Google, hızlı çok modlu kararlar için Gemini Decisions API'yi başlattı, artık Vercel'de

Google ne başlattı

Google, özel bir modelle çalışan yeni bir endpoint olan Gemini Decisions API'yi tanıttı: Gemini Decision 1 (gemini-decision-1), Google AI Studio'daki Gemini API üzerinden erişilebilir. Google AI blog yazısına göre API, tek bir çok modlu girdi kabul ediyor — metin, görsel, ses, video veya PDF, 256K token'a kadar — ve tek bir istekte buna karşılık en fazla 1.000 bağımsız soruyu değerlendiriyor. Model, yanıtı token token çözmek yerine, aday seçenekleri ağ üzerinden tek bir geçişte puanlayarak olasılıklar ve güven skorları döndürüyor; uçtan uca gecikme 150–250 ms.

Google, modelin fiyatını 1M girdi token'ı başına 0,10 dolar olarak belirledi ve çıktı token'ları için ücret almıyor. Paylaşılan girdi, kaç soru sorulduğuna bakılmaksızın istek başına bir kez faturalandırılıyor; her soru yalnızca kendi talimat ve kriter token'larını ekliyor.

Üç tür soru

API üç karar formatını destekliyor. Boolean tipi, bir evet/hayır koşulunun geçerli olma olasılığını tahmin ediyor; doğru ve yanlışın ne anlama geldiğine dair isteğe bağlı açıklamalar eklenebiliyor. Seçim (choice) tipi 2 ile 255 arasındaki seçenekler arasından birini seçiyor, kazananı ve her aday için normalize edilmiş olasılıkları döndürüyor. Puan (score) tipi, girdiyi sıralı bir değerlendirme rubriğine göre notlandırarak sürekli bir ağırlıklı puan ve düzey başına olasılıklar üretiyor. Her yanıt 0 ile 1 arasında bir güven değeri içeriyor; bu da uygulama kodunun belirsiz durumları bir yedek yola veya insan incelemesine yönlendirmesini sağlıyor.

Girdiler, Interactions API ile aynı Content bloğu formatını kullanıyor ve modaliteler karıştırılabiliyor — örneğin bir çağrı kaydının hesap metaverileriyle eşleştirilmesi ya da taranmış bir PDF talebinin hasar fotoğraflarıyla birleştirilmesi gibi. Görsel ve video girdilerindeki çözünürlük, görsel ayrıntı ile token maliyeti arasında denge kurmak için ayarlanabiliyor.

Performans ve maliyet iddiaları

Google'a göre Gemini Decision 1, agent yönlendirme, akıl yürütme, sıralama ve çok modlu anlama kapsayan benchmark paketinin zirvesinde yer alıyor ve karşılaştırılan modeller arasında en düşük kalibrasyon hatasına sahip. Bildirilen medyan model işlem süresi 50–100 ms ve gecikme, 16K token'a varan bağlamlarda istek başına 1 ile 100 soru arasında neredeyse sabit kalıyor. Google ayrıca modelin, paylaşılan benchmark paketi genelinde Interactions API'deki Gemini 3.5 Flash-Lite'tan yaklaşık beş kat daha ucuz olduğunu, bunun sıfır çıktı token faturalandırması ile ayrı ses transkripsiyonu ve OCR ücretlerinin olmamasından kaynaklandığını belirtiyor. Prototipleme için AI Studio'da ücretsiz bir katman mevcut.

Google birkaç iç kullanıcı sıralıyor. Gemini Notebook, gelen sorguları doğru model katmanına ve düşünme düzeyine yönlendirmek için API'yi kullanıyor ve günlük sorgularda gecikmeyi yüzde 40'a kadar azaltıyor. Stitch tasarım aracı, oynanabilir wireframe'ler üretmek ve sesli veya dokunmatik düzenlemeleri neredeyse anında uygulamak için onu kullanıyor; Google Labs'tan CC, 200'den fazla seçenekten emoji tepkileri seçmek için kullanıyor ve Google Arama, onu MCP araçları çevresindeki düşmanca davranışları tespit eden bir güvenlik katmanı olarak uyguluyor.

Vercel üzerinden erişilebilirlik

Vercel'in changelog kaydına göre model artık AI Gateway üzerinde google/gemini-decision-1 olarak yayında ve AI SDK, TypeSafe uyumlu API veya Decisions API üzerinden çağrılabiliyor. PDF, ses ve video girdileri AI SDK 7 üzerinden çalışıyor; TypeSafe uyumlu API ve Decisions API ise şu anda yalnızca metin ve görsel girdileri destekliyor. Karar çağrıları gateway loglarında görünüyor ve diğer model istekleri gibi bütçelere dahil ediliyor.

Google, ekosistem entegrasyonlarının OpenRouter, LangChain, LiteLLM, Pydantic AI, Pipecat, LiveKit ve OpenCode genelinde, google-genai SDK'larının yanı sıra yayımlandığını; Google Cloud'da Gemini desteğinin ise yakında geleceğini ekliyor.

Neden önemli

Agent işlerinin büyük bir kısmı — istekleri yönlendirme, politikaları denetleme, araçları filtreleme, sonuçları sıralama — üretilmiş düz yazıya ihtiyaç duymuyor; bilinen seçenekler arasında hızlı ve iyi kalibre edilmiş bir seçime ihtiyaç duyuyor. Geliştiriciler genellikle ya özel sınıflandırıcılar eğitti ya da bu tür kararları bir sohbet modelinden çıkarmak için tam üretken gecikme ve token maliyetleri ödedi. Çıktı için hiçbir ücret almayan ve 250 ms altında yanıt veren karar odaklı bir endpoint, bu görevleri ucuz kontrol katmanı çağrılarına dönüştürüyor ve yerleşik güven skorları, yedek yola veya insan incelemesine geçişi kolaylaştırıyor. Modelin Vercel'inkiler gibi gateway'ler üzerinden zaten sunuluyor olması, onu mevcut AI SDK yığınlarına çok az değişiklikle yerleştirilebilir kılıyor — ve benchmark iddiaları bağımsız testlerde doğrulanırsa, özel karar modellerinin uygulamalar ile üretken modeller arasında standart bir katman haline gelmesi kaçınılmaz görünüyor.