Principais destaques
- Decisões em milissegundos: o Gemini Decision 1 analisa até 1.000 perguntas independentes sobre uma mesma entrada, com respostas entre 150 e 250 milissegundos.
- Uma IA que não precisa escrever: em vez de gerar respostas token por token, o modelo retorna probabilidades e níveis de confiança para decisões de sim ou não, múltipla escolha e avaliações.
- Disputa entre gigantes: Google entra em um mercado de modelos especializados em decisões, no qual já aparecem soluções da OpenAI, Microsoft, Cloudflare e Jev.
O Google quer mudar uma parte importante da maneira como a inteligência artificial trabalha. Em vez de produzir textos cada vez mais elaborados, a empresa está apostando em modelos capazes de tomar decisões rapidamente.
A novidade se chama Gemini Decision 1, um modelo desenvolvido para responder perguntas fechadas, avaliar possibilidades e ajudar sistemas de IA a escolher o próximo passo.
Apresentado em 11 de novembro de 2026, o lançamento chega acompanhado da Gemini Decisions API, uma nova interface para desenvolvedores que precisam de respostas rápidas e previsíveis.
A proposta é interessante: nem toda tarefa precisa de um chatbot escrevendo um parágrafo inteiro. Às vezes, tudo o que um sistema precisa saber é se determinada ação está autorizada, qual ferramenta deve utilizar ou qual alternativa é a mais adequada.
Uma IA que decide em vez de conversar ⚡
O funcionamento do Gemini Decision 1 representa uma mudança em relação aos modelos tradicionais de linguagem.
Normalmente, uma IA generativa constrói sua resposta token por token. Esse processo funciona muito bem para conversas, redação, programação e tarefas que exigem raciocínio apresentado em linguagem natural.
Mas pode ser desnecessariamente lento quando a aplicação precisa apenas classificar informações ou escolher entre alternativas.
🔎 A diferença está na abordagem: o Gemini Decision 1 recebe uma entrada compartilhada e uma lista de perguntas independentes. Em seguida, calcula as respostas sem precisar produzir textos completos.
Segundo o Google, o modelo consegue processar até 1.000 perguntas em uma única requisição.
A latência de ponta a ponta fica entre 150 e 250 milissegundos, e permanece praticamente estável mesmo quando mais perguntas são adicionadas.
Isso abre espaço para aplicações que precisam executar muitas verificações simultaneamente.
O que o Gemini Decision 1 consegue fazer?
O modelo foi desenvolvido para três categorias principais de tarefas:
- Sim ou não: verifica se determinada condição foi atendida, retornando probabilidades calibradas entre 0,01 e 0,99.
- Múltipla escolha: seleciona uma alternativa entre 2 e 255 opções disponíveis.
- Avaliação por rubrica: analisa informações com base em critérios previamente definidos.
Cada resposta também recebe uma pontuação de confiança.
💡 Por que isso importa? Aplicações podem estabelecer limites de confiança e encaminhar automaticamente os casos mais ambíguos para uma pessoa. Assim, nem toda decisão precisa ser tomada exclusivamente pela inteligência artificial.
Outro detalhe importante é a capacidade multimodal.
A entrada compartilhada pode combinar diferentes formatos de conteúdo:
- Texto;
- Imagens;
- Áudio;
- Vídeo;
- Documentos PDF.
O limite informado é de aproximadamente 256 mil tokens de entrada.
As perguntas são executadas isoladamente. Isso significa que uma pergunta não influencia diretamente a resposta de outra, mesmo quando todas fazem parte da mesma requisição.
Os agentes de IA podem ganhar velocidade 🚀
Uma das aplicações mais interessantes está no desenvolvimento de agentes de inteligência artificial.
Esses sistemas precisam tomar decisões constantemente: escolher ferramentas, interpretar instruções, verificar permissões e determinar quando uma tarefa deve ser encaminhada para outro modelo.
O Gemini Decision 1 foi projetado justamente para esse tipo de operação.
🧠 Onde ele pode ser utilizado:
- Seleção de ferramentas: identificar qual recurso um agente deve utilizar em determinada situação.
- Verificação de políticas: avaliar se uma solicitação respeita regras de segurança e utilização.
- Roteamento de modelos: direcionar uma tarefa para o modelo mais adequado.
- Avaliação de contexto: classificar informações antes de encaminhá-las para processamento adicional.
A estratégia também pode reduzir o custo de operações que atualmente dependem de modelos generativos mais caros.
Google já utiliza a tecnologia em seus produtos
O lançamento não está restrito a experimentos de desenvolvedores externos.
O Google afirma que algumas equipes internas já utilizam a Gemini Decisions API em produtos e processos da companhia.
| Produto | Aplicação |
|---|---|
| Gemini Notebook | Direcionamento de consultas para o modelo mais adequado |
| Stitch | Prototipagem rápida de wireframes |
| Google Search | Camada de segurança para identificar comportamentos adversariais em ferramentas MCP |
📉 O ganho mais interessante: segundo o Google, o Gemini Notebook consegue reduzir em até 40% a latência de determinadas solicitações ao direcionar consultas para modelos mais adequados.
No Google Search, a tecnologia também é utilizada como uma camada de proteção para detectar comportamentos adversariais relacionados a ferramentas MCP.
Isso mostra que a proposta vai além de simplesmente criar mais um modelo para competir com ChatGPT e Gemini.
O objetivo é melhorar a infraestrutura que permite aos sistemas de IA trabalhar de maneira coordenada.
Quanto custa utilizar o Gemini Decision 1? 💰
O Google anunciou um preço de US$ 0,10 por milhão de tokens de entrada.
Não há cobrança por tokens de saída.
Outro detalhe importante é que a entrada compartilhada é contabilizada apenas uma vez, independentemente de quantas perguntas sejam enviadas na mesma requisição.
Isso pode tornar o modelo especialmente interessante para aplicações que precisam executar centenas de verificações sobre um mesmo conjunto de informações.
O Google afirma que o Gemini Decision 1 é quase cinco vezes mais barato que o Gemini 3.5 Flash-Lite em sua bateria de benchmarks.
Há também um plano gratuito disponível no Google AI Studio para quem deseja experimentar a tecnologia durante o desenvolvimento.
Como ele se compara ao Microsoft Decision 1?
O FourWeekMBA também destacou uma diferença de preços entre as soluções.
| Modelo | Preço por milhão de tokens de entrada |
|---|---|
| Gemini Decision 1 | US$ 0,10 |
| Microsoft Decision 1 | US$ 0,042 |
O preço anunciado pelo Google é aproximadamente 2,4 vezes maior.
Entretanto, a comparação isolada não determina qual solução oferece o melhor custo-benefício. É necessário considerar desempenho, precisão, calibração, limites de utilização e características de cada implementação.
Uma nova disputa no mercado de inteligência artificial
O Google não está sozinho nessa aposta.
A Jev foi uma das primeiras startups a apresentar um modelo especializado em decisões. Posteriormente, OpenAI, Cloudflare e Microsoft também passaram a desenvolver soluções nessa categoria, segundo o The Decoder.
A movimentação indica uma mudança na arquitetura dos sistemas de inteligência artificial.
Até agora, boa parte da competição estava concentrada em modelos maiores, com mais capacidade de raciocínio, geração de código e compreensão multimodal.
Agora, existe outra frente: modelos menores e especializados que executam tarefas específicas com velocidade, previsibilidade e custos potencialmente menores.
🌐 E as integrações? O Gemini Decision 1 já aparece no AI Gateway da Vercel e no OpenRouter. Integrações com LangChain, LiteLLM e outras plataformas estão sendo disponibilizadas.
O Google também informou que o suporte ao Gemini no Google Cloud chegará em breve.
O futuro dos agentes pode depender menos de texto
Existe uma diferença importante entre uma IA que sabe explicar uma decisão e outra que consegue executar rapidamente uma classificação para permitir que um sistema continue funcionando.
O Gemini Decision 1 aposta na segunda possibilidade.
Em um ambiente com agentes autônomos, dezenas de ferramentas e múltiplas etapas de processamento, pequenas decisões acontecem o tempo inteiro. Se cada uma delas depender de uma resposta generativa completa, a latência e os custos podem crescer rapidamente.
É justamente nesse intervalo que o Google pretende encontrar espaço.
A próxima disputa da inteligência artificial talvez não seja apenas sobre quem consegue pensar melhor, mas também sobre quem consegue decidir mais rápido, com menor custo e sem interromper o trabalho dos agentes.
