Drex for Finance vs Gemini Decisión 1: Dos formas de comprar una probabilidad

Ponga las hojas de especificaciones una al lado de la otra y Drex for Finance y G​emini Decision 1 parecen el mismo producto de dos empresas. Ambos reciben un bloque de entrada y un conjunto de preguntas tipadas, ambos devuelven una respuesta puntuada por pregunta sin texto generado, ambos cubren una solicitud de 262.144 tokens y ambos cuestan centavos por millón de tokens de entrada en lugar de dólares. El parecido termina en aquello por lo que realmente los compraría. G​emini Decision 1, lanzado el 11 de noviembre de 2026 en la Developer API de G​oogle, es un modelo de decisión general cuya habilidad distintiva es saber cuándo declinar; Drex for Finance, disponible de forma general desde el 2 de noviembre de 2026 a $0.03 por millón de tokens de entrada, es un ajuste fino de dominio cuya habilidad distintiva es leer un documento financiero y acertar quince respuestas a la vez. Con nueve días de diferencia, la misma forma de solicitud, apuestas opuestas —y ninguna ejecución publicada los ha puesto nunca en la misma escala.

La comparación que nadie ha hecho

Esto es lo primero que hay que entender, porque determina cuánto del resto de este texto puedes llevar a la práctica.

Las cifras de Gemini Decision 1 provienen de Artificial Analysis, en su Decision Index v2.1: dieciocho modelos clasificados, un compuesto ponderado de seis evaluaciones, cada una puntuada como la precisión menos la penalización de Brier sobre la probabilidad que el modelo asignó a su respuesta. Obtiene 66,0, lo que lo sitúa en noveno lugar de dieciocho, justo por encima de la mediana de la tabla, que es 64.

Los números de Drex for Finance provienen de Nace, en un Drex Finance Index construido a partir de 48 conjuntos de pruebas financieras reservados. Obtiene 77,3. Drex for Finance no aparece en absoluto en el ranking de Artificial Analysis.

Así que las dos cifras principales son 66 y 77.3, corresponden a instrumentos distintos, miden poblaciones de tareas diferentes, y restarlas produce un número que no significa nada. Cualquiera que lo haga —y las versiones de esta comparación que ya circulan en línea lo hacen— está comparando la puntuación de un tablero de propósito general con la puntuación de dominio propia de un proveedor y llamando a la diferencia un ganador. La afirmación honesta es que la única evidencia que se solapa está a un paso de distancia: Drex Max v1.1, el checkpoint padre del que se ajustó finamente Drex for Finance, sí figura en el tablero de Artificial Analysis, y lo lidera de forma absoluta con 73.4: primero de dieciocho, 7.4 puntos por delante del 66.0 de Gemini Decision 1. Eso es una señal fuerte sobre el modelo base y ninguna señal sobre el ajuste fino, porque el entrenamiento de dominio puede ganar bastante en una prueba de documentos y perder un poco en una de conocimiento, y nada de lo publicado separa esos dos efectos para este checkpoint. Es también la razón por la que el 66 y el 77.3 no deben leerse como una brecha en ninguno de los dos sentidos.

Lo que cada uno está realmente diseñado para hacer

Las arquitecturas explican la divergencia mejor que cualquier puntuación.

• Forma — Drex for Finance es un ajuste fino de Drex Max, un modelo de decisión con un codificador de visión. G​emini Decision 1 es el primer modelo de decisión de su línea de G​oogle DeepMind, en su propio endpoint POST /v1beta/decisions, separado de la ruta de generación de contenido.

• Énfasis de la formación — nueve dominios financieros con nombre en Nace: banca y pagos, contabilidad y auditoría, crédito y préstamos, seguros, cumplimiento y riesgo, declaraciones e informes, mercados e inversión, ESG, tesorería y operaciones. G​oogle no publica ninguna descripción de la formación más allá del modelo y la API.

• Escala de una solicitud: ambas permiten alrededor de 1000 preguntas en una sola pasada, pero las formas difieren. Gemini Decision 1 limita a 1000 preguntas por solicitud y factura la entrada compartida una sola vez. Drex for Finance te da 262.144 tokens en toda la solicitud, con un número de preguntas sin límite en la documentación, lo que favorece muchas preguntas cortas frente a un documento largo.

• Abstención — el tipo sí/no de G​emini Decision 1 devuelve una probabilidad acotada a 0.01–0.99, por lo que un umbral establecido por encima de 0.99 nunca puede activarse; su liderazgo en la clasificación de AA-Omniscience y HLE-MultiChoice es sustancialmente un liderazgo en abstenerse de responder en lugar de adivinar. Drex for Finance devuelve P(true) en [0,1] sin un límite documentado, y ninguna tasa de no alucinación publicada en absoluto.

• Gestión de opciones — G​emini Decision 1 ordena las claves de tus opciones alfabéticamente en orden de bytes UTF-8 antes de asignar puntuaciones, por lo que los empates se resuelven a favor de la primera clave en orden alfabético, y la propia guía de G​oogle indica que se nombre una opción comodín llamada other en lugar de none_of_the_above. Nace no documenta ninguna normalización de este tipo, lo cual no es lo mismo que decir que no ocurre — es lo mismo que decir que no puedes confiar en ello en ninguno de los dos sentidos.

• Precio — Drex for Finance: $0.03 por millón de tokens de entrada; la salida no se factura. G​emini Decision 1: $0.10 por millón de tokens de entrada; la salida no aplica. Según la medida de tasa de tareas de Artificial Analysis, G​emini Decision 1 asciende a $345 por millón de decisiones; la cifra comparable del modelo Nace no se publica sobre esa base.

• Acceso — Drex for Finance mediante la API del proveedor, sus SDK, su CLI y un servidor MCP remoto, con un nivel gratuito de 100 decisiones al día de hasta 32 KB cada una. Gemini Decision 1 en la API de Gemini Developer solo en v1beta — sin listado en Vertex AI, sin Batch API y sin almacenamiento en caché de contexto.

Donde el modelo general gana, y no es un conjunto pequeño.

Tres de esas filas son decisivas según tu carga de trabajo.

Calibración. El Índice de Decisión penaliza más una respuesta incorrecta pero segura que una incierta, y ese diseño es la razón por la que Gemini Decision 1 ocupa el lugar que ocupa. Si tu pipeline enruta según la probabilidad —aprobar por encima de 0,95, escalar por debajo de 0,6—, el valor del número depende por completo de si 0,95 significa 95 %. La salida acotada de Google y su primer puesto en los dos componentes de conocimiento son evidencia de ello; Nace publica la precisión y un desglose por categorías, pero ninguna curva de calibración, así que la probabilidad de Drex es una puntuación que tienes que validar tú mismo antes de usarla como umbral.

Una pasada, muchas reglas. Mil preguntas por solicitud frente a una única entrada compartida es una capacidad genuinamente distinta de la de un contexto único muy largo. Un ticket de soporte contrastado con cuarenta reglas de política en una sola llamada, facturado una sola vez por la entrada, es el tipo de tarea en la que la forma de G​emini Decision 1 es mejor que una ventana de contexto de 262K, porque el coste escala con las preguntas en lugar de con el texto que repites.

Amplitud de modalidades. Drex for Finance lee texto e imágenes PNG, JPEG y WebP, hasta ocho por solicitud. Gemini Decision 1 acepta texto, imagen, video, audio y PDF en una sola solicitud, hasta 100 MB de base64 en línea, 50 MB para archivos PDF. Si una decisión depende de la grabación de una llamada telefónica o de un fotograma de video, solo uno de estos dos puede verlo.

Donde gana el especialista

El contraejemplo es más limitado, pero es real, y depende de lo que ocurre con documentos que requieren que varias respuestas simultáneas sean todas correctas.

{{1}}En AA-Paperclip{{/1}} — {{2}}el 30% del compuesto de G​emini Decision 1 y el componente individual más pesado{{/2}} — {{3}}G​emini Decision 1 aprueba directamente el 33% de los documentos, frente al 63% de Drex Max v1.1{{/3}}. {{4}}La prueba consta de 1.500 currículums privados, recibos, facturas y documentos, cada uno con cinco decisiones y diez hechos, y se puntúa todo o nada por documento{{/4}}. {{5}}Drex for Finance se ajustó con fine-tuning precisamente con ese material: campos de facturas y recibos, clasificación de cuentas del libro mayor, facturas duplicadas, excepciones de conciliación, muestreo de auditoría, etiquetado 10-K y XBRL{{/5}}. {{6}}Nace informa 92,3 en Documentos y extracción y 96,7 en QA financiero y presentaciones, ambas realizadas por el proveedor{{/6}}.

Si su decisión es «lea esta factura y dígame si duplica una ya pagada», el compuesto del panel general es casi irrelevante y el ajuste fino de dominio es casi toda la respuesta. Ese es el caso para pagar una tarifa de especialista por un modelo especialista — y también es la razón por la que no se deben comparar el 77.3 y el 66: son las puntuaciones de dos modelos en las dos poblaciones de tareas para las que se eligió que cada uno fuera bueno.

Dos puntos débiles honestos del lado de Nace, ya que la tabla es del proveedor: Crédito y riesgo obtiene 48,3, el número absoluto más bajo de la tabla de finanzas, y Mercados y razonamiento obtiene 41,5, la única categoría en la que el modelo no es primero: pplx-decider v1.2 obtiene 43,1. Ambos se divulgan en la propia publicación de lanzamiento de Nace, lo que es más de lo que hacen la mayoría de los proveedores, y ambos limitan aquello en lo que se debe confiar respecto al checkpoint de finanzas.

El costo, a la escala a la que realmente opera una canalización de decisiones

Un caso de 4,000 tokens evaluado una sola vez cuesta unos $0.00012 en Drex for Finance y unos $0.0004 en Gemini Decision 1. Ninguna de las dos es la cifra que decide algo; con un millón de decisiones al mes, la diferencia es de unos $280, menos de lo que cuesta una semana de ingeniero dedicada a la migración.

Lo que lo decide es la arquitectura que lo rodea. G​emini Decision 1 no tiene caché de contexto ni API por lotes, así que el mismo documento de políticas de 40.000 tokens se factura completo en cada solicitud, y no hay un barrido nocturno a mitad de precio de tickets históricos. Drex for Finance tampoco tiene ninguna de las dos funciones, y su facturación es por solicitud en lugar de por pregunta, lo que significa que el costo de hacer cuarenta cosas sobre un documento es el número de tokens del documento, una sola vez. En una carga de trabajo de muchas preguntas y entradas cortas, eso invierte por completo la clasificación por token: los $0.10 de G​emini Decision 1 te compran mil preguntas, mientras que las mismas mil preguntas sobre un caso corto son una sola solicitud de Drex a $0.03 por millón de tokens.

Cómo llegar a cualquiera de los dos, sinceramente

No ofrecemos gemini-decision-1 ni drex-max-finance. Un endpoint de solo probabilidades no es un destino de chat-completions, así que un router con nuestra arquitectura no tiene ninguna forma honesta de poner a ninguno de los dos detrás de una sola clave, y afirmar lo contrario fallaría en la primera solicitud. Lo que sí ofrecemos es de TypeSafe: typesafe/jev-1.14 a $0.042 por millón de tokens de entrada y de salida en systemone — la misma forma de solicitud con la que la API de Nace es compatible a nivel de protocolo, y un modelo en la misma tabla de dieciocho modelos que G​emini Decision 1, con 66.2 frente a 66.0.

Lo que la convierte en la tercera opción práctica de esta comparación, y no en una nota al pie. Si la decisión en sí no está en disputa y lo que necesita es un único endpoint para todo el pipeline —la llamada de decisión, la llamada de redacción que escribe la nota del analista, la llamada de escalamiento que revisa los casos marcados—, entonces el tramo de decisión que se ejecuta con la misma clave que más de 200 modelos adicionales, al precio de lista del proveedor trasladado sin margen por token, vale más que una ventaja de dos puntos en una puntuación compuesta. Si la decisión es todo el producto, compre el especialista al proveedor y enrute el resto.

¿Qué lo zanjaría?

Un experimento, y nadie lo ha ejecutado. Tome unos cientos de documentos financieros reales —facturas con estado de duplicado conocido, presentaciones con etiquetas conocidas— y puntúelos con ambos modelos usando la misma rúbrica. Esa única ejecución reemplazaría cada número de este artículo por uno comparable y le diría si la ventaja del ajuste fino de dominio sobrevive al contacto con un arnés independiente.

Hasta que exista, la interpretación correcta es que estos no son competidores. Gemini Decision 1 es la mejor opción cuando la probabilidad debe ser fiable, hay muchas preguntas o la entrada no es texto. Drex for Finance es la mejor opción cuando la entrada es un documento financiero, las respuestas deben ser todas correctas a la vez y el volumen de casos hace que $0.03 por millón de tokens sea la línea que importa. Ambas afirmaciones son defendibles a partir de las cifras publicadas. La comparación que los pone en una misma tabla de clasificación no lo es, y pasará un tiempo antes de que exista una.