Google, tek geçişte 1.000'e kadar kapalı uçlu seçeneği puanlayan Gemini Decisions API'yi kullanıma sundu

Google, yazmak için değil, seçim yapmak için tasarlanmış bir modeli piyasaya sürdü

Google, dev.to'nun aktardığına göre Gemini API ve Google AI Studio'da yer alan, özel amaçla geliştirilmiş Gemini Decision 1 (gemini-decision-1) modeli üzerine kurulu yeni bir endpoint olan Gemini Decisions API'yi kullanıma sundu. Model, yanıtı token token oluşturmak yerine, sabit bir aday seçenek kümesini tek bir forward pass içinde değerlendiriyor ve olasılıkların yanı sıra bir güven skoru döndürüyor. Duyuru 11 Kasım 2026 tarihli.

Tek bir paylaşımlı girdi, 1.000'e kadar soru

Tek bir istek; metin, görsel, ses, video ve PDF'leri 256K token'a kadar karıştırabilen tek bir paylaşımlı girdi alıyor ve aynı çağrıda bu girdiye karşı en fazla 1.000 ayrı soru yanıtlanabiliyor.

dev.to üç soru tipi bildiriyor: ikili evet/hayır olasılığı; her adayın normalize edilmiş bir olasılık aldığı, 2 ile 255 arasında seçenek içeren çoktan seçmeli; ve her rubrik düzeyi için olasılıkların yanı sıra sürekli bir ağırlıklı skor döndüren sıralı rubrik puanlama. Her yanıt ayrıca 0 ile 1 arasında bir güven skoru taşıyor; bu da uygulama koduna, belirsiz durumları bir fallback'e veya insan incelemesine yönlendirmek için bir sinyal veriyor.

Google'ın adını verdiği kullanım alanları; araç seçimi, politika kontrolleri, model yönlendirmesi ve bağlam derecelendirmesi — yanıtların serbest biçimli metinden değil, bilinen bir kümeden geldiği karar noktalarının tamamı.

Gecikme ve fiyatlandırma

dev.to'nun aktardığı Google verilerine göre uçtan uca gecikme 150–250 ms; 16K token'a kadar bağlamlarda medyan model işlem süresi 50–100 ms ve gecikme, istek başına 1'den 100 soruya neredeyse sabit kalıyor.

Fiyatlandırma milyonunca input token başına 0,10 USD ve çıktı için ücret alınmıyor. Google, bunu paylaşımlı bir benchmark paketinde Interactions API ile kullanılan Gemini 3.5 Flash-Lite'tan neredeyse beş kat daha ucuz olarak konumlandırıyor. Google AI Studio'da ücretsiz bir katman mevcut. Google ayrıca modelin yönlendirme, akıl yürütme, sıralama ve multimodal anlama alanlarındaki benchmark'larında önde olduğunu ve karşılaştırılan modeller arasında en düşük kalibrasyon hatasına sahip olduğunu iddia ediyor.

Google içinde halihazırda çalışıyor

Google, modelin şirket içinde üretimde olduğunu söylüyor: Gemini Notebook'ta istekleri modeller arasında yönlendirerek günlük sorgularda gecikmeyi yüzde 40'a kadar düşürüyor; Stitch'te wireframe sürecini yürütüyor; CC'de 200'den fazla adaylık havuzundan emojileri seçiyor ve Google Search'te MCP araçları için bir güvenlik katmanı olarak görev yapıyor.

Üçüncü taraf desteği; Google'ın google-genai SDK'larının yanı sıra OpenRouter, LangChain, Vercel AI SDK, LiteLLM, Pydantic AI, Pipecat, LiveKit ve OpenCode üzerinden geliyor.

Neden önemli

Agent framework'leri şu anda aslında birer sınıflandırma olan soruları yanıtlamak için üretim token'ı harcıyor — hangi aracın çağrılacağı, bir politikanın bir eyleme izin verip vermediği, bir prompt'u hangi modelin ele alması gerektiği. Kapalı bir seçenek kümesini tek geçişte puanlayan, kalibre edilmiş olasılıklar döndüren ve milyonunca input token başına on sente mal olan bir model, bu çağrıların matematiğini değiştiriyor. Yerleşik güven skoru ayrıca geliştiricilere, bir modelin yanıtını dizgi eşleştirmesi yapmak yerine, tırmanma (escalation) için savunulabilir bir eşik sunuyor. Lansmanda duyurulan entegrasyonların genişliği, agent araç ekosisteminin bunu bir merak konusu değil altyapı olarak gördüğüne işaret ediyor.