Google uvádí Gemini Decisions API pro multimodální pracovní postupy s umělou inteligencí

Google 11. listopadu 2026 představil Gemini Decisions API, nové rozhraní založené na Gemini Decision 1, které je dostupné prostřednictvím Gemini API v Google AI Studio. V rámci jediného požadavku vyhodnotí až 1 000 nezávislých otázek nad textem, obrázky, zvukem, videem a soubory PDF.

Toto rozhraní je určeno k rozhodování v omezeném rozsahu, například k výběru nástrojů, kontrolám zásad, směrování modelů, hodnocení kontextu a řazení, nikoli k tvorbě prózy či vysvětlení. Požadavek spojuje jeden společný vstup s nezávislými otázkami. Gemini Decision 1 místo dekódování textu odpovědi token po tokenu ohodnotí kandidátní možnosti v jediném průchodu modelem, takže programy mohou přímo na základě typovaných odpovědí větvit, řadit a směrovat.

Tento přístup je určen pro řízení toku programu, kdy by jinak bylo nutné vygenerované vysvětlení nejprve převést zpět na strukturované hodnoty, než by program mohl provést příslušnou akci.

Tři typy otázek s mírou jistoty

Dokumentace k Decisions API stanovuje kontextové okno o velikosti 262 144 tokenů, které zahrnuje společný vstup i všechny otázky. V jednom požadavku lze kombinovat kontroly typu ano/ne, výběr z pevně dané množiny možností a skóre podle uspořádané hodnoticí stupnice. Otázky s výběrem nabízejí dvě až 255 možností, zatímco odpovědi podle hodnoticí stupnice představují průměry indexů úrovní vážené pravděpodobností a doplněné pravděpodobnostmi jednotlivých úrovní.

Každá odpověď obsahuje skóre jistoty od 0 do 1, které vyjadřuje odhadovanou pravděpodobnost, že nejvýše hodnocená odpověď je správná. Aplikace mohou na základě výsledků s vysokou mírou jistoty jednat automaticky, zatímco nejisté výsledky mohou předat k dalšímu posouzení. Dokumentace doporučuje nastavit prahové hodnoty pomocí označených příkladů z vlastního provozu vývojáře a u vysoce rizikových akcí, například výplat, zachovat lidskou kontrolu nebo druhé ověření.

Jednotlivé otázky se navzájem nevidí a přidání či odebrání otázky nemění ostatní odpovědi. Rozhodování závislá na předchozích výsledcích proto musí být řešena v logice aplikace: vývojáři mohou po přečtení první odpovědi odeslat druhý požadavek, případně položit obě otázky současně a odpověď, kterou nepotřebují, ignorovat.

Uváděná latence, ceny a výsledky benchmarků

Google uvádí medián latence výpočtu modelu 50–100 milisekund a latenci od začátku do konce 150–250 milisekund při práci s multimodálními vstupy a kontexty o velikosti až 16K tokenů. Latence se při zvýšení počtu otázek v požadavku z jedné na 100 téměř neměnila. Gemini Decision 1 také dosáhl nejlepších výsledků v benchmarkové sadě společnosti zahrnující směrování agentů, usuzování, řazení a multimodální porozumění a vykázal nejnižší chybu kalibrace.

Cena činí 0,10 USD za 1 milion vstupních tokenů; výstupní tokeny se neúčtují. Společný vstup se účtuje jednou za každý požadavek bez ohledu na počet otázek, přičemž každá otázka přidává vlastní tokeny instrukcí a kritérií. Neúčtují se žádné proměnlivé poplatky za tokeny použité k uvažování ani samostatné náklady na přepis zvuku a OCR. Google uvádí, že Gemini Decision 1 s Decisions API je v celé společné benchmarkové sadě téměř pětkrát levnější než Gemini 3.5 Flash-Lite s Interactions API.

Nasazení Googlu a přístup pro vývojáře

Google uvádí, že Gemini Notebook využívá API jako směrovač v reálném čase pro výběr úrovně modelu a míry uvažování. U běžných dotazů tak dosahuje až o 40 % nižší latence a hlubší uvažování ponechává modelům pro složité úlohy. Experiment s rychlým plátnem ve Stitchi jej využívá k vytváření hratelných drátěných modelů, zatímco CC od Google Labs vybírá z více než 200 reakcí pomocí emoji.

Vývojáři mohou používat Python, JavaScript nebo REST; rychlé návody k SDK vyžadují google-genai verzi 3.2 nebo novější. Bezplatná úroveň AI Studio umožňuje vytvářet prototypy. Integrace se postupně zavádějí v OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit a OpenCode, zatímco podpora Gemini v Google Cloud má být podle seznamu dostupná již brzy.

Počáteční přístup je omezen na Gemini Developer API v1beta s Gemini Decision 1. Instrukce k otázkám mohou obsahovat pouze text; historie konverzace a bloky volání nástrojů nejsou podporovány. Nedostupné jsou také ukládání kontextu do mezipaměti, Batch API a odvozování ve režimu Flex nebo Priority.

Týmům vyvíjejícím agenty umožňuje API spojit multimodální rozhodování do jediného typovaného volání, odpovědnost za bezpečnou automatizaci však nadále nesou vývojáři, kteří stanovují kritéria, připravují označená vyhodnocovací data a nastavují pravidla pro předávání případů k dalšímu posouzení, zejména pokud může mít daná akce finanční důsledky nebo dopad na bezpečnost.