Google presenta Gemini Decision, una IA que puede responder hasta 1.000 preguntas a la vez

Google presentó Gemini Decision, un nuevo modelo de inteligencia artificial diseñado para analizar información y facilitar la toma de decisiones estructuradas. A diferencia de los sistemas generativos tradicionales, esta herramienta se especializa en ofrecer respuestas basadas en probabilidades y puede evaluar hasta 1.000 preguntas en una sola solicitud.

El modelo, identificado como gemini-decision-1, fue desarrollado para procesar grandes cantidades de información y responder consultas concretas sin generar textos extensos.

Una de sus principales características es su capacidad multimodal: puede analizar textos, imágenes, videos, audios y documentos PDF, lo que permite utilizarlo en diferentes tareas de evaluación y clasificación de información.

Además, Google plantea un esquema de precios en el que las respuestas no tienen costo por tokens cuando se utiliza la API Decisions.

Cómo funciona Gemini Decision

El nuevo sistema está especializado en lo que se conoce como decisiones calibradas. Esto significa que sus respuestas se apoyan en estimaciones probabilísticas, en lugar de limitarse a generar una opinión o una explicación en lenguaje natural.

El objetivo es que los usuarios puedan obtener evaluaciones estructuradas a partir de información previamente proporcionada.

Gemini Decision admite tres tipos principales de consultas:

• Preguntas de sí o no: para evaluar condiciones o determinar si se cumplen determinados criterios.
• Selección única: para elegir una opción entre varias alternativas.
• Calificación mediante rúbricas: para valorar información de acuerdo con criterios previamente establecidos.

El modelo permite incluir hasta 1.000 preguntas en una misma petición y trabajar con una entrada compartida de hasta 262.144 tokens.

Esta capacidad está orientada a tareas en las que se necesita analizar una gran cantidad de datos y obtener múltiples respuestas organizadas.

Cuánto cuesta utilizar Gemini Decision

Uno de los aspectos destacados del lanzamiento es su modelo de precios.

Según la información publicada por Google en AI Studio, las respuestas generadas mediante la API Decisions tienen un costo de cero tokens de salida, siempre dentro del límite de 1.000 preguntas por solicitud.

En cambio, el procesamiento de la información de entrada tiene un precio de US$ 0,10 por cada millón de tokens.

Este esquema busca reducir el costo de las tareas de evaluación masiva, especialmente cuando se necesita procesar una misma fuente de información para responder numerosas preguntas.

De esta manera, el gasto depende principalmente del volumen de datos que se envía al modelo y no de la cantidad de respuestas que devuelve.

Qué puede hacer y cuáles son sus limitaciones

A diferencia de otros modelos de la familia Gemini, Gemini Decision no está diseñado para realizar cualquier tarea mediante inteligencia artificial.

Su función principal es analizar información y devolver decisiones estructuradas.

Por ese motivo, no está orientado a escribir textos, generar imágenes, producir videos ni desarrollar código.

Tampoco puede conectarse con aplicaciones para ejecutar acciones externas ni realizar búsquedas dentro de archivos.

Estas limitaciones responden a su especialización: en lugar de funcionar como un asistente de propósito general, el modelo se concentra en resolver tareas específicas de clasificación y evaluación.

Microsoft también apuesta por modelos especializados

La presentación de Gemini Decision se produce después de que Microsoft lanzara, a mediados de octubre, Microsoft-Decision-1, una herramienta con un enfoque similar.

El modelo de Microsoft, basado en Qwen, también está diseñado para resolver tareas de toma de decisiones estructuradas, con el objetivo de reducir costos y acelerar los tiempos de respuesta.

Al igual que la propuesta de Google, Microsoft-Decision-1 no cobra por los tokens correspondientes a las respuestas.

Ambos desarrollos reflejan una tendencia dentro de la industria de inteligencia artificial: la creación de modelos especializados que buscan resolver tareas concretas de manera más rápida y económica que los asistentes generativos tradicionales.