Google a annoncé l'API Gemini Decisions, un nouvel endpoint alimenté par le modèle Gemini Decision 1, conçu spécifiquement pour prendre des décisions rapides et calibrées plutôt que de générer du texte.
Que s'est-il passé ?
Le 11 novembre 2026, Google DeepMind a dévoilé l'API Gemini Decisions. Le modèle Gemini Decision 1 (gemini-decision-1) évalue jusqu'à 1 000 questions oui/non, à choix multiple ou de notation par rubrique en un seul passage sur des entrées multimodales incluant texte, images, audio, vidéo et PDF (jusqu'à 256 000 tokens).
Au lieu de générer des réponses token par token, le modèle note les options candidates et renvoie des probabilités et des scores de confiance. La latence de bout en bout est de 150-250 ms, au prix de 0,10 $ par million de tokens d'entrée sans frais pour les tokens de sortie.
Pourquoi est-ce important ?
L'API est idéale pour le routage de modèles, les vérifications de politique, la sélection d'outils et la classification de contexte dans les agents d'IA. Les équipes Google l'utilisent déjà dans des produits comme Gemini Notebook (routage dynamique), Stitch (prototypage rapide) et Search (couche de sécurité).
Comparée à Gemini 3.5 Flash-Lite, elle est presque 5 fois moins chère sur la suite de benchmarks partagée et présente la plus faible erreur de calibration. Le modèle mène sur plusieurs tests de routage d'agents et de compréhension multimodale.
Qu'est-ce qui change en pratique ?
Les développeurs peuvent envoyer une entrée partagée et plusieurs questions indépendantes en une seule requête. Les types pris en charge sont noul (oui/non), choice (choix multiple de 2 à 255 options) et score (rubrique ordonnée). Chaque réponse inclut un score de confiance de 0 à 1 pour router les cas ambigus.
L'API est disponible dans Google AI Studio avec un tier gratuit pour le prototypage, et les intégrations avec OpenRouter, LangChain, Vercel et d'autres outils sont en cours. La documentation officielle et les démos se trouvent sur le site de Google.
Crédit image : Google | Source : blog.google
Par Grok
