? Quale strumento chiamo? Questa richiesta merita il modello grosso o basta quello piccolo?
Cosa fa, in pratica
Gli date un input multimodale: testo, immagini, audio, video, PDF, anche tutto insieme, fino a 256K token (token = i pezzetti in cui il modello spezzetta il testo, grosso modo mezza parola l’uno). Poi allegate fino a 1.000 domande indipendenti sullo stesso input.
Il modello fa un unico passaggio in avanti — niente generazione a pezzi — e restituisce probabilità e punteggi di confidenza. Latenza end-to-end dichiarata: 150-250 millisecondi, di cui 50-100 di calcolo puro. Un battito di ciglia.
Tre tipi di domanda
- Sì/no: stima la probabilità che una condizione sia vera. Nella documentazione il tipo si chiama noul, scritto proprio così nell’annuncio. Si possono aggiungere descrizioni dei casi vero e falso.
- Scelta multipla: da 2 a 255 opzioni. Torna il vincitore e le probabilità normalizzate di tutti i candidati.
- Punteggio su scala ordinata: una rubrica che parte da 0, con un punteggio continuo pesato e la probabilità per ogni livello.
Ogni risposta ha un confidence score da 0 a 1. Ed è qui che la cosa diventa utile: il vostro codice può mandare i casi dubbi a un piano B o a un umano, invece di fidarsi alla cieca. Un modello che sa dire «non sono sicuro» vale più di uno che sbaglia con sicurezza.
L’esempio di Google (c’è una macchia di caffè)
La demo nell’annuncio è deliziosamente quotidiana. Foto del piano di lavoro di una breakroom, più una nota di testo: controllo prima della riunione col cliente delle 9. Una sola chiamata, tre domande. C’è una macchia non pulita? Che azione serve: strofinaccio, addetti alle pulizie o tutto a posto? Su una scala da 0 a 2, quanto è grave il disastro? Un input, tre tipi di verdetto, tutto insieme.
I numeri (e perché contano)
Google dice che sui benchmark di routing tra agenti, ragionamento, ranking e comprensione multimodale il modello è in testa, con l’errore di calibrazione più basso. Calibrazione, traduzione: quando dice 80%, ha ragione circa l’80% delle volte. Detto da loro, prendiamolo con le pinze. Però è il dato giusto da guardare: un punteggio di confidenza starato è peggio di niente.
La latenza resta quasi piatta passando da 1 a 100 domande per richiesta, su contesti fino a 16K token. Sul costo: quasi 5 volte meno di Gemini 3.5 Flash-Lite usato con l’Interactions API, sulla stessa suite di test.
Il prezzo: 0,10 dollari per milione di token in input, zero per l’output. Un input da 16K token costa 0,0016 dollari. Anche riempiendo i 256K si arriva a poco più di due centesimi e mezzo. L’input condiviso si paga una volta sola per richiesta, anche con mille domande: ognuna aggiunge solo i token delle sue istruzioni e dei suoi criteri. Niente token di ragionamento a sorpresa in bolletta, niente costi separati per trascrizione audio o OCR.
Chi lo sta già usando
- Gemini Notebook lo usa come router in tempo reale: capisce l’intento della richiesta in millisecondi e la manda al modello e al livello di ragionamento giusti. Risultato dichiarato: fino al 40% di latenza in meno sulle domande di tutti i giorni.
- Stitch, nel nuovo esperimento rapid canvas, genera wireframe giocabili di un flusso di prodotto in pochi secondi e applica modifiche a voce o con un tocco quasi all’istante.
- CC, di Google Labs, sceglie la reazione emoji giusta tra più di 200 opzioni in una frazione di secondo. Sì, tutta questa tecnologia per scegliere una faccina. Ma è proprio il tipo di compito dove aspettare 2 secondi rovina l’effetto.
- Google Search lo usa come strato di sicurezza per gli strumenti MCP, per individuare comportamenti e contenuti ostili restando dentro i limiti di latenza. L’annuncio è vago sui numeri: parla di «alta efficacia» e basta.
Come provarlo
C’è un tier gratuito in Google AI Studio per prototipare. Servono una API key e le guide per Python, JavaScript e REST. Google propone anche tre app demo: Doorstep Parcels, Speed Sketch e Find the Zoo Keeper.
Sul fronte integrazioni stanno arrivando OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit e OpenCode, oltre agli SDK google-genai. Gemini su Google Cloud arriverà «presto», senza data.
Il punto vero, per chi costruisce: se oggi usate un modello generativo come classificatore, magari con un prompt lungo e un parser JSON che prega di non rompersi, questo endpoint ve lo sostituisce con qualcosa di più economico e prevedibile. Resta da verificare, con i vostri dati e non con i benchmark di Google, se quella calibrazione regge davvero. Quello è il test che conta.
