Gemini Decisions API entra na disputa dos modelos de decisão com Jev e OpenAI

Gemini Decisions API entra na disputa dos modelos de decisão com Jev e OpenAI

O Gemini Decision 1 chega como opção multimodal de IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → para automatizar decisões binárias, de múltipla escolha e por nota, disputando espaço com Jev e com o modelo de decisão da OpenAI.

Nota da redação: as informações sobre modalidades suportadas, preços e formato de resposta da API de cada um dos três produtos citados neste artigo vêm exclusivamente do relato pessoal de Simon Willison em seu blog. Não foi possível localizar documentação oficial do Google, do Jev ou da OpenAI confirmando esses detalhes de forma independente. Leve isso em conta antes de tomar decisões técnicas ou de orçamento com base nesta comparação.

O que está em disputa e pra quem

Em 11 de novembro de 2026, o desenvolvedor e blogueiro Simon Willison publicou em seu blog um relato sobre o Gemini Decision 1, modelo que o Google lançou dentro de uma nova categoria de APIs: os chamados "modelos de decisão". Segundo Willison, o Google agora disputa esse espaço ao lado de dois concorrentes que já atuavam nele: o Jev e o modelo de decisão da OpenAI, batizado de GPT-6 Luna.

Um modelo de decisão não serve para conversar nem para gerar texto longo. Ele existe para uma coisa específica: receber uma pergunta objetiva (sim/não, escolha entre opções, ou nota de 0 a 1 segundo uma rubrica) e devolver uma resposta estruturada, rápida e barata. É o tipo de peça que entra em pipelines de moderação de conteúdo, triagem de tickets, roteamento de agentes ou validação automática de saída de outro modelo.

Para quem já construiu algum desses fluxos com Jev ou com a API da OpenAI, a pergunta natural é: vale trocar pelo Gemini Decision 1, ou ficar onde está? Esse comparativo organiza o que Willison testou e publicou para responder isso com critério, não com empolgação.

Critérios de comparação

Análise por critério

Modalidades: a diferença que mais pesa

O Jev nasceu só para texto (e JSON), o que já indicava uma escolha de produto: velocidade e previsibilidade acima de tudo. A OpenAI foi um passo além ao aceitar imagem além de texto. O Gemini Decision 1 vai mais longe que os dois juntos: aceita texto, imagem, áudio, vídeo e PDF no mesmo endpoint.

Willison testou justamente esse diferencial. Ele enviou um arquivo de vídeo próprio, descrito por ele como "meu vídeo de um robô pisoteando em Yonkers", junto com quatro perguntas de sim/não:

dragon: Does this video have a dragon in it?
robot: Does this video have a robot in it?
france: Is this video set in France?
usa: Is this video set in the USA?

Nenhum dos outros dois modelos da comparação aceitaria esse teste do jeito que está: o Jev rejeitaria o vídeo de cara (só processa texto e JSON) e a OpenAI, que segundo Willison suporta apenas texto e imagem, não teria como processar o arquivo de vídeo diretamente nesse teste. Para quem precisa decidir sobre conteúdo audiovisual (moderação de upload de vídeo, triagem de PDF escaneado, análise de áudio de atendimento), isso tira o Gemini Decision 1 de uma comparação de preço pura e coloca em outra categoria de capacidade.

Preço: Jev ainda é o mais barato, mas não é a história toda

No input, a conta é direta: Jev cobra US$ 0,042 por milhão de tokens, menos da metade do que Google e OpenAI cobram (US$ 0,10 cada). Willison é explícito: "Jev remains the cheapest of the three". Em volume alto e perguntas simples de texto, essa diferença de preço se acumula rápido.

Mas o post de Willison não detalha o preço de output do Jev, só confirma que tanto o Gemini Decision 1 quanto o GPT-6 Luna da OpenAI têm output gratuito. Isso significa que, para quem usa prompts longos (um PDF inteiro, uma transcrição extensa de áudio) mas recebe de volta só um JSON pequeno com a decisão, o custo efetivo por chamada no Gemini e na OpenAI tende a ficar mais previsível: o grosso do custo está só no input, e ele já é conhecido de antemão.

Tipos de pergunta e formato da resposta: o detalhe que muda o código

Nota da redação: o código desta seção não foi executado em ambiente real. Valide antes de usar em produção.

O Gemini Decision 1 copia a estrutura do Jev quase à risca: os mesmos três tipos de pergunta (sim/não, escolha e nota por rubrica) e até o mesmo termo interno, "Noul", para identificar uma pergunta de sim/não. Isso facilita a migração de quem já tem integração com Jev: o shape da requisição muda pouco.

O que muda de verdade é o shape da resposta. Jev e a OpenAI devolvem valores binários puros, 1,0 ou 0,0, para perguntas de sim/não. O Gemini Decision 1 devolve uma probabilidade contínua. No teste de Willison, a pergunta sobre a presença de um robô no vídeo retornou 0.9234055387792485, e a pergunta sobre a presença de um dragão retornou 0.04976021841520312:

{
  "dragon": { "type": "yes_no", "probability": 0.04976021841520312 },
  "robot": { "type": "yes_no", "probability": 0.9234055387792485 },
  "france": { "type": "yes_no", "probability": 0.08329171353166241 },
  "usa": { "type": "yes_no", "probability": 0.9230459995157706 }
}

Essa diferença não é só estética. Código que já trata a resposta de um decision model como true/false direto vai quebrar, ou pior, vai silenciosamente tratar 0.92 como truthy sem avaliar o quanto de confiança isso representa. Migrar para o Gemini Decision 1 exige adicionar um threshold explícito no código (por exemplo, probability > 0.8) em vez de confiar no valor bruto como booleano.

Veredito por caso de uso

Não existe um vencedor único aqui, porque os três modelos otimizam coisas diferentes:

• Time pequeno, orçamento apertado, decisões só de texto: Jev continua sendo a opção mais barata (US$ 0,042 por milhão de tokens de input) e já tem o shape de API mais testado no mercado. Trocar por Gemini ou OpenAI só por causa de preço não se justifica se o fluxo nunca sai do texto.
• Produto que já processa vídeo, áudio ou PDF em algum ponto do pipeline: o Gemini Decision 1 é, hoje, a única opção das três com suporte nativo a essas quatro modalidades no mesmo endpoint. Extrair frame de vídeo para mandar como imagem para a OpenAI, ou transcrever áudio antes de mandar texto para o Jev, são gambiarras que o Gemini elimina.
• Stack já construído em cima da OpenAI, com baixo volume de decisões: faz sentido manter o GPT-6 Luna, já que o preço de input é igual ao do Gemini (US$ 0,10) e a resposta binária já está integrada ao código existente. Trocar de provedor só para ganhar multimodalidade que o produto não usa é custo de engenharia sem retorno.
• Quem precisa de granularidade na decisão, não só de sim/não: o formato de probabilidade do Gemini Decision 1 é um recurso, não um bug, para quem quer ajustar sensibilidade por caso (por exemplo, moderação de conteúdo com thresholds diferentes por categoria de risco). Jev e OpenAI, com saída binária fixa, exigem que esse ajuste de sensibilidade aconteça do lado do prompt, não da resposta.
• Migração de Jev para Gemini só pela nomenclatura parecida: a reutilização do termo "Noul" ajuda a copiar a estrutura da requisição, mas não elimina o trabalho de adaptar o parsing da resposta (de binário para probabilidade) nem de validar o novo preço de input, que é mais que o dobro do Jev.

O que ainda não dá pra afirmar

O post de Willison é um relato de uso pessoal, não um benchmark formal: ele testou quatro perguntas em um único vídeo. Não há comparação de acurácia entre os três modelos nas mesmas perguntas, nem teste de latência, nem volume suficiente para saber se a confiança do Gemini (0,92, por exemplo) é bem calibrada ou só mais conservadora por padrão.

Também não está claro, pela fonte, o preço de output do Jev, nem se a OpenAI suporta os mesmos três tipos de pergunta (sim/não, escolha e rubrica) que Google e Jev compartilham. O post também não detalha limites de tamanho de arquivo para vídeo, áudio ou PDF no Gemini Decision 1, nem se há suporte a streaming ou só a upload de arquivo completo. Essas lacunas importam para quem for decidir com base só em preço e modalidade, sem medir acurácia e consistência da própria carga de trabalho antes de trocar de provedor.

O material recebido não trouxe nenhuma URL de imagem do banco do veículo nem link de vídeo oficial do fabricante ou da fonte, por isso este texto não traz mídia incorporada.

Fonte: Simon Willison