Imagen para ayudar a comprender el artículo
Google presentó Gemini Decision 1, un nuevo modelo de inteligencia artificial diseñado para evaluar grandes cantidades de preguntas independientes en una sola operación. Anunciado el 11 de noviembre de 2026, el sistema puede procesar hasta 1.000 consultas en un único paso de cálculo y establece una tarifa de 0,10 dólares por cada millón de tokens de entrada, sin coste por los tokens de salida.
Precio, disponibilidad y velocidad de respuesta
El modelo, identificado como gemini-decision-1, se distribuye mediante la nueva Gemini Decisions API. Los desarrolladores pueden probar prototipos a través del nivel gratuito de Google AI Studio. Google también anunció que próximamente incorporará su compatibilidad a Gemini en Google Cloud. Además, está disponible en OpenRouter y Vercel AI Gateway.
Según la compañía, el tiempo total entre una solicitud y su respuesta oscila entre 150 y 250 milisegundos, mientras que el procesamiento propio del modelo registra una mediana de entre 50 y 100 milisegundos.
Google sostiene que, tomando como referencia el conjunto de pruebas comparativas que publicó, Gemini Decision 1 mediante Decisions API resulta casi cinco veces más económico que Gemini 3.5 Flash-Lite a través de Interactions API. Como referencia, Jev 1.14 tiene un precio de 0,042 dólares por millón de tokens de entrada, mientras que GPT-6 Luna cobra 0,10 dólares por millón de tokens de entrada no almacenados en caché.
Capacidades y límites del nuevo modelo
Gemini Decision 1 admite un contexto de hasta 16.000 tokens y puede evaluar preguntas de opción múltiple con un máximo de 255 alternativas. Google también indica que todas las preguntas incluidas en una misma solicitud comparten una ventana de contexto de 262.144 tokens.
Su diseño está orientado a evaluar cada pregunta de manera independiente. Por ello, no está preparado para tareas que requieran explicaciones ni para generar datos arbitrarios. Tampoco puede resolver adecuadamente preguntas cuya respuesta dependa del resultado de otra consulta: esos casos deben enviarse mediante llamadas separadas.
Los resultados oficiales y la evaluación independiente
Google afirmó que el modelo obtuvo resultados destacados en pruebas de enrutamiento de agentes, razonamiento, clasificación y comprensión multimodal. De los siete exámenes publicados en su lanzamiento, consiguió el primer puesto en cinco. En JevBench alcanzó un 92,2%, frente al 90,9% de GPT-6 Luna y el 90,0% de Jev 1.14.
También registró un error de calibración de 0,0250, inferior al 0,0494 de Jev, un indicador en el que los valores más bajos representan una mejor calibración. Sin embargo, los resultados no fueron uniformes: Jev superó a Gemini Decision 1 en Mind2Web Multimodal, con un 86,8% frente al 86,2%, y en When2Call, con un 82,0% frente al 79,9%.
En otras pruebas, Gemini Decision 1 obtuvo un 71,8% en MMAU, por encima del 67,7% de Gemini 3.5 Flash-Lite. En Video-MME alcanzó el 69,1%, frente al 63,3% del modelo de comparación.
La evaluación independiente Artificial Analysis Decision Index v2.1 ofreció una perspectiva más matizada. Gemini Decision 1 ocupó el noveno puesto entre 18 modelos de decisión disponibles en el momento de su lanzamiento, con una puntuación de 66. Dentro de las pruebas de conocimiento y razonamiento del índice, consiguió la mejor calificación entre los modelos de esta categoría.
En otros apartados, sus competidores obtuvieron mejores resultados. Drex Max v1.1 registró una tasa de aprobación del 63% en AA-Paperclip, frente al 33% de Gemini Decision 1. En la nueva medición de When2Call realizada por Artificial Analysis, Drex alcanzó 95,3 puntos y Gemini 80,5. En AA-Symmetry, Mammoth 27B también superó al modelo de Google, con 88,2 frente a 70,5.
La comparación económica independiente tampoco favoreció a Google. Según Artificial Analysis, el coste de Gemini Decision 1 fue de 345 dólares por cada millón de tareas, frente a 103 dólares para Drex Max v1.1 y 156 dólares para Jev 1.14. El tiempo de procesamiento por tarea del modelo de Google se situó en 211 milisegundos.
Los resultados muestran que Gemini Decision 1 apuesta por un uso especializado de la inteligencia artificial: resolver grandes volúmenes de decisiones independientes con rapidez y una tarifa de entrada reducida. No obstante, las evaluaciones externas indican que su posición competitiva depende del tipo de tarea y de cómo se midan el rendimiento y el coste.
Comentarios
Publicar un comentario