---
title: "Gemini Decisions API: cổng chấm yes/no, choice và rubric của Google"
description: "Gemini Decisions API chấm yes/no, chọn đáp án hoặc rubric kèm confidence trong một lượt. Google công bố latency 150-250 ms; bài tóm tắt từ docs, chưa gọi API."
canonical: "https://200lab.io/blog/gemini-decisions-api"
published: "2026-11-12T04:56:12Z"
updated: "2026-11-12T04:56:12Z"
authors: ["Mỹ Ngọc"]
tags: ["AI", "Tips and tricks"]
reading_minutes: 8
access: "public"
---

Google vừa giới thiệu Gemini Decisions API trong [bài công bố của Google](https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/), chạy trên model mới Gemini Decision 1 với mã gemini-decision-1. Cổng API này chuyên chấm các quyết định tập đóng, tức chọn trong các lựa chọn đã định sẵn, trên text, ảnh, audio, video và PDF.

Trong bài này, mình tóm tắt Decisions API làm được gì, ba kiểu câu hỏi nó hỗ trợ, độ trễ (latency) và benchmark Google công bố, nơi Google đang dùng, cùng vài giới hạn cần biết khi mới bắt đầu. Mình chưa gọi API này, nên những gì dưới đây đều dựa trên bài công bố và tài liệu đã công bố của họ.

## Gemini Decisions API là gì

Decisions API là một endpoint nằm trong Gemini API, có mặt trên Google AI Studio và hiện gọi qua bản v1beta. Model chuyên đứng sau cổng này là Gemini Decision 1. Thay vì để model viết ra câu chữ rồi bạn phải viết code tách ý, API chấm thẳng các lựa chọn đã cho trong một lượt và trả về xác suất đã hiệu chỉnh kèm theo confidence, tức mức model ước lượng đáp án đứng đầu là đúng.

Khi gọi API, bạn gửi phần nội dung dùng chung một lần và có thể đính kèm tới 1.000 câu hỏi độc lập trong cùng một request, theo Google. Các câu hỏi này chạy riêng rẽ và không nhìn thấy nhau. Cổng này hợp với những việc như chọn tool cho bot, kiểm tra policy, làm router định tuyến model, hoặc chấm điểm theo rubric tức thang chấm có thứ tự.

Theo trang model của Google, Gemini Decision 1 có context window, tức lượng nội dung model đọc được trong một lần, là 262.144 token. Bài công bố của Google ghi con số này là 256K token, thực chất cả hai cách ghi đều chỉ cùng một mức dung lượng cho phép bạn đưa vào cả text, ảnh, audio, video lẫn file PDF.

## Ba kiểu câu hỏi yes/no, choice và score trong Decisions API

Kiểu thứ nhất trong API có tên là noul, đây là tên kiểu câu hỏi yes/no. API trả về xác suất của nhánh yes nằm trong khoảng từ 0,01 đến 0,99. Docs của Gemini API cho biết xác suất này không chạm mức 0 hoặc 1, nên khi đặt ngưỡng kiểm tra trong code bạn cũng cần chọn số nằm trong khoảng 0,01 đến 0,99. Bạn cũng có thể mô tả rõ trong câu hỏi thế nào được tính là yes hoặc no, và confidence trả về sẽ lấy mức cao hơn giữa hai nhánh.

Kiểu thứ hai là choice, dùng khi cần chọn một đáp án từ 2 đến 255 lựa chọn cho sẵn. API trả về lựa chọn đứng đầu, xác suất của từng lựa chọn sao cho tổng bằng 1, cùng với chỉ số confidence. Ngay cả khi không có lựa chọn nào thật sự khớp với nội dung đầu vào, model vẫn chia xác suất cho các phương án đang có, nên bạn cần kiểm tra ngưỡng confidence hoặc chủ động thêm một lựa chọn kiểu "other" để gom các trường hợp ngoại lệ.

Kiểu thứ ba là score, dùng để chấm điểm theo một rubric có thứ tự với chỉ số bắt đầu từ 0. Bạn được đặt từ 2 đến 255 mức trong thang chấm, nhưng phía Google khuyên chỉ nên dùng từ 2 đến 10 mức cho hầu hết trường hợp. Điểm số trả về là trung bình có trọng số nên có thể rơi vào khoảng giữa hai mức nguyên.

Ở cả ba kiểu trên, mọi câu trả lời đều đi kèm một số confidence từ 0 đến 1. Bạn có thể trộn lẫn cả noul, choice và score trong cùng một request, rồi dùng chính số confidence đó để quyết định lúc nào cho app chạy tự động, lúc nào chuyển về nhánh dự phòng hoặc giao cho người duyệt.

![Hệ thống tự động rẽ nhánh hoặc chuyển cho người dựa trên mức confidence thu được.](https://assets.200lab.io/sha256/67/67ec24d2d3929b8f5764246bcb01187f4cb667ef0cebf3521ffc646bceefa3fa/generations/c6ddf0d4e1753e7807b54a02cdc7781da83f572a1706bb2e2823f265f75fd63d)

## Độ trễ 150-250 ms Google công bố cho Decisions API

Theo Google, Decisions API trả về xác suất và confidence trong khoảng 150-250 ms độ trễ end-to-end, tức tính trọn vẹn từ lúc gửi request đi cho tới lúc nhận kết quả về.

Cũng theo Google, khi chạy trên đầu vào đa phương tiện có context tới 16K token, phần tính toán của riêng model đạt mức trung vị 50-100 ms và tổng latency end-to-end giữ ở mức 150-250 ms. Trong cùng điều kiện context tới 16K token đó, Google cho biết độ trễ giữ ở mức gần như phẳng khi bạn gửi từ 1 đến 100 câu hỏi trong mỗi request.

Những con số này gắn với điều kiện thử nghiệm mà họ nêu, nên mình đoán độ trễ thực tế khi bạn truyền context dài hơn hoặc gửi nhiều file nặng hơn sẽ có thay đổi.

Ngoài chuyện tốc độ, Google còn công bố một bảng benchmark trên bài giới thiệu đã dẫn ở đầu bài, đo các nhóm bài toán agent routing, reasoning, ranking và hiểu đa phương tiện. Trong bảng đó, Gemini Decision 1 đạt 92.2% trên JevBench (public split) và sai số hiệu chỉnh Top-1 ECE 0.0250, với chú thích thấp hơn thì tốt hơn, tính trên 7 bài eval dùng chung; đây là số liệu Google công bố, mình chưa chạy lại các bài đo này.

![Nguồn: Google](https://assets.200lab.io/sha256/40/40b0f79ec9f3e54f6b0ae5c0c8d074a617b2b38a10483faffd4a940d0c851ef6/generations/64ea0ab07f8cba7134fbd27819fdffb357566aa6247b25f4610d2910b5a27ab7)

## Google đang dùng Gemini Decisions API ở những sản phẩm nào

Trong bài công bố, Google kể lại bốn sản phẩm nội bộ đang gắn API này, và đây là thông tin từ phía họ chứ mình chưa có cách kiểm tra độc lập. Ở Gemini Notebook, họ dùng API làm router thời gian thực để chọn tầng model, theo Google là giúp phục vụ các truy vấn hằng ngày với độ trễ thấp hơn tới 40% và dành các model suy luận sâu cho những việc phức tạp hơn.

Ở Stitch, một thí nghiệm rapid canvas của họ, API này hỗ trợ tạo wireframe trong vài giây và cho phép người dùng sửa bằng giọng nói hoặc thao tác chạm gần như ngay lập tức, theo Google. Còn trong sản phẩm CC của Google Labs, họ dùng API để chọn ra một emoji từ hơn 200 lựa chọn trong thời gian rất ngắn.

Với Google Search, họ đặt API này làm lớp kiểm tra an toàn cho các MCP tools, tức công cụ gắn qua Model Context Protocol, ngay trong phạm vi độ trễ mà hệ thống yêu cầu. Bài công bố cũng cho biết việc tích hợp đang được triển khai trên SDK google-genai cùng các thư viện và nền tảng như OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit và OpenCode, còn hỗ trợ trên Gemini in Google Cloud thì sắp có.

## Việc nên nhớ trước khi thử Gemini Decisions API

Chỗ mình để ý nhất là API trả sẵn confidence đi kèm từng đáp án. Nhờ có con số này, code trong app có thể chủ động chuyển những trường hợp mơ hồ sang cho người kiểm tra, thay vì phải tin mù quáng vào một nhãn duy nhất do model sinh ra. Việc chấm được nhiều câu hỏi trên cùng một nội dung đầu vào trong một lượt mà không cần chờ model viết thành đoạn văn cũng khá hợp với các bài toán phân loại hay kiểm tra policy.

Nếu định lấy API key trên Google AI Studio để gọi thử, bạn cũng nên lưu ý vài giới hạn đã được công bố. Hiện tại tính năng này chỉ mở trên Gemini Developer API bản v1beta với đúng một model là Gemini Decision 1, và phần instructions bên trong từng câu hỏi chỉ nhận định dạng text.

Ngoài ra, API chưa hỗ trợ truyền trực tiếp YouTube URL hay đường dẫn URI kiểu gs://, đồng thời cũng không hỗ trợ context caching hay Batch API. Trên Google AI Studio hiện có sẵn tài liệu hướng dẫn và vài app mẫu như Doorstep Parcels, Speed Sketch, Find the Zoo Keeper cùng Decisions Playground để bạn xem cách họ thiết kế câu hỏi trước khi tự viết code.

## Nguồn tham khảo

- Gemini Decisions API: Fast, calibrated multimodal decisions, Google, 11/11/2026 (link ở đoạn mở bài)
- [Decisions API](https://aistudio.google.com/docs/decisions-api), Google AI Studio / Gemini API
- [Gemini Decision (gemini-decision-1)](https://aistudio.google.com/docs/models/gemini-decision-1), Google AI Studio / Gemini API

## Đọc thêm

- [Fine-tuning là gì? Khi nào chọn fine-tune, khi nào chọn RAG](https://200lab.io/blog/fine-tuning-la-gi.md): Fine tuning là gì: khi kiến thức hay đổi thì dùng RAG; muốn giữ format và giọng shop thì xét fine-tune hoặc LoRA.
- [Claude Fable 5.2 có gì mới và ưu đãi ra mắt cần biết](https://200lab.io/blog/claude-fable-5-2-whats-new.md): Claude Fable 5.2 được dùng trên app Claude với một số gói, hãy lưu ý hạn ưu đãi 16/11 và lưu dữ liệu 30 ngày; việc hằng ngày vẫn có thể bắt đầu với Opus 5.5.
- [Grok Bot gom phản hồi khách một tuần thành bảng việc cần sửa](https://200lab.io/blog/grok-bot-weekly-customer-feedback.md): Gom phản hồi khách bằng Grok Bot từ tin nhắn cả tuần: bạn có bảng khen chê kèm mã tin, ba việc cần sửa và tự đếm lại nhóm lớn nhất trước khi sửa shop.
- [Function calling là gì? Phân biệt với Structured Outputs và MCP](https://200lab.io/blog/function-calling-la-gi.md): Function calling nối model với dữ liệu thật qua host app: vòng tool call, các bước app phải kiểm tra, và điểm khác với Structured Outputs cùng MCP.
- [Multi-agent là gì? Khi nào một agent không đủ và 3 cách chia việc](https://200lab.io/blog/multi-agent-la-gi.md): Multi-agent là gì: mạnh ở bài toán rộng chạy được song song, nhưng chỉ nên tách khi phần việc làm độc lập được và bù nổi chi phí token.
- [Mọi bài viết chủ đề AI](https://200lab.io/blog/tags/ai.md)

Toàn bộ nội dung: https://200lab.io/llms.txt