API Decisions от Google отвечает на 1 000 вопросов и не берёт плату за вывод

Самая дешёвая часть Gemini Decision 1 — это та часть, которой не существует. Google предоставил доступ к модели через новый Gemini Decisions API 11 ноября 2026 года, и на странице цен цена выходных данных указана как ноль — не дёшево, не со скидкой, а просто отсутствует, потому что POST /v1beta/decisions не генерирует связный текст. Вы отправляете один блок общих входных данных плюс до 1 000 типизированных вопросов; в ответ получаете один калиброванный ответ на каждый вопрос и ничего больше. Цифра в таблице лидеров привлекла внимание в день запуска. Именно строка в счёте меняет то, что вы создаёте, и стоит выполнить арифметику, прежде чем копировать чью-либо схему архитектуры.

Все остальные решения по модели, которые вы принимали за последние два года, определялись двумя затратами, тянущими в противоположные стороны: входными данными, которые хочется отправить один раз, и выходными данными, которые хочется держать короткими. Этот эндпоинт полностью устраняет второе напряжение и заменяет его другим — внутренним для одного запроса. Как только вы увидите, где находится новое напряжение, остальная часть дизайна API — потолок количества вопросов, общий контекст, отсутствие кэширования — перестанет казаться произвольной.

Что нулевое количество выходных токенов делает с арифметикой

Возьмём реалистичную задачу оценки документа: политика или договор на 40 000 токенов и 1000 вопросов, на которые вы хотите получить ответы по нему. Один запрос к Decisions API тарифицирует 40 000 входных токенов один раз — по $0,10 за миллион, что составляет четыре десятых цента, или $0,004 за все тысячу ответов.

Теперь задайте те же 1000 вопросов так, как вы задали бы их неделей раньше — в виде 1000 отдельных вызовов generate-content. Каждый вызов должен нести в себе документ, потому что чат-эндпоинт не может удерживать его между вызовами. Это 40 миллионов входных токенов, или $4.00 при той же цене за токен, и разрыв растёт, как только вы добавляете выходные токены, которые produced бы каждый из этих вызовов. Этот «конверт» — не просто удобная функция. Это тысячекратная разница в стоимости одной и той же работы, и она возникает из одного дизайнерского решения: вопросы оцениваются на фоне одного общего контекста за один проход, а не по одному на каждый сетевой обмен.

Эта арифметика также подсказывает структуру рабочей нагрузки, которую предпочитает эта модель. Множество вопросов об одном большом объекте, обрабатываемых вместе. Если ваши вопросы касаются 1,000 разных объектов, вы получаете 1,000 запросов и никакой экономии.

Лимит: 262 144 токена, общий, с ограничением в 1 000 вопросов.

Контекстное окно охватывает общий вход и все вопросы в запросе вместе, при 262 144 токенах. В рамках этого бюджета можно задать от 1 до 1 000 вопросов. Значение имеет верхняя граница: 1 000 вопросов в одном вызове — это не задача для классификатора, а объём суждений, сравнимый с движком правил, сжатый в один проход. Обращение в службу поддержки можно проверить по сорока пунктам политики; кредитное дело можно проверить сразу по всем правилам андеррайтинга.

Две особенности структуры запроса легко упустить из виду, а их обнаружение задним числом обходится дорого. Вопросы оцениваются независимо — ответ на один вопрос не обуславливает следующий, поэтому нельзя выстроить цепочку рассуждений, задав уточняющий вопрос, который зависит от более раннего ответа. Кроме того, модель никогда не видит ключи ваших вопросов — только текст инструкции, который вы пишете, поэтому ключи служат для вашего собственного учёта, а инструкции должны быть самодостаточными.

Три формы вопросов — и ловушка внутри каждой

• Да/нет — тип noul возвращает вероятность от 0,01 до 0,99 плюс оценку уверенности. Значение ограничено с обеих сторон, поэтому порог маршрутизации, установленный на 0,995, никогда не сработает, независимо от того, насколько уверена модель. Выбирайте пороги в пределах диапазона, который API действительно может возвращать.

• Choice — от двух до 255 именованных вариантов; возвращает победивший вариант, вероятность для каждого варианта с суммой, равной единице, и уровень уверенности. Перед оценкой API сортирует ключи ваших вариантов в алфавитном порядке по байтам UTF-8, поэтому порядок ключей в JSON не имеет значения, а при точном равенстве побеждает тот ключ, который идёт первым при сортировке. Отсюда следует рекомендация Google: назовите свой вариант для всех остальных случаев other, потому что такое имя, как none_of_the_above, сортируется раньше большинства реальных категорий и будет выигрывать при равенстве, где должен проигрывать.

• Оценка — от двух до 255 упорядоченных уровней рубрики, рекомендуется от двух до десяти. Возвращаемое значение — это ожидаемый уровень, взвешенный по вероятностям; поскольку ожидаемое значение усредняет индексы массива, а не метки, шкала, записанная как 1/10/100/1000, даёт число, которого нет на вашей шкале. Держите уровни рубрики равномерно распределёнными в терминах индексов или самостоятельно преобразуйте ожидаемый индекс обратно в метку.

Что в документации указано как недоступное

Все эти пробелы направлены в одну сторону: это эндпоинт для одиночных вызовов, вокруг которого нет никакой обвязки. Здесь нет кэширования контекста, поэтому документ политики, повторно используемый в разных запросах, каждый раз тарифицируется заново в полном объёме. Здесь нет Batch API, что исключает ночной прогон прошлогодних тикетов за полцены. Нет уровней Flex или Priority. Модель доступна только через Gemini Developer API версии v1beta, а в документации, выпущенной Google, она не указана в Vertex AI — деталь, важная для всех, у кого закупка идёт через облачный контракт, а не через API-ключ.

Медиа одновременно необычно широки и необычно ограничены. Текст, изображения, видео, аудио и PDF передаются в одном запросе. Ограничения: 100 МБ для встроенного base64, 50 МБ для PDF и 15 МБ на каждый внешний HTTPS-URL. Ссылки YouTube не принимаются, как и URI gs://; вы передаёте ссылки на загруженные файлы, подписанные URL или байты.

Лимиты начинаются с 200 запросов и 50 000 токенов в минуту на бесплатном тарифе, повышаются до 1 500 запросов и одного миллиона токенов в минуту на уровне 1 и достигают 5 000 запросов и четырёх миллионов токенов в минуту на уровне 2 без суточного лимита запросов. Бесплатный тариф предоставляется бесплатно, но в документации указано, что он используется для улучшения продуктов Google, что делает его непригодным для любых задач, подпадающих под пункт о конфиденциальности.

Счёт, кратко

На Индексе решений Artificial Analysis v2.1 модель набирает 66 баллов — 65,98 без округления — и занимает девятое место среди восемнадцати моделей принятия решений, которые ранжирует совет. Она единолично занимает первое место по двум из шести компонентов — AA-Omniscience-Decision v1.1 и HLE-MultiChoice v1.1, оба имеют вес 15%, — и находится в середине таблицы по AA-Paperclip с весом 30%, а это компонент, который определяет большую часть композитной оценки. Измеренная стоимость — 345 долларов за миллион задач, задержка — 211 миллисекунд на задачу при медиане по полю 209. Google не опубликовала собственной таблицы бенчмарков вместе с релизом; все показатели производительности здесь принадлежат независимому совету и получены на его собственном стенде. Арифметика, стоящая за 66, — отдельный вопрос и отдельная статья.

Встраивание этого в конвейер, который вы уже маршрутизируете

OrcaRouter не поддерживает gemini-decision-1, и причина структурная, а не коммерческая: эндпоинт, возвращающий только вероятности, не является целью chat-completions, поэтому роутеру нашей архитектуры нечего поставить за одним ключом. Та половина пайплайна, для которой мы предназначены, — это другая половина. Сервис принятия решений почти всегда состоит из двух вызовов — что-то составляет черновик ответа-кандидата, рубрику или шортлист, а что-то оценивает его, — и именно на вызове составления черновика выбор модели действительно становится предметом спора.

Этот вызов может работать с более чем 200 моделями через одну конечную точку, по списочной цене провайдера, передаваемой без наценки — 0%, поэтому когда поставщик снижает цену, новое значение действует у нас в тот же день, а не в следующем расчётном периоде. Объединение моделей здесь оправдано так, как не оправдано в чат-интерфейсе: два генератора черновиков создают конкурирующие варианты ответов, и Decisions API оценивает оба по одной и той же рубрике в одном запросе, превращая A/B-тест в решение по каждой записи.

С резервированием тоже стоит быть точными. Автоматическое переключение при сбое защищает генеративный вызов — если провайдер, стоящий за вашей моделью для черновиков, возвращает ошибки, запрос перенаправляется, и конвейер продолжает работу. Оно не может защитить вызов оценки, потому что отправить его можно ровно в одно место. Если эндпоинт решений недоступен, ваш конвейер недоступен, и никакая маршрутизация этого не изменит. Проектируйте половину с черновиками так, чтобы она была отказоустойчивой, и примите, что половина с оценкой — это зависимость.

Итог

Decisions API стоит внедрять по одной причине, и это не позиция в рейтинге: он сводит тысячу сетевых обращений к одному тарифицируемому вводу, и это меняет то, какие вопросы дешево задавать. Стройте на его основе, если ваши задачи выглядят как множество суждений об одном крупном объекте — договоре, файле претензии, часе видео — и рассчитывайте держать свои промпты в пределах одного запроса, потому что всё, что делает его дешевым, происходит между первым и последним токеном одного вызова. Если ваши задачи выглядят как один вопрос о тысяче мелких объектов, обёртка не дает вам ничего, а ставка за ввод просто в три раза выше, чем берет более дешевая модель принятия решений.