API Decisions Google'a odpowiada na 1000 pytań i nie nalicza opłat za brak danych wyjściowych.

Najtańszą częścią Gemini Decision 1 jest ta część, która nie istnieje. Google umieściło model za nowym Gemini Decisions API 11 listopada 2026 r., a strona cennika podaje cenę za wynik jako zero — nie tanio, nie z rabatem, po prostu brak, bo POST /v1beta/decisions nie ma żadnej prozy do wygenerowania. Wysyłasz jeden blok wspólnego wejścia plus do 1000 typowanych pytań; dostajesz z powrotem jedną skalibrowaną odpowiedź na każde pytanie i nic więcej. Liczba z tabeli liderów przyciągnęła uwagę w dniu premiery. To pozycja w rozliczeniu zmienia to, co budujesz, i warto zrobić obliczenia, zanim skopiujesz czyjś diagram architektury.

Każda inna decyzja dotycząca modelu, którą podjąłeś w ciągu ostatnich dwóch lat, była kształtowana przez dwa koszty ciągnące w przeciwnych kierunkach: dane wejściowe, które chcesz wysłać tylko raz, i dane wyjściowe, które chcesz trzymać krótkie. Ten endpoint całkowicie usuwa to drugie napięcie i zastępuje je innym, wewnętrznym wobec pojedynczego żądania. Gdy zobaczysz, gdzie leży nowe napięcie, reszta projektu tego API — limit liczby pytań, współdzielony kontekst, brak buforowania — przestaje wyglądać arbitralnie.

Co zero tokenów wyjściowych robi z arytmetyką

Weź realistyczne zadanie oceniania dokumentu: 40 000-tokenową politykę lub umowę i 1000 pytań, na które chcesz uzyskać odpowiedzi. Jedno żądanie do Decisions API obciąża 40 000 tokenów wejściowych jednorazowo, po $0.10 za milion, co daje cztery dziesiąte centa — $0.004 za wszystkie tysiąc odpowiedzi.

Teraz zadaj te same 1000 pytań tak, jak zadałbyś je tydzień wcześniej — jako 1000 osobnych wywołań generate-content. Każde wywołanie musi przenosić dokument, ponieważ punkt końcowy czatu nie ma sposobu, aby utrzymać go między wywołaniami. To daje 40 milionów tokenów wejściowych, czyli 4,00 USD przy tej samej stawce za token, a różnica rośnie, gdy dodasz tokeny wyjściowe, które wygenerowałoby każde z tych wywołań. Koperta nie jest funkcją wygody. To tysiąckrotna różnica kosztów przy tej samej pracy i wynika z jednego wyboru projektowego: pytania są oceniane względem jednego wspólnego kontekstu w jednym przebiegu, a nie po jednym na każdą rundę komunikacji.

Ta arytmetyka mówi też, jaki kształt ma obciążenie, którego chce ten model. Wiele pytań o jeden duży obiekt, obsługiwanych razem. Jeśli Twoje pytania dotyczą 1000 różnych obiektów, otrzymujesz 1000 żądań i żadnych oszczędności.

Pula: 262,144 tokeny, współdzielona i ograniczona do 1000 pytań.

Okno kontekstu obejmuje łącznie wspólne dane wejściowe i wszystkie pytania w żądaniu, przy 262 144 tokenach. W ramach tego budżetu możesz zadać od 1 do 1000 pytań. Liczba, która ma znaczenie, to górna granica: 1000 pytań w jednym wywołaniu to nie obszar klasyfikatora, lecz tyle osądu, ile mieści silnik reguł, ściśnięte w jednym przebiegu. Zgłoszenie do pomocy technicznej można sprawdzić pod kątem czterdziestu klauzul polityki; akta kredytowe można przetestować jednocześnie pod kątem każdej reguły oceny kredytowej.

Dwie właściwości kształtu żądania łatwo przeoczyć, a ich późniejsze odkrycie jest kosztowne. Pytania są oceniane niezależnie — odpowiedź na jedno pytanie nie warunkuje następnego, więc nie można prowadzić rozumowania łańcuchowo, zadając pytanie uzupełniające, które zależy od wcześniejszej odpowiedzi. Model nigdy nie widzi kluczy Twoich pytań, tylko tekst instrukcji, który piszesz, więc klucze służą do Twojej własnej ewidencji, a instrukcje muszą być samodzielne.

Trzy kształty pytań i pułapka w każdym z nich

• Tak/nie — typ noul zwraca prawdopodobieństwo z przedziału od 0,01 do 0,99 oraz wynik pewności. Wartość jest ograniczana z obu stron, więc próg routingu ustawiony na 0,995 nigdy nie zadziała, niezależnie od tego, jak pewny jest model. Wybieraj progi mieszczące się w zakresie, który API faktycznie może zwrócić.

• Wybór — od dwóch do 255 nazwanych opcji, zwracając zwycięską opcję, prawdopodobieństwo dla każdej opcji sumujące się do jedności oraz poziom pewności. Przed ocenianiem API sortuje klucze opcji alfabetycznie według kolejności bajtów UTF-8, co oznacza, że kolejność kluczy w JSON nie ma znaczenia, a dokładny remis rozstrzyga się na korzyść klucza, który sortuje się jako pierwszy. Wskazówka Google'a wynika z tego: nazwij swoją opcję zbiorczą other, ponieważ nazwa taka jak none_of_the_above sortuje się przed większością rzeczywistych kategorii i wygra remisy, które powinna przegrać.

• Ocena — od dwóch do 255 uporządkowanych poziomów rubryki, przy czym zaleca się od dwóch do dziesięciu. Wartość zwracana to oczekiwany poziom ważony prawdopodobieństwem, a ponieważ wartość oczekiwana uśrednia indeksy tablicy, a nie etykiety, skala zapisana jako 1/10/100/1000 daje liczbę, której nie ma na Twojej skali. Zachowaj równomierne odstępy między poziomami rubryki pod względem indeksów lub samodzielnie przekonwertuj oczekiwany indeks z powrotem na etykietę.

Co dokumentacja podaje jako niedostępne

Wszystkie luki idą w tym samym kierunku: to endpoint jednokrotnego wywołania, bez żadnej warstwy wokół niego. Nie ma buforowania kontekstu, więc dokument polityki używany ponownie w kolejnych żądaniach jest za każdym razem rozliczany w pełnej wysokości. Nie ma interfejsu Batch API, co wyklucza nocne masowe przetwarzanie ubiegłorocznych zgłoszeń za połowę ceny. Nie ma poziomu Flex ani Priority. Model jest dostępny wyłącznie w Gemini Developer API, w wersji v1beta, bez wpisu Vertex AI w dokumentacji opublikowanej przez Google — szczegół istotny dla każdego, kto realizuje zakupy w ramach umowy chmurowej, a nie przez klucz API.

Media są jednocześnie nietypowo szerokie i nietypowo ograniczone. Tekst, obraz, wideo, audio i PDF — wszystko trafia w jednym żądaniu. Limity wynoszą 100 MB dla wbudowanego base64, 50 MB dla PDF-a i 15 MB na zewnętrzny adres URL HTTPS. Linki do YouTube nie są akceptowane, podobnie jak identyfikatory URI gs://; przekazujesz referencje do przesłanych plików, podpisane adresy URL lub bajty.

Limity szybkości zaczynają się od 200 żądań i 50 000 tokenów na minutę w warstwie bezpłatnej, rosną do 1500 i miliona w warstwie Tier 1, a w warstwie Tier 2 osiągają 5000 żądań i cztery miliony tokenów na minutę bez dziennego limitu żądań. Warstwa bezpłatna jest bezpłatna, ale w dokumentacji wskazano, że służy do ulepszania produktów Google, co wyklucza jej stosowanie do czegokolwiek objętego klauzulą poufności.

Wynik w skrócie

Na Artificial Analysis Decision Index v2.1 model osiąga wynik 66 — 65,98 bez zaokrąglenia — co daje dziewiąte miejsce wśród osiemnastu modeli decyzyjnych klasyfikowanych przez panel. Samodzielnie zajmuje pierwsze miejsce w dwóch z sześciu komponentów, AA-Omniscience-Decision v1.1 i HLE-MultiChoice v1.1, oba o wadze 15%, a w AA-Paperclip o wadze 30% plasuje się w środku stawki; to komponent, który w największym stopniu decyduje o wyniku złożonym. Zmierzony koszt to 345 USD za milion zadań, a opóźnienie 211 milisekund na zadanie wobec mediany w stawce wynoszącej 209. Google nie opublikowało przy wydaniu własnej tabeli benchmarków; każda podana tu liczba dotycząca wydajności pochodzi od niezależnego panelu i jego własnego zestawu testowego. Arytmetyka stojąca za wynikiem 66 to osobne zagadnienie i osobny artykuł.

Wpasowanie tego w pipeline, który już trasujesz

OrcaRouter nie obsługuje gemini-decision-1, a powód jest strukturalny, a nie handlowy: endpoint zwracający wyłącznie prawdopodobieństwa nie jest celem chat-completions, więc router w naszej postaci nie ma czego postawić za jednym kluczem. Połową potoku, na której nam zależy, jest ta druga połowa. Usługa decyzyjna to niemal zawsze dwa wywołania — jedno tworzy wstępną odpowiedź, kryteria oceny lub listę kandydatów, a drugie ją ocenia — i to właśnie wywołanie tworzące jest miejscem, w którym wybór modelu naprawdę budzi spór.

To wywołanie może obejmować ponad 200 modeli na jednym endpoincie, po cenie listowej dostawcy przekazywanej z 0% marży, więc gdy dostawca obniża cenę, nowa kwota jest u nas widoczna tego samego dnia, a nie dopiero w następnym cyklu rozliczeniowym. Fuzja modeli jest tutaj zasadna w sposób, w jaki nie jest w interfejsie czatu: dwa modele tworzące szkice generują konkurujące ze sobą odpowiedzi kandydujące, a Decisions API ocenia obie według tych samych kryteriów w jednym żądaniu, co zamienia test A/B w decyzję na poziomie pojedynczego rekordu.

Warto też precyzyjnie podejść do kwestii failover. Automatyczny failover chroni wywołanie generatywne — jeśli dostawca stojący za Twoim modelem do draftowania zwraca błędy, żądanie zostaje przekierowane i pipeline działa dalej. Nie może ochronić wywołania oceniającego, ponieważ istnieje dokładnie jedno miejsce, do którego można je wysłać. Jeśli endpoint decyzyjny jest niedostępny, Twój pipeline jest niedostępny i żadne zmiany w routingu tego nie zmienią. Zaprojektuj część odpowiedzialną za draftowanie tak, aby była odporna, i zaakceptuj, że część oceniająca jest zależnością.

Konkluzja

Warto przyjąć Decisions API z jednego powodu i nie jest nim pozycja w rankingu: zamienia tysiąc rund zapytań w jedno rozliczane wejście, a to zmienia to, które pytania są tanie do zadania. Buduj na nim, jeśli twoje problemy wyglądają jak wiele ocen dotyczących jednego dużego obiektu — umowy, pliku roszczenia, godziny wideo — i licz się z tym, że utrzymasz swoje prompty w obrębie jednego żądania, ponieważ wszystko, co czyni go tanim, dzieje się między pierwszym a ostatnim tokenem pojedynczego wywołania. Jeśli twoje problemy wyglądają jak jedno pytanie dotyczące tysiąca małych obiektów, koperta nic ci nie daje, a stawka za wejście jest po prostu trzykrotnie wyższa od tej, którą pobiera tańszy model decyzyjny.