Gemini Decisions API: 1.000 Pertanyaan Multimodal Sekaligus

Verdict: Ringkasan Singkat

Verdict cepat: Gemini Decisions API adalah endpoint khusus dari Google untuk satu pekerjaan sempit: menilai pilihan yang sudah ditentukan, bukan menulis jawaban. Satu request bisa membawa satu input multimodal dan hingga 1.000 pertanyaan independen, lalu mengembalikan probabilitas beserta skor keyakinan dalam 150-250 milidetik. Harga input 0,10 dolar AS per 1 juta token dan token output tidak ditagih sama sekali. Bagi tim yang membangun agen AI, sistem moderasi, atau pipeline penilaian otomatis, endpoint ini layak diuji. Bagi yang butuh penalaran berantai atau jawaban teks bebas, endpoint ini bukan alat yang tepat.

Google mengumumkan API ini pada 11 November 2026 lewat blog resmi perusahaan, bersama model baru bernama Gemini Decision 1 (gemini-decision-1). Pengumuman itu ditulis Min Choi, product manager Google DeepMind, dan Felix Yu, principal scientist di tim yang sama. API tersedia lewat Gemini API di Google AI Studio, dengan dukungan Google Cloud yang dijadwalkan menyusul.

Dasbor analitik dengan grafik dan angka di layar komputer yang menggambarkan proses penilaian data dalam jumlah besar

Apa Itu Gemini Decisions API

Model bahasa besar biasa bekerja dengan menghasilkan teks token demi token. Cara itu fleksibel, tetapi lambat dan mahal untuk pekerjaan yang jawabannya sebenarnya sudah tertutup. Gemini Decisions API membalik pendekatan tersebut. Model tidak menulis satu kalimat pun. Model menerima daftar pilihan yang ditentukan developer, lalu memberi skor pada setiap pilihan dalam satu forward pass dan mengembalikan probabilitas.

Input yang dikirim bersifat multimodal. Satu request bisa berisi teks, gambar, audio, video, dan PDF, dengan total hingga 256 ribu token (tepatnya 262.144 token). Di atas input yang sama, developer bisa mengajukan sampai 1.000 pertanyaan independen. Setiap pertanyaan mendapat satu jawaban bertipe, lengkap dengan skor keyakinan dari 0 sampai 1.

Perbedaan ini penting karena mengubah struktur biaya. Input yang sama hanya ditagih sekali, tidak peduli berapa banyak pertanyaan yang menempel padanya. Pertanyaan tambahan hanya menambah token instruksinya sendiri. Pola ini cocok untuk pekerjaan checklist: puluhan pemeriksaan atas satu dokumen, satu rekaman, atau satu gambar, semuanya dalam satu panggilan.

Saya melihat pola ini sebagai pelengkap, bukan pengganti, model chat. Model chat tetap memegang pekerjaan terbuka seperti menulis, merangkum, dan berdiskusi. Decisions API memegang lapisan kontrol di sekitarnya: memilih alat, memeriksa kebijakan, merutekan request, dan menilai kualitas konteks sebelum model chat bekerja.

Tiga Jenis Pertanyaan dalam Satu Request

API ini menyediakan tiga tipe pertanyaan. Ketiganya bisa dicampur dalam satu request yang sama, selama totalnya tidak melewati 1.000 pertanyaan.

Pertama, noul, pertanyaan ya atau tidak. Model mengembalikan probabilitas bahwa suatu kondisi berlaku pada input. Contoh: apakah dokumen ini berisi data pribadi, apakah gambar ini menampilkan kerusakan, atau apakah transkrip percakapan ini mengandung keluhan pelanggan. Jawaban berupa angka probabilitas, bukan sekadar ya atau tidak, sehingga kode bisa memasang ambang batas sendiri.

Kedua, choice, pilihan ganda dengan 2 sampai 255 opsi. Model mengembalikan probabilitas ternormalisasi untuk setiap kandidat, sehingga developer bisa melihat jarak antara pilihan pertama dan kedua. Tipe ini dipakai untuk pemilihan alat pada agen AI, klasifikasi kategori, atau routing model. Jika dua opsi mendapat skor yang persis sama, dokumentasi Google menyebut opsi yang lebih dulu menurut abjad yang dipilih.

Ketiga, score, penilaian berbasis rubrik berurutan. Model mengembalikan nilai berbobot kontinu pada skala yang ditentukan developer, misalnya skala 1 sampai 5 untuk kualitas jawaban atau tingkat risiko sebuah klaim. Tipe ini berguna untuk grading otomatis, penilaian kualitas konteks, dan penyaringan bertingkat.

Setiap pertanyaan punya kunci yang dipilih developer, dengan panjang 1 sampai 64 karakter ASCII. Instruksi pertanyaan hanya berupa teks. Media tidak bisa disisipkan di dalam instruksi pertanyaan, media hanya bisa menjadi bagian dari input bersama.

Cara Kerja di Balik Satu Forward Pass

Model chat biasa memecah jawaban menjadi token dan menghasilkannya satu per satu. Setiap token tambahan menambah waktu dan biaya. Gemini Decision 1 tidak melakukan itu. Model membaca seluruh input dan seluruh pertanyaan, lalu memberi skor pada kandidat jawaban dalam satu forward pass. Hasilnya adalah probabilitas, bukan teks.

Pendekatan ini menjelaskan dua angka yang diumumkan Google. Komputasi model median berada di 50-100 milidetik, dan latensi end-to-end 150-250 milidetik. Angka itu diukur pada konteks sampai 16 ribu token, dan Google menyebut latensi nyaris tidak berubah ketika jumlah pertanyaan naik dari 1 menjadi 100. Perlu dicatat, angka tersebut berasal dari pengujian Google sendiri, bukan pengujian independen.

Pertanyaan dalam satu request dievaluasi secara independen. Pertanyaan kedua tidak bisa melihat jawaban pertanyaan pertama. Request berperilaku seperti daftar periksa, bukan rantai penalaran. Jika satu keputusan bergantung pada keputusan lain, developer harus menangani ketergantungan itu di kode aplikasi atau lewat panggilan lanjutan.

Endpoint yang dipakai pun berbeda dari endpoint biasa. Decisions API berjalan di jalur /v1beta/decisions, bukan generateContent, dan membutuhkan SDK versi 3.2 atau lebih baru. Pola pemanggilannya memakai client.decisions.create dengan input bersama dan peta pertanyaan, seperti yang dirangkum dalam panduan pemanggilan endpoint ini.

Harga, Latensi, dan Perbandingan Biaya

Harga yang diumumkan Google sangat sederhana: 0,10 dolar AS per 1 juta token input dan 0 dolar AS untuk token output, karena tidak ada token output yang dihasilkan. Tersedia pula tier tanpa biaya di Google AI Studio untuk prototyping. Google mengklaim kombinasi model dan API ini hampir 5 kali lebih murah pada benchmark suite bersama dibanding Gemini 3.5 Flash-Lite yang dipakai lewat Interactions API. Klaim itu, lagi-lagi, berasal dari Google dan belum diuji pihak luar.

Perbandingan berikut merangkum posisi Decisions API terhadap cara lama memakai model chat untuk pekerjaan penilaian.

Aspek Gemini Decisions API Model chat biasa untuk penilaian
Output Probabilitas dan skor, tanpa teks Teks bebas yang perlu diurai
Pertanyaan per request Sampai 1.000, input bersama ditagih sekali Satu per panggilan, input dikirim ulang tiap kali
Latensi end-to-end 150-250 milidetik menurut Google Bergantung panjang jawaban yang dihasilkan
Harga input 0,10 dolar AS per 1 juta token Bervariasi per model
Harga output 0 dolar AS, tidak ada token output Ditagih per token yang dihasilkan
Penalaran berantai Tidak didukung, pertanyaan independen Didukung lewat prompt dan konteks

Contoh perhitungan dari analisis Silicon Noon membantu melihat dampaknya. Ambil satu rekaman pelanggan sepanjang 4.000 token dan 20 pemeriksaan masing-masing 50 token. Satu request Decisions API menelan biaya sekitar 0,0005 dolar AS, atau 0,50 dolar AS per seribu rekaman. Dua puluh pemeriksaan yang sama sebagai dua puluh panggilan model chat terpisah mengirim ulang rekaman setiap kali, dan biayanya mendekati 8,10 dolar AS per seribu rekaman, sebelum retry. Selisih itu berasal dari satu prinsip: input bersama hanya dibayar sekali.

Google juga mengklaim Gemini Decision 1 memimpin benchmark suite internal yang mencakup agent routing, reasoning, ranking, dan multimodal understanding, dengan calibration error terendah. Ringkasan peluncuran AI Primer mencatat klaim yang sama beserta catatan bahwa angka latensi Google hanya berlaku untuk konteks sampai 16 ribu token. Calibration error mengukur seberapa jujur skor keyakinan model terhadap kenyataan: model yang memberi skor 0,9 seharusnya benar sekitar 90 persen dari waktu. Klaim ini patut diuji pada data sendiri sebelum dipakai pada keputusan yang berdampak besar.

Untuk Siapa API Ini Paling Berguna

Kasus pertama adalah routing agen. Agen AI modern sering memanggil beberapa model atau alat dalam satu tugas. Keputusan kecil seperti model mana yang menangani request ini, atau alat mana yang harus dipanggil, terjadi ribuan kali sehari. Decisions API bisa menjadi lapisan router yang cepat dan murah, dengan skor keyakinan sebagai sinyal kapan request perlu dilempar ke model yang lebih besar atau ke peninjau manusia.

Kasus kedua adalah pemeriksaan kebijakan dan moderasi. Satu unggahan, satu komentar, atau satu dokumen bisa diperiksa terhadap puluhan aturan sekaligus: apakah mengandung data pribadi, ujaran kebencian, klaim medis yang tidak berdasar, atau tautan berbahaya. Setiap aturan menjadi satu pertanyaan noul, dan semuanya terjawab dalam satu request.

Kasus ketiga adalah penilaian kualitas konteks dan output. Tim yang membangun sistem RAG atau agen bisa menilai setiap potongan konteks sebelum diteruskan ke model utama: apakah potongan ini relevan, apakah sumbernya bisa dipercaya, apakah potongan ini duplikat. Penilaian serupa bisa diterapkan pada output model sebelum ditampilkan ke pengguna.

Kasus keempat adalah klasifikasi dan ekstraksi terstruktur dalam jumlah besar. Klaim asuransi dengan foto kerusakan, formulir dengan lampiran PDF, atau rekaman panggilan dengan metadata akun bisa diproses dengan satu input dan ratusan pertanyaan. Hasilnya langsung berupa angka yang bisa masuk ke database, tanpa tahap parsing teks yang rapuh.

Saya menilai kasus-kasus di atas punya satu ciri bersama: jawabannya sudah tertutup dan bisa didefinisikan sebelum request dikirim. Di situlah Decisions API kuat. Begitu jawaban membutuhkan kalimat baru, penjelasan, atau penalaran beberapa langkah, pekerjaan itu kembali ke model chat.

Potensi ini juga relevan untuk pembaca yang sedang membangun produk dengan agen AI. Artikel tentang cara membangun MVP dalam sehari membahas bagaimana agen mempercepat perjalanan dari ide ke produk live, dan lapisan routing seperti ini bisa menekan biaya operasional produk tersebut. Di sisi lain, pembaca yang mengikuti perkembangan model terbaru bisa membandingkan angka harga dan kecepatan di sini dengan mode cepat Claude Opus 5.5, yang mengambil pendekatan berbeda: mempercepat model chat itu sendiri.

Batasan yang Wajib Dipahami

Batasan pertama adalah tidak ada penalaran berantai di dalam satu request. Pertanyaan tidak saling melihat, seperti yang ditegaskan analisis TechRounder tentang sifat batch yang terisolasi ini. Jika pemeriksaan kedua bergantung pada hasil pemeriksaan pertama, developer harus menyusun alur itu sendiri di luar API.

Batasan kedua adalah konteks dan fitur yang belum didukung. Batch API, context caching, serta inferensi Flex dan Priority tidak tersedia untuk endpoint ini. Input yang sama dan dikirim berulang kali akan ditagih penuh setiap kali. Ini berarti pola pemakaian yang mengulang input besar untuk banyak request terpisah tetap mahal, dan penghematan hanya muncul ketika pertanyaan dibundel dalam satu request.

Batasan ketiga menyangkut format input. URL YouTube dan URI gs:// Cloud Storage tidak didukung. Rute yang didukung adalah URI Files API, URL HTTPS publik atau bertanda tangan, dan base64 inline. Resolusi gambar dan video bisa diatur ke low, medium, high, dan ultra_high, dan frame video serta halaman PDF dihitung sebagai token gambar.

Batasan keempat adalah status ketersediaan. Saat pengumuman, API tersedia di Google AI Studio dan dukungan Google Cloud dijadwalkan menyusul. Dukungan mitra sudah diumumkan dari LangChain, Vercel, OpenRouter, LiteLLM, Pydantic AI, Pipecat, LiveKit, dan OpenCode, yang menandakan ekosistem integrasi disiapkan sejak awal.

Batasan kelima, dan yang paling penting, adalah soal kalibrasi. Skor keyakinan hanya seakurat distribusi data tempat model itu diukur. Router atau gerbang moderasi di produksi melihat lalu lintas yang berbeda dari benchmark. Tim yang memakai API ini untuk keputusan berdampak, seperti penolakan klaim atau pemblokiran akun, perlu mengukur akurasi dan kalibrasi pada data sendiri, lalu memasang ambang batas dan jalur eskalasi ke manusia untuk skor yang ambigu.

Konteks ini juga mengingatkan bahwa infrastruktur AI terus bergerak cepat, dari sisi model maupun sisi keamanan. Kemitraan TrendAI dengan NVIDIA untuk keamanan AI menunjukkan lapisan keamanan menjadi bagian dari paket, bukan tambahan. Di sisi perangkat, Opera WebAI yang menjalankan AI lokal di browser menunjukkan arah lain: sebagian keputusan bisa dipindah ke perangkat pengguna. Sementara itu, contoh pemakaian AI untuk pekerjaan sehari-hari seperti Claude yang menganalisis pengeluaran pribadi menunjukkan pola yang sama, yaitu AI menilai data yang sudah ada, bukan menciptakan data baru.

Kesimpulan dan CTA: Kapan Memakai, Kapan Menunggu

Gemini Decisions API menyelesaikan masalah nyata: menilai banyak hal kecil atas satu input, dengan cepat dan murah, tanpa membayar token output. Angka yang diumumkan Google, yaitu latensi 150-250 milidetik dan harga 0,10 dolar AS per 1 juta token input, membuat lapisan kontrol semacam ini layak dipasang di depan hampir setiap request agen.

Keputusan memakai atau menunggu bergantung pada bentuk pekerjaan. Jika pekerjaan itu berupa checklist tertutup, klasifikasi, routing, atau penilaian rubrik, API ini layak dicoba sekarang lewat tier gratis di Google AI Studio. Uji pada data sendiri, ukur kalibrasi, dan bandingkan biaya nyata dengan cara lama sebelum memindahkan lalu lintas produksi.

Jika pekerjaan membutuhkan penalaran beberapa langkah, jawaban teks, atau konteks percakapan yang panjang, tunggu dan tetap pakai model chat. Decisions API bukan pengganti model chat, melainkan pelengkap yang menangani keputusan kecil agar model besar bisa fokus pada pekerjaan yang memang butuh bahasa.

Saya akan terus memantau perkembangan endpoint ini, termasuk ketersediaan di Google Cloud dan hasil pengujian independen atas klaim latensi serta kalibrasinya. Pembaca yang sudah mencoba bisa mulai dari satu kasus sederhana, misalnya merutekan request atau memeriksa satu dokumen terhadap sepuluh aturan, lalu mengukur sendiri apakah angka yang dijanjikan Google bertahan di lalu lintas nyata.

Leave a Reply

You might