Google lança Gemini Decision 1, modelo que processa até mil perguntas por US$ 0,10 por milhão de tokens de entrada
Imagem para ajudar a entender a matéria
O Google anunciou em 11 de novembro de 2026 o Gemini Decision 1, um modelo de inteligência artificial desenvolvido para avaliar grandes volumes de perguntas independentes em uma única operação. Segundo a empresa, o sistema consegue processar até mil questões em uma única passagem computacional, com custo de US$ 0,10 por milhão de tokens de entrada. Os tokens de saída não são cobrados.
Baixo custo e respostas em milissegundos
Identificado pelo código gemini-decision-1, o modelo é disponibilizado por meio da nova Gemini Decisions API. Desenvolvedores que desejam criar protótipos podem utilizar gratuitamente a versão básica do Google AI Studio. O Google também informou que pretende incorporar o recurso ao Gemini no Google Cloud. A tecnologia está disponível ainda nas plataformas OpenRouter e Vercel AI Gateway.
De acordo com a empresa, o tempo entre o envio de uma solicitação e o recebimento da resposta fica entre 150 e 250 milissegundos. Considerando exclusivamente o processamento do modelo, a mediana varia de 50 a 100 milissegundos. O Google afirma que, em seu conjunto de benchmarks, o Gemini Decision 1 pela Decisions API custa quase cinco vezes menos que o Gemini 3.5 Flash-Lite pela Interactions API.
Como referência de preços, o Jev 1.14 cobra US$ 0,042 por milhão de tokens de entrada, enquanto o GPT-6 Luna custa US$ 0,10 por milhão de tokens de entrada não armazenados em cache.
Especialização em decisões, com limitações
O Gemini Decision 1 trabalha com contexto de até 16 mil tokens e aceita até 255 alternativas em uma única questão de múltipla escolha. Todas as perguntas incluídas em uma solicitação compartilham uma janela de contexto de 262.144 tokens.
A especialização, porém, também estabelece limites. O modelo não foi desenvolvido para produzir explicações ou extrair dados arbitrários. Cada pergunta é avaliada individualmente, sem depender das respostas das demais. Assim, questões cuja resposta dependa do resultado de outra precisam ser enviadas em chamadas separadas.
Resultados divididos nos testes de desempenho
Nos benchmarks divulgados pelo Google, o Gemini Decision 1 ficou em primeiro lugar em cinco dos sete testes apresentados. A empresa destacou resultados em tarefas de encaminhamento de agentes, raciocínio, classificação e compreensão multimodal, além de uma taxa de erro de calibração inferior à dos concorrentes avaliados.
No JevBench, o modelo alcançou 92,2%, superando o GPT-6 Luna, com 90,9%, e o Jev 1.14, com 90,0%. No indicador de erro de calibração, em que valores menores representam melhor desempenho, registrou 0,0250, contra 0,0494 do Jev.
Entretanto, os próprios números apresentados pelo Google mostram vantagens de concorrentes em avaliações específicas. No Mind2Web Multimodal, o Jev obteve 86,8%, ante 86,2% do Gemini Decision 1. No When2Call, a diferença foi de 82,0% para o Jev e 79,9% para o modelo do Google.
Em avaliações multimodais, o Gemini Decision 1 alcançou 71,8% no teste de áudio MMAU, acima dos 67,7% do Gemini 3.5 Flash-Lite. No Video-MME, registrou 69,1%, contra 63,3% do modelo utilizado na comparação.
Avaliação independente aponta concorrentes mais eficientes
Uma avaliação separada da Artificial Analysis apresentou um quadro mais moderado. No Decision Index v2.1, que reuniu 18 modelos especializados em decisões, o Gemini Decision 1 ficou na nona posição, com 66 pontos. Apesar disso, alcançou a maior pontuação entre os modelos da categoria nas avaliações de conhecimento e raciocínio.
Em outros critérios, concorrentes tiveram resultados superiores. No AA-Paperclip, que representa 30% do índice, o Drex Max v1.1 registrou taxa de aprovação de 63%, enquanto o Gemini Decision 1 obteve 33%. Na avaliação When2Call, refeita diretamente pela Artificial Analysis e responsável por 10% da pontuação, o Drex Max v1.1 marcou 95,3, contra 80,5 do modelo do Google. No AA-Symmetry, o Mammoth 27B alcançou 88,2, superando os 70,5 do Gemini Decision 1.
O custo também foi um ponto de desvantagem na avaliação independente. Considerando o índice completo, a Artificial Analysis calculou uma despesa de US$ 345 para cada milhão de tarefas processadas pelo Gemini Decision 1. O Drex Max v1.1 ficou em US$ 103, enquanto o Jev 1.14 registrou US$ 156. O tempo de processamento por tarefa do modelo do Google foi medido em 211 milissegundos.
Os resultados mostram que o Gemini Decision 1 aposta na combinação de processamento em lote, velocidade e preço previsível de entrada. Entretanto, as avaliações independentes indicam que seu desempenho e custo ainda variam significativamente conforme o tipo de tarefa e o método de comparação.
Comentários
Postar um comentário