Google روز ۱۱ نوامبر ۲۰۲۶ از Gemini Decisions API رونمایی کرد؛ نقطه‌ی دسترسی تازه‌ای در Gemini API داخل Google AI Studio که برای تصمیم‌گیری سریع میان مجموعه‌ای بسته از گزینه‌ها ساخته شده است. این سرویس بر یک مدل جدید به نام Gemini Decision 1 (gemini-decision-1) سوار است. اعلامیه را Min Choi، مدیر محصول در Google DeepMind، و Felix Yu، دانشمند ارشد همان مجموعه، امضا کرده‌اند.
ایده این است که به‌جای متن تولیدشده، یک امتیاز بگیرید. Gemini Decision 1 پاسخ را کلمه‌به‌کلمه نمی‌نویسد، بلکه گزینه‌های نامزد را در یک گذر واحد امتیاز می‌دهد و احتمال و میزان اطمینان برمی‌گرداند. Google تأخیر سرتاسری را بین ۱۵۰ تا ۲۵۰ میلی‌ثانیه اعلام می‌کند که ۵۰ تا ۱۰۰ میلی‌ثانیه‌اش سهم محاسبه‌ی مدل است، و می‌گوید این رقم از یک تا ۱۰۰ پرسش در هر درخواست تقریباً ثابت می‌ماند. یک ورودی چندوجهی تا ۲۵۶K توکن، شامل متن، تصویر، صدا، ویدیو و PDF، را می‌توان با حداکثر ۱۰۰۰ پرسش مستقل همراه کرد.
پرسش‌ها سه نوع دارند. در متن Google این سه noul برای شرط‌های بله یا خیر، choice برای انتخاب میان ۲ تا ۲۵۵ گزینه و score برای درجه‌بندی بر پایه‌ی مقیاسی مرتب است که از صفر شروع می‌شود. هر پاسخ امتیاز اطمینانی میان ۰ و ۱ دارد تا کد برنامه بتواند موردهای مبهم را به مدل پشتیبان یا یک بازبین انسانی بسپارد. فیلد ورودی همان قالب بلوک‌های Content در Interactions API را به کار می‌گیرد و نوشته‌ی Google نمونه‌ای پایتونی نشان می‌دهد که عکس یک پیشخوان اتاق استراحت را با هر سه نوع پرسش در یک فراخوانی client.decisions.create بررسی می‌کند.
قیمت هر یک میلیون توکن ورودی ۰٫۱۰ دلار است و برای توکن خروجی هزینه‌ای گرفته نمی‌شود. ورودی مشترک در هر درخواست فقط یک بار حساب می‌شود، هر قدر هم پرسش باشد، و هر پرسش تنها توکن‌های دستورالعمل و معیارهای خودش را اضافه می‌کند. Google هزینه‌ی توکن‌های تفکر یا کارمزد جداگانه‌ی رونویسی صدا و OCR را ذکر نکرده و از یک سطح رایگان API در Google AI Studio برای نمونه‌سازی خبر می‌دهد. به گفته‌ی شرکت، در یک مجموعه‌ی آزمون مشترک، Decisions API تقریباً پنج برابر ارزان‌تر از Gemini 3.5 Flash-Lite در استفاده از راه Interactions API تمام می‌شود و Gemini Decision 1 در این مجموعه، که مسیریابی عامل‌ها، استدلال، رتبه‌بندی و درک چندوجهی را پوشش می‌دهد، با کمترین خطای کالیبراسیون پیشتاز است.
Google چهار کاربرد درونی را توصیف می‌کند. Gemini Notebook از این سرویس به‌عنوان مسیریاب لحظه‌ای استفاده می‌کند که هر پرسش را به یک سطح مدل و عمق تفکر می‌فرستد و برای پرسش‌های روزمره تا ۴۰ درصد تأخیر کمتر می‌دهد. یک آزمایش بوم سریع در Stitch با آن در چند ثانیه طرح‌های اولیه‌ی قابل‌بازی می‌سازد و ویرایش‌های صوتی یا لمسی را تقریباً بی‌درنگ اعمال می‌کند. CC از Google Labs یک واکنش ایموجی را از میان بیش از ۲۰۰ گزینه برمی‌گزیند و Google Search آن را لایه‌ی ایمنی برای شناسایی رفتار و محتوای خصمانه‌ی متوجه ابزارهای MCP به کار می‌برد.
برای توسعه‌دهندگان بیرونی، مدل در Google AI Studio در دسترس است، با راهنماهای Python و JavaScript و REST و سه برنامه‌ی نمایشی به نام‌های Doorstep Parcels و Speed Sketch و Find the Zoo Keeper. Google می‌گوید یکپارچه‌سازی‌ها در OpenRouter، LangChain، Vercel، LiteLLM، Pydantic AI، Pipecat، LiveKit و OpenCode در کنار SDKهای google-genai در حال عرضه است و پشتیبانی در Gemini in Google Cloud به‌زودی می‌رسد.
نتایج آزمون، مقایسه‌ی هزینه و ارقام تأخیر همگی از خود Google هستند و مجموعه‌ی آزمون زیرین برای راستی‌آزمایی در دسترس نبود. این سرویس به پرسش‌های مجموعه‌ی بسته محدود است؛ پس جایگزین طبقه‌بندها و مسیریاب‌ها می‌شود، نه تولید آزاد متن.