Google 11 листопада 2026 року запустила Gemini Decisions API на моделі Gemini Decision 1: замість тексту вона видає короткі відповіді з оцінкою впевненості, а млн вхідних токенів коштує $0,10, за даними SiliconANGLE.

Що саме повертає Gemini Decisions API?

Gemini Decisions API приймає один спільний вхід і до 1000 типізованих запитань, а у відповідь віддає числа, а не текст, за даними MarkTechPost. Типів запитань три: «так/ні» (ймовірність «так» у межах від 0,01 до 0,99), вибір із 2-255 варіантів та оцінка за шкалою з 2-255 рівнів. До кожної відповіді додається впевненість від 0 до 1. Google радить слабовпевнені випадки віддавати запасному механізму або людині.

Входом можуть бути текст, зображення, відео, аудіо чи PDF. Контекст становить 262 144 токени на спільний вхід і всі запитання разом. Приклад із SiliconANGLE: команда кібербезпеки просить модель оцінити серйозність антивірусного сповіщення за шкалою від 1 до 10. Запитання оцінюються паралельно й не бачать одне одного.

Скільки коштує Gemini Decisions API порівняно з Jev?

Gemini Decision 1 коштує $0,10 за 1 млн вхідних токенів (близько 4,53 грн за курсом НБУ на 12.11.2026, 45,32 грн за долар), а вихідні токени не тарифікуються. На спільному наборі тестів модель майже у 5 разів дешевша за Gemini 3.5 Flash-Lite ($0,88 проти $4,14).

Проти Jev 1.14 від TypeSafe картина інша: у нього $0,042 за 1 млн токенів і $0,68 за той самий набір. Отже, модель Google дорожча на 29% за набором ($0,88 проти $0,68) і в 2,4 раза за ціною токена ($0,10 проти $0,042). SiliconANGLE також пише, що Jev трохи економніший. Спільний вхід оплачується один раз за запит, а кожне запитання додає лише власні інструкції й критерії.

Кешу й Batch API поки немає, тому великий повторюваний контекст тарифікується щоразу повністю. Безкоштовний обмежений рівень доступний у Google AI Studio.

Наскільки Gemini Decision 1 точний і швидкий?

Gemini Decision 1 лідирує у 7 із 9 тестів у таблиці Google, а найкращий результат становить 92,2% на публічній частині JevBench. Усі цифри Google отримала власними вимірами, а відмови й блокування безпеки зараховано як помилки. Незалежних перевірок у джерелах немає.

Які саме два тести Google не виграє, джерела не кажуть. Відомо лише про When2Call: 79,9% проти 82,0% у Jev 1.14. Найнижчий результат моделі: 58,7% Macro-F1 на Amazon ESCI.

Похибка калібровки за вимірами Google становить 0,0250, а в Jev 1.14 вона 0,0494, тобто приблизно вдвічі більша. Це важливо, коли ви задаєте пороги впевненості для автоматизації. Крім Jev, Google порівнювала модель із GPT-6 Luna на OpenAI Decisions (сервіс запущено минулого місяця) і з Gemini 3.5 Flash-Lite.

Медіанний час обчислення моделі становить 50-100 мс, наскрізна затримка 150-250 мс, і вона майже не росте від 1 до 100 запитань. Автори блогу DeepMind Мін Чой і Фелікс Ю заявляють це для входів до 16K токенів, хоча контекст сягає 256K. Для довших входів даних про затримку в джерелах немає.

Які інструменти вже підтримують Gemini Decisions API?

Ендпоінт працює в Gemini Developer API (v1beta) і потребує google-genai SDK 3.2 або новішого. Підтримка розгортається в OpenRouter, LangChain, Vercel AI SDK, LiteLLM, Pydantic AI, Pipecat, LiveKit і OpenCode. У Gemini on Google Cloud вона позначена як «скоро».

Усередині Google API вже застосовують: Gemini Notebook із його допомогою розподіляє запити за рівнями моделей, і це дає до 40% нижчу затримку для щоденних запитів (дані Google).

Що робити зараз