Gemini Decisions API vs Jev: comparativa y casos multimodales
El 11 de noviembre de 2026, Google presentó la Gemini Decisions API, un endpoint para decisiones rápidas de conjunto cerrado. Usa Gemini Decision 1 (gemini-decision-1) en la Gemini API y AI Studio, y lo firman Min Choi y Felix Yu, de Google DeepMind.
¿Por qué compararla con Jev? Ambos sustituyen la respuesta libre por decisiones tipadas con probabilidades y confianza, lo que necesitan los agentes y n8n.
Qué es la Gemini Decisions API
Resuelve elecciones acotadas: herramientas, políticas, enrutamiento y calificación de contexto. Recibe texto, imagen, audio, video y PDF, más hasta 1,000 preguntas; puntúa en una sola pasada y devuelve probabilidades y confianza. El input se cobra una vez; cada pregunta suma instrucciones y criterios, sin cargos por thinking, transcripción u OCR.
Tipos de pregunta y confianza
Noul responde sí/no y da una probabilidad calibrada de 0.01 a 0.99 más confidence; no uses umbrales arriba de 0.99. Choice va de 2 a 255 opciones, con ganador y probabilidades normalizadas. Score usa una rúbrica desde 0, con puntaje continuo y probabilidades por nivel (2 a 255; recomienda 2 a 10). Toda respuesta trae confianza de 0 a 1 para casos ambiguos. Las instrucciones de las preguntas son texto; la media va en el input.
Precio, latencia y el matiz de los 16K vs 262,144 tokens
En el nivel de pago cuesta 0.10 USD por 1 millón de tokens de entrada y 0 USD de salida. En el nivel gratuito el contenido se usa para mejorar productos de Google; en el de pago, no.
Google reporta 150–250 ms de extremo a extremo y 50–100 ms de cómputo, medidos a 16K tokens. Los 16K son la condición de la medición, no el límite: el contexto oficial es 262,144 tokens (entrada más preguntas); el “hasta 256K” es la misma cifra redondeada.
Calidad y ahorro son cifras de Google: Gemini Decision 1 lidera sus benchmarks con el menor error de calibración y es casi 5 veces más barato que Gemini 3.5 Flash-Lite. Es una comparación de Google, no contra Jev.
Qué es Jev (1.13 y 1.14)
Jev es el modelo insignia de TypeSafe, su primer System One. Se llama con POST /v1/systemone y usa Choice, Score y Noul. Jev 1.14 (14 oct 2026) es la más reciente; jev-latest y jev-preview apuntan a ella. Jev 1.13 sigue disponible al mismo precio y contexto; 1.14 añade Box, una caja delimitadora en imagen.
Ambas cuestan 0.042 USD por 1M de tokens de entrada y no cobran salida. El contexto es de 64k por solicitud y 32k por pregunta, sin tope fijo. Con TypeSafe-Danger-Zone-Long-Context: true, ambos llegan a 262k al mismo precio, pero TypeSafe avisa que es más lento y menos preciso.
Ambas aceptan texto e imágenes PNG/JPEG. No aceptan audio, video ni PDF nativos: hay que transcribir, convertir o extraer texto. Las preguntas corren en paralelo y aisladas contra el mismo state. Modelo cerrado, sin ajuste de pesos; no entrena con datos de clientes y los límites se consultan por organización en la consola.
Las imágenes y Box requieren TypeSafe-Danger-Zone-Images: true y son “Dreamer-ready”: TypeSafe no las considera listas para producción, solo para prototipos, y formato, respuestas y límites pueden cambiar. Cuestan lo mismo que el texto.
TypeSafe reporta 70–500 ms e inteligencia similar en tareas System One y un frente de Pareto por costo/velocidad. Jev está en OpenRouter (~typesafe/jev-latest), Vercel AI Gateway, Cloudflare Workers AI y su API directa.
Tabla comparativa: Gemini Decisions API vs Jev
| Punto | Gemini Decisions API | Jev (TypeSafe) |
|---|---|---|
| Qué es | Decisiones cerradas | Modelo System One (/v1/systemone) |
| Modelo actual | gemini-decision-1 | 1.14 (14 oct 2026); 1.13 disponible |
| Tipos de pregunta | Noul, Choice y Score | 1.13: Choice, Score, Noul; 1.14: +Box |
| Entrada / modalidades | Texto, imagen, audio, video y PDF | Texto y PNG/JPEG; sin audio, video ni PDF |
| Contexto | 262,144 tokens | 64k/32k; 262k con long context |
| Preguntas por solicitud | 1 a 1,000 | Sin tope fijo |
| Opciones en Choice | 2 a 255 | Hasta 255 |
| Niveles en Score | 2 a 255; recomienda 2 a 10 | Hasta 10 |
| Latencia | Google: 150–250 ms (a 16K) | TypeSafe: 70–500 ms |
| Precio de entrada por 1M | 0.10 USD | 0.042 USD (ambas) |
| Precio de salida | 0 USD (0 tokens) | Gratis |
| Acceso / integraciones | Gemini API (v1beta) y AI Studio; integraciones en despliegue; Google Cloud, próximamente | API directa, OpenRouter, Vercel AI Gateway y Cloudflare Workers AI |
256K y 262,144 son el mismo contexto; los 16K son la condición de la latencia. En Jev, 262k solo con long context.
Ventajas y desventajas de cada uno
Gemini Decisions API
- Ventaja: multimodal nativo; audio, video, PDF, imagen y texto en una llamada.
- Ventaja: 1,000 preguntas, input cobrado una vez y 262,144 tokens.
- Ventaja: salida tipada con confianza, sin tokens de salida.
- Ventaja: nivel gratis para prototipos e integraciones en despliegue.
- Contra: instrucciones en texto; sin YouTube, gs://, historial, tool-call, caching ni Batch.
- Contra: input repetido se cobra completo; el nivel gratis usa tus datos.
Jev
- Ventaja: 0.042 USD/1M, salida gratis; 64k/32k y 262k con long context.
- Ventaja: Choice, Score, Noul y Box en 1.14, con preguntas en paralelo.
- Ventaja: confidence en Choice; ya está en OpenRouter, Vercel AI Gateway y Cloudflare Workers AI.
- Contra: sin audio, video ni PDF nativos; imágenes y Box experimentales.
- Contra: long context más lento; sin ajuste de pesos y tasa por organización.
Casos de uso multimodales: dónde brilla cada uno
Notas de voz o llamadas
Un equipo de soporte manda la nota de voz a Gemini y pregunta si pide cancelar, a qué área va y su urgencia. Jev exige transcribir antes.
Fotos de productos o daños
Una tienda evalúa la foto de un paquete dañado con noul, choice y score. Jev acepta PNG/JPEG, pero TypeSafe no las da por listas para producción.
Facturas o PDF
En cuentas por pagar, Gemini recibe el PDF y decide si es válido, si va a revisión y su riesgo. Jev exige extraer texto o rasterizar.
Video corto
Para calificar un clip o una videollamada, solo Gemini lo recibe nativo. Jev necesita extraer fotogramas antes.
Leads y tickets
Aquí ambos sirven. Jev es ~2.4 veces más barato por token (0.042 vs 0.10) y ya está en OpenRouter; Gemini suma nivel gratis, contexto y hasta 1,000 preguntas.
La Decisions API apunta a decisiones rápidas de conjunto cerrado —elegir herramienta, revisar una política, enrutar un modelo— devolviendo probabilidades y confianza en una sola pasada, no texto generado.
Min Choi y Felix Yu, Google DeepMind
Qué significa si automatizas con n8n o montas agentes
En texto, Jev ya está en OpenRouter y es más barato por token; Gemini ofrece más contexto y nivel gratis. Google compara su precio con Gemini 3.5 Flash-Lite, no con Jev; en OpenRouter, Google sigue en despliegue.
Gemini decide sobre audio, video, PDF o foto sin transcripción u OCR; Jev lo necesita antes y sus imágenes son experimentales. Prueba ambos con tus datos, mide confianza y costo por decisión, y no pongas datos sensibles en el nivel gratis.
Practica con el Taller: Jev en n8n, el modelo que decide en milisegundos, el Taller IA: Conociendo la API de Gemini y el Taller: Agentes IA (n8n) Multimodales. Complementa con Gemini 4 Hydrogen, la Guía de elección de modelos de lenguaje y Analizar documentos con n8n y OpenRouter.
Qué hacer esta semana si automatizas con IA
- Elige un flujo y define 3 a 5 preguntas cerradas.
- Prueba Gemini Decisions con datos no sensibles.
- Corre el mismo set con Jev 1.14 o 1.13 y compara costo.
- Mide el preprocesamiento de audio, video o PDF.
- Define umbral de confianza y respaldo humano.
- Documenta contexto, preguntas y formatos.
Conclusión
Jev es maduro en texto, con imágenes experimentales, barato y fácil de conectar. Gemini Decisions gana cuando la evidencia es audio, video, PDF o una mezcla, o cuando necesitas muchas preguntas por input. Prueba los dos con tus datos y deja el piloto automático solo para lo que puedas auditar.
Respuestas