Modele AI · 6 min czytania · 12 listopada 2026

Gemini Decisions API: decyzje AI w 150-250 ms za 0,10 USD

Przejdź do treści i przykładów
Gemini Decisions API: decyzje AI w 150-250 ms za 0,10 USD
  • 11 listopada 2026 Google wprowadziło Gemini Decisions API, nowy endpoint do szybkich decyzji ze zbioru zamkniętego, oparty na modelu Gemini Decision 1 (gemini-decision-1).
  • Model nie pisze odpowiedzi słowo po słowie. Ocenia podane opcje w jednym przebiegu i zwraca prawdopodobieństwa oraz wskaźnik pewności od 0 do 1.
  • Cena: 0,10 USD za 1M tokenów wejściowych, 0 USD za wyjściowe. Do prototypowania jest bezpłatny poziom API w Google AI Studio.
  • Wyniki benchmarków i porównania kosztów to na razie deklaracje Google, nie niezależne testy.

Google wprowadziło nowy typ zapytania do Gemini: zamiast generować tekst, model wybiera spośród opcji, które mu podasz, i mówi, jak bardzo jest tego pewny. Producent podaje opóźnienie 150-250 ms end-to-end. To dane z ogłoszenia Google, nie wynik zewnętrznego testu. Narzędzie jest dla ludzi, którzy budują aplikacje i automatyzacje, ale mechanizm warto rozumieć także wtedy, gdy kodu nie piszesz.

Zamiast wypracowania dostajesz samo "tak" i poziom pewności

Typowy model językowy odpowiada tekstem, token po tokenie. Jeśli chcesz tylko wiedzieć, czy na zdjęciu jest rozlana kawa, i tak dostajesz zdanie, a czasem całe wypracowanie o kawie. Decisions API działa inaczej: dajesz materiał i pytania, a Gemini Decision 1 zwraca liczby. To nie czat, to szybki sędzia z kartką do głosowania.

Jedno wejście, kilka pytań, same liczby w odpowiedzi.
Jedno wejście, kilka pytań, same liczby w odpowiedzi.

Do jednego żądania możesz podać jedno wejście multimodalne: tekst, obrazy, audio, wideo i PDF-y, w sumie do 256K tokenów. Towarzyszyć mu może do 1000 niezależnych pytań. Google pokazuje przykład z połączeniem nagrania rozmowy z metadanymi konta albo zeskanowanego PDF-u ze zgłoszeniem szkody i zdjęciami uszkodzeń. Rozdzielczość obrazu i wideo da się dostroić, żeby kontrolować poziom szczegółów i koszt tokenów.

Trzy typy pytań w jednym żądaniu

  • bool (tak/nie): szacuje prawdopodobieństwo, że warunek jest spełniony. Możesz dopisać opcjonalne opisy tego, co znaczy prawda, a co fałsz.
  • choice (wybór): wybiera spośród 2 do 255 opcji i zwraca zwycięzcę oraz znormalizowane prawdopodobieństwa wszystkich kandydatów.
  • score (rubryka): ocenia wejście według uporządkowanej skali (od 0) i zwraca ciągły, ważony wynik oraz prawdopodobieństwa dla poszczególnych poziomów.

Każda odpowiedź ma wskaźnik pewności od 0 do 1. Dzięki niemu kod może przekazać niejednoznaczne przypadki do rozwiązania zapasowego albo do człowieka. W przykładzie Google model sprawdza zdjęcie blatu w kuchni biurowej przed spotkaniem z klientem: czy jest rozlany płyn, jaką akcję wybrać (wytrzeć ściereczką, wezwać sprzątanie, wszystko gotowe) i jak poważny jest bałagan w skali od czystego do zagrożenia. Wszystko w jednym żądaniu. Pole input używa tego samego formatu bloków Content co Interactions API, a przykład w Pythonie korzysta z klienta google-genai i wersji API v1beta.

Darmowy webinar na żywo z Janem Gajosem · w najbliższą środę o 19:00

Czytasz o AI, a w pracy dalej robisz wszystko ręcznie? Znam to.

Sam tak robiłem. Na webinarze pokazuję na swoim ekranie, jak oddać AI powtarzalne zadania: maile, proste automatyzacje, asystenta do pracy. Bez programowania i bez teorii. 90 minut, a na końcu pytasz, o co chcesz.

Link do pokoju przyjdzie mailem. Zapisując się, zgadzasz się na wiadomości e-mail zgodnie z polityką prywatności. Wolisz zacząć od lektury? Zobacz e-booki Jana Gajosa

Cena i szybkość: co podaje Google, a co trzeba sprawdzić samemu

Gemini Decision 1 kosztuje 0,10 USD za 1M tokenów wejściowych i 0 USD za wyjściowe (cena z ogłoszenia Google z 11 listopada 2026). Wspólne wejście jest rozliczane raz na żądanie, niezależnie od liczby pytań. Każde pytanie dolicza tylko własne tokeny instrukcji i kryteriów. Google zaznacza też, że nie ma opłat za zmienne tokeny myślenia ani osobnych kosztów transkrypcji audio i OCR.

Płacenie za rozbudowany model generatywny, żeby dostać odpowiedź "tak" albo "nie", to wynajmowanie ciężarówki do przewiezienia bochenka chleba. Decisions API ma być właśnie tym małym samochodem.

Jedno wejście rozliczane raz, wiele pytań doliczanych osobno.
Jedno wejście rozliczane raz, wiele pytań doliczanych osobno.

Warunki, które łatwo przeoczyć

  • Mediana 50-100 ms to czas obliczeń modelu, a 150-250 ms to czas end-to-end. Te liczby dotyczą kontekstów do 16K tokenów, a nie pełnych 256K.
  • Według Google opóźnienie pozostaje niemal stałe przy 1-100 pytaniach na żądanie.
  • Google deklaruje, że Gemini Decision 1 prowadzi w zestawie benchmarków (routing agentów, rozumowanie, ranking, rozumienie multimodalne) i ma najniższy błąd kalibracji. Kalibracja oznacza, że deklarowana pewność mniej więcej zgadza się z faktyczną trafnością. To deklaracja producenta, nie niezależny test. Podobnie jak przy testach, które firma robi sama sobie, sprawdź to na własnych danych.
  • Google podaje też, że w jego zestawie benchmarków rozwiązanie jest prawie 5 razy tańsze niż Gemini 3.5 Flash-Lite z Interactions API. Porównanie dotyczy konkretnego zestawu Google, a nie Twojego zadania.

Skoro tak liczy się koszt, spójrz na inne doniesienia o oszczędnościach, na przykład deklarację Revoluta o rachunku 10x niższym po przejściu na GLM. Wniosek jest podobny: liczba z ogłoszenia to punkt wyjścia do własnego przeliczenia, nie gotowy wynik.

Gdzie Google już tego używa i jak zacząć

Google opisuje cztery zastosowania we własnych produktach:

  • Gemini Notebook: Decisions API działa jako router w czasie rzeczywistym. Wybiera poziom modelu i poziom myślenia dla każdego zapytania. Według Google daje to do 40% niższe opóźnienie dla codziennych zapytań, a głębokie modele rozumujące zostają na trudne zadania.
  • Stitch: eksperyment rapid canvas generuje grywalne makiety przepływu produktu w kilka sekund i niemal natychmiast wprowadza zmiany zgłoszone głosem lub dotknięciem.
  • CC z Google Labs: wybór reakcji emoji spośród ponad 200 opcji w ułamku sekundy.
  • Google Search: warstwa bezpieczeństwa dla narzędzi MCP, wykrywająca zachowania i treści adversarialne w ramach dopuszczalnego opóźnienia.

Routing to najlepszy przykład, jak to działa w praktyce. Szybki model decyduje, czy pytanie jest proste, czy trudne, i dopiero potem uruchamia drogi model. Podobną logikę opisywaliśmy przy tańszej pracy na komputerze w GPT-6.1 Terra: nie każde zadanie wymaga najmocniejszego modelu.

Szybki sędzia przy rozjeździe decyduje, kto jedzie do dużego modelu.
Szybki sędzia przy rozjeździe decyduje, kto jedzie do dużego modelu.

Start wymaga klucza API z Google AI Studio. Są przewodniki dla Pythona, JavaScriptu i REST oraz aplikacje demonstracyjne (Doorstep Parcels, Speed Sketch, Find the Zoo Keeper). Integracje z ekosystemem dopiero się wdrażają: OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit i OpenCode, obok SDK google-genai. Google nie podało terminu, kiedy obsługa pojawi się w Gemini w Google Cloud (ogłoszenie mówi tylko o "wkrótce"). Jeśli chcesz zobaczyć, jak Google pakuje swoje plany dla zwykłych użytkowników, zerknij na promocję Google AI Plus i AI Pro. To osobny temat, ale pokazuje podejście firmy do cen.

Werdykt: to nie jest model do rozmowy ani do pisania maili. To narzędzie do jednej rzeczy, czyli szybkiego wyboru z listy z podaną pewnością. Jeśli Twoja praca składa się z powtarzalnych decyzji (kategoria zgłoszenia, zgodność z regulaminem, ocena jakości), masz teraz nazwany mechanizm, który to opisuje. Weź jedną taką decyzję ze swojej pracy i zapisz ją na kartce jako pytanie tak/nie albo 2-3 opcje z krótkim opisem, kiedy która pasuje. Tak właśnie wygląda wejście tego API. Potem otwórz w Google AI Studio jedną z aplikacji demonstracyjnych i zobacz, jak wygląda odpowiedź ze wskaźnikiem pewności. Zajmie Ci to kwadrans i będziesz wiedzieć, czy to w ogóle Twoja liga.

Na podstawie: Google AI Blog, Simon Willison - AI

Informacje o artykule

Darmowy webinar na żywo z Janem Gajosem · w najbliższą środę o 19:00

Czytasz o AI, a w pracy dalej robisz wszystko ręcznie? Znam to.

Sam tak robiłem. Na webinarze pokazuję na swoim ekranie, jak oddać AI powtarzalne zadania: maile, proste automatyzacje, asystenta do pracy. Bez programowania i bez teorii. 90 minut, a na końcu pytasz, o co chcesz.

Link do pokoju przyjdzie mailem. Zapisując się, zgadzasz się na wiadomości e-mail zgodnie z polityką prywatności. Wolisz zacząć od lektury? Zobacz e-booki Jana Gajosa

Udostępnij:
Nie przegap nowych artykułów - dodaj SukcesAI do swoich źródeł w wyszukiwarce Google.
Dodaj do preferowanych źródeł
Jan Gajos

Ekspert AI & Founder, AI Evolution

Pasjonat sztucznej inteligencji, który od 18 lat działa z sukcesem biznesowo i szkoleniowo. Wprowadzam AI do swoich firm oraz codziennego życia. Fascynują mnie nowe technologie, gry wideo i składanie klocków Lego - tam też widzę logikę i kreatywność, które AI potrafi wzmacniać. Wierzę, że dobrze użyta sztuczna inteligencja to nie ogłupiające ułatwienie, lecz prawdziwy przełom w sposobie, w jaki myślimy, tworzymy i pracujemy.

Newsletter SukcesAI

Raz w tygodniu najważniejsze nowości z AI i nowe poradniki z tego bloga.

Link do wypisania się jest w każdym mailu. Polityka prywatności