Google DeepMind lança o Gemini Decision 1 para tomada de decisão baseada em agentes

O Google DeepMind lançou o Gemini Decision 1 e uma API de Decisões dedicada, tentando separar do modelo gerativo geral as muitas decisões fechadas do sistema de Agentes, como “qual ferramenta chamar?”, “está em conformidade com a política?”, “a qual tipo de modelo atribuir?”, “qual o nível de risco?”. Os desenvolvedores podem enviar até 256.000 tokens de texto, imagens, áudio, vídeo ou PDF de uma só vez e fazer até 1.000 perguntas independentes sobre o mesmo material; o modelo não gera explicações palavra por palavra, mas fornece diretamente probabilidades e níveis de confiança para as opções em um único cálculo forward. O Google divulga uma latência típica de ponta a ponta de 150 a 250 milissegundos, com preço de US$ 0,10 por milhão de tokens de entrada e saída gratuita. No entanto, esses dados de latência são principalmente provenientes de testes com até 16.000 tokens e no máximo 100 perguntas, e não comprovam que a mesma velocidade será mantida com contexto completo e 1.000 perguntas; avaliações independentes também o classificaram em nono lugar entre 18 modelos de decisão, indicando que suas capacidades de calibração e multimodalidade são notáveis, mas não o tornam o campeão geral em todas as tarefas de decisão.

Autor do artigo, fonte: Google DeepMind

Atualmente, muitos Agentes, mesmo quando precisam apenas responder “sim ou não”, chamam modelos de geração completos. O modelo precisa ler o contexto, raciocinar e gerar tokens sequencialmente, e a aplicação, em seguida, precisa extrair um valor booleano ou categoria da resposta.

Este método é flexível, mas muito ineficiente em fluxos de trabalho de alta frequência. Um agente de atendimento pode precisar avaliar sequencialmente a intenção do usuário, o risco da conta, as políticas aplicáveis, os permisssões de ferramentas, a fila de escalonamento e o modelo de resposta; cada etapa chama um modelo de geração, acumulando latência, custos e erros de análise de formato.

A Decisão 1 do Gemini adota uma abordagem diferente: os desenvolvedores primeiro definem um conjunto limitado de respostas candidatas, e o modelo apenas atribui pontuações a essas opções. Não é um modelo de bate-papo, nem redige explicações; é mais semelhante a uma camada universal de classificação, classificação e julgamento estratégico capaz de compreender contextos longos e informações multimodais.

O Google oferece três formatos de perguntas:

• Sim / Não, retorne a probabilidade de a condição ser atendida;
• Escolha entre 2 e 255 opções e retorne a probabilidade normalizada de cada opção;
• Avalie conforme uma escala ordenada pré-definida, retornando ao mesmo tempo as probabilidades de cada nível e a pontuação ponderada.

Cada resultado também possui um nível de confiança entre 0 e 1. O aplicativo pode definir um limiar: quando o nível de confiança for alto, executar automaticamente; quando for insuficiente, encaminhar para um modelo mais potente ou revisão humana.blog.google

Uma única solicitação pode conter até 256.000 tokens e fazer 1.000 perguntas independentes sobre a mesma entrada.

Por exemplo, uma seguradora pode enviar simultaneamente um formulário de sinistro digitalizado, fotos do dano no local, gravações da conversa com o cliente e informações da conta, e solicitar ao modelo que avalie se os documentos estão completos, qual é o tipo de acidente, se há sinais de fraude, para qual fila o caso deve ser encaminhado e quão urgente é o tratamento.

Os materiais compartilhados são cobrados apenas uma vez, e cada pergunta adiciona apenas seus próprios tokens de instrução e opções. Portanto, quando dezenas de verificações precisam ler o mesmo arquivo longo, é mais econômico do que enviar o arquivo repetidamente dezenas de vezes. O preço oficial é de US$ 0,10 por milhão de tokens de entrada, sem cobrança de tokens de saída e sem taxas separadas para OCR ou transcrição de áudio.

Mas essas 1000 perguntas devem ser independentes entre si. O modelo não permitirá que o segundo julgamento leia o resultado do primeiro julgamento. Se o fluxo de trabalho for "primeiro julgar o tipo de documento, depois aplicar regras de revisão diferentes com base no tipo", os desenvolvedores ainda precisarão conectar as duas etapas no código ou chamar a API novamente. Quando for necessário gerar texto explicativo, extrair campos arbitrários ou redigir respostas, ainda serão necessários modelos de geração ou extração de informações.

Gemini Decision 1 pula a decodificação token a token e avalia todos os candidatos em um único cálculo de forward. O Google afirma que o tempo de cálculo mediano do modelo é de 50 a 100 milissegundos, com latência de ponta a ponta, incluindo serviço e rede, de aproximadamente 150 a 250 milissegundos.

Os testes oficiais mostram que, com entradas multimodais de até 16 mil tokens, aumentar uma única requisição de 1 pergunta para 100 pergunta mantém a latência基本mente plana. Nesse mesmo benchmark, o custo é afirmado ser cerca de cinco vezes menor do que chamar o Gemini 3.5 Flash-Lite por meio da API Interactions.

Esses números não podem ser extrapolados diretamente para todos os casos. Embora o modelo permita 256 mil tokens e 1.000 perguntas, o Google não provou que ambos os limites máximos possam ser atingidos simultaneamente e ainda assim ser concluídos em 250 milissegundos; os tempos de upload de vídeos, áudios e PDFs grandes também não estão incluídos no tempo de cálculo do modelo. A implantação real deve remediir com seus próprios comprimentos de arquivo, número de perguntas e localização da rede.

Classificadores tradicionais geralmente são voltados para um formato de dados pré-fixado, enquanto o Gemini Decision 1 pode ler simultaneamente texto, imagens, áudio, vídeo e PDF na mesma solicitação.

O exemplo oficial enviou ao modelo uma foto da superfície da área de café e uma legenda, perguntando ao mesmo tempo sobre três coisas: se havia líquidos não limpos, se deveria ser limpo com pano ou chamado um funcionário de limpeza, e qual era a gravidade da situação. O modelo determinou que havia pequenos derramamentos, sugeriu limpar com pano e forneceu as probabilidades de cada opção.

Os desenvolvedores também podem reduzir a resolução de imagens ou vídeos, sacrificando algum detalhe para diminuir o consumo de Token e taxas. Para sinistros, moderação de conteúdo, inspeção de produtos ou identificação de eventos em vídeos, isso é mais fácil de implementar do que executar separadamente OCR, reconhecimento de voz, modelos visuais e motores de regras; mas um modelo unificado também significa que, se houver um erro na compreensão do conteúdo visual ou auditivo, várias decisões subsequentes podem ser afetadas simultaneamente.

O Google afirma que o Gemini Decision 1 lidera em benchmarks de roteamento, raciocínio, classificação e compreensão multimodal, alcançando o menor erro de calibração. Em comparações oficiais, o modelo atingiu 92,2% no JevBench, acima dos 90,9% do GPT‑6 Luna e dos 90,0% do Jev 1.14; o erro de calibração foi de 0,0250, cerca da metade do 0,0494 do Jev.

Mas ele não domina todas as tarefas. O Jev obteve 86,8% no Mind2Web Multimodal para decisão de tarefas no navegador, ligeiramente acima dos 86,2% do Gemini, e também liderou com 82,0% no When2Call para julgar quando chamar ferramentas, contra 79,9% do Gemini.

O Índice Independente de Decisão de Análise Artificial v2.1 atribui ao Gemini Decision 1 uma pontuação de cerca de 66, ocupando o 9º lugar entre 18 modelos de decisão. Ele lidera em categorias de conhecimento e raciocínio, mas no teste AA‑Paperclip, que exige compreensão correta simultânea de currículos, faturas, recibos ou artigos completos, apenas 33% dos documentos tiveram todas as perguntas respondidas corretamente; o Drex Max v1.1 alcançou 63%. No teste independente When2Call, ele também ficou atrás do Drex Max e do Jev.

Isso mostra que "bem calibrado" e "cada julgamento mais preciso" não são a mesma coisa. Modelos bem calibrados têm maior clareza sobre quando podem estar errados, o que ajuda a definir limiares para revisão humana; no entanto, se for aplicado incorretamente, considerar alta confiança como garantia de verdade ainda pode levar à execução automática de decisões erradas.

O Google já está utilizando esta API em vários produtos. O Gemini Notebook a usa para determinar qual modelo e qual intensidade de pensamento devem ser aplicados a uma consulta, com a empresa afirmando que a latência em consultas comuns pode ser reduzida em até 40%; o Stitch a utiliza para responder rapidamente a alterações de design geradas por voz ou clique; o CC do Google Labs seleciona reações entre mais de 200 emojis; e o Google Search a coloca antes das chamadas às ferramentas MCP para detectar comportamentos adversários e conteúdo perigoso.

Esses casos revelam seu verdadeiro posicionamento: não é a inteligência que o usuário vê finalmente, mas o plano de controle por trás do Agente. Modelos gerativos são responsáveis por escrever código, organizar linguagem e resolver problemas abertos; modelos de decisão são responsáveis por decidir qual chamada fazer a seguir, se permitir a chamada, qual força de modelo é necessária e quando parar a automação e entregar para um humano.

Essa divisão de tarefas pode ser mais adequada para sistemas Agent em grande escala do que simplesmente ampliar modelos gerais, pois muitos passos cotidianos não exigem “escrever melhor”, apenas escolher ramificações suficientemente rápidas, baratas e probabilisticamente confiáveis.

A Gemini Decision 1 está atualmente disponível por meio do endpoint `v1beta` da Gemini Developer API, e o suporte ao Google Cloud ainda está marcado como "em breve". O Google ainda não divulgou o número de parâmetros, dados de treinamento, poder de treinamento, arquitetura específica ou ficha técnica completa, portanto, não é possível determinar se ela foi derivada por meio de distilação de modelos Gemini existentes nem validar independentemente as afirmações de segurança e dados no nível de treinamento.