谷歌 Gemini Decision 1 發布：不做逐字生成，一次請求判 1000 個問題
作者|冬梅（AI前線）
當整個 AI 行業還在比拼誰能生成更多 Token、誰的推理能力更強時，谷歌卻推出了一款不靠逐字生成答案的新模型。
剛剛，谷歌正式發布 Gemini Decision 1，同時推出由該模型驅動的 Gemini Decisions API。與傳統生成式大模型不同，這款模型專門用於快速決策，不需要逐個 Token 生成文字，而是通過單次前向傳播，對預先設定的候選答案進行評分。
谷歌 CEO Sundar Pichai 也在 X 平台發文介紹了 Gemini Decision 1 的主要能力。他寫道：
今天，我們在 Google AI Studio 中正式推出 Gemini Decisions API，由全新的 Gemini Decision 1 模型提供支持。
與傳統模型逐個 Token 生成文本不同，這款模型專門為封閉選項集中的決策任務而設計。它可以在單次處理過程中，對文本、圖像、音頻、視頻以及 PDF 中的最多 1000 個問題進行評分。
以下是幾個值得關注的細節：
· 支持三種決策類型：是 / 否判斷、多項選擇（最多 255 個選項），以及基於評分標準的打分；
· 每百萬輸入 Token 的價格僅為 0.10 美元，輸出 Token 費用為零，成本約為 Flash-Lite 的五分之一；
· 在多項基準評測中處於領先位置，同時具有最低的校準誤差。
谷歌內部團隊已經開始使用這項技術。
過去，當開發者希望 AI 判斷一封郵件是否屬於垃圾郵件，或者決定某項任務應該交給哪個 Agent 時，往往需要調用生成式大模型，再從模型生成的文本中提取結果。Gemini Decision 1 則省去了逐字解碼的環節。
開發者只需要提供輸入內容、待判斷的問題以及候選選項，模型就可以直接返回對應的判斷結果、概率和置信度。
這意味著，對於本來只需要一個分類、評分或選擇結果的任務，AI 不必再完成一整套文本生成流程。
按照谷歌公布的數據，Gemini Decision 1 可以在一次請求中處理最多 1000 個獨立問題，支持文本、圖像、音頻、視頻和 PDF 等多模態輸入，端到端延遲僅為 150～250 毫秒。
價格也比較激進：每百萬輸入 Token 僅需 0.10 美元，輸出 Token 不收費。在谷歌公布的同一組基準測試中，其調用成本較 Gemini 3.5 Flash-Lite 低近 5 倍。
更值得注意的是，這並不只是一款用於回答選擇題的模型。谷歌已經將其用於 AI 模型路由、Agent 工具選擇、產品設計以及安全檢測等場景，試圖讓它成為 AI 系統中專門負責判斷與決策的底層組件。
一次處理 1000 個問題，最多 255 個選項
根據 Google 發布的技術介紹，Gemini Decision 1 提供三類核心決策能力。
第一類是 Yes/No（二元判斷）。例如，判斷圖片中是否存在安全隱患，或者一段文本是否違反既定規則。模型會給出相應條件成立的概率。
第二類是 Multiple Choice（多項選擇）。開發者可以預設 2～255 個候選選項，模型不僅會選出最符合條件的答案，還會返回每個候選項經過歸一化處理的概率。
第三類是 Ordered Rubric（有序標準評分）。開發者可以自行定義不同等級的評分標準，讓模型對輸入內容進行評價，並返回連續加權分數及各等級的概率。
三種任務還可以在一次請求中混合執行。
谷歌提供了一個簡單的示例：給模型上傳一張辦公室茶水間台面的照片，並附上一段文字說明，要求它同時判斷桌面是否存在液體灑漏、應該採取何種清理措施，以及現場的嚴重程度。
傳統方式可能需要設計多個分類器，或者通過生成式大模型執行不同的提示詞任務。Gemini Decision 1 則可以在一次請求中完成這些判斷。
此外，模型支持最高 256K Token 的多模態輸入上下文。對於企業場景，這意味著開發者可以將通話錄音與客戶資料放在一起分析，或者結合保險索賠文件與現場照片作出判斷。
每項決策都會提供 0～1 的置信度，方便系統將不確定的結果交給其他模型或者人工審核。
Gemini Decision 1 的另一個競爭力，是速度與成本。
根據谷歌官方介紹，在涵蓋 Agent 路由、推理、排序和多模態理解的基準評測中，Gemini Decision 1 表現領先，並取得了最低的校準誤差。
在不超過 16K Token 的測試上下文中，其模型計算階段的中位延遲保持在 50～100 毫秒，端到端延遲約為 150～250 毫秒。即使單次請求包含的問題數量從 1 個增加到 100 個，延遲也基本保持平穩。
在官方使用的共同基準測試集上，Gemini Decisions API 的成本較通過 Interactions API 調用 Gemini 3.5 Flash-Lite 低近 5 倍。
9 項測試拿下 7 項第一，準確率最高 92.2%
谷歌此次發布 Gemini Decision 1，還公布了一份頗具看點的模型對比成績單。
與通常將通用大模型放在一起比較不同，谷歌此次選擇了三款競爭產品：OpenAI 的 GPT-6 Luna、專門面向分類決策的 TypeSafe Jev 1.14，以及自家的 Gemini 3.5 Flash-Lite。
從結果來看，Gemini Decision 1 在 9 項基準測試中拿下 7 項第一，在概率校準方面同樣領先，但在另外兩項測試以及總調用成本上，仍然存在競爭對手表現更好的情況。
在 JevBench 測試中，Gemini Decision 1 取得 92.2% 的準確率，超過 GPT-6 Luna 的 90.9%、TypeSafe Jev 1.14 的 90.0%，以及 Gemini 3.5 Flash-Lite 的 86.6%。
在 Amazon ESCI 商品搜索相關性測試中，Gemini Decision 1 取得 58.7% 的 Macro-F1 分數，比 GPT-6 Luna 高出 4 個百分點，比 Flash-Lite 高出 11.5 個百分點。
而在 New Yorker Caption 測試中，差距進一步拉大。Gemini Decision 1 取得 79.7% 的成績，GPT-6 Luna 為 68.4%，兩者相差 11.3 個百分點。該測試涉及對漫畫配文的理解和選擇，考驗模型的語境理解與候選內容判斷能力。
在醫學問答測試 PubMedQA 中，Gemini Decision 1 同樣排名第一，得分為 79.8%，高於 GPT-6 Luna 的 74.4%。
多語言測試 Global-MMLU-Lite 的結果也類似。Gemini Decision 1 取得 86.0%，GPT-6 Luna 為 79.6%，兩者相差 6.4 個百分點。
不過，谷歌並未實現全面領先。
在 Mind2Web Multimodal 測試中，TypeSafe Jev 1.14 以 86.8% 的成績排名第一，Gemini Decision 1 為 86.2%，落後 0.6 個百分點。
在考驗工具調用判斷能力的 When2Call 測試中，TypeSafe Jev 1.14 的優勢更加明顯，得分為 82.0%，Gemini Decision 1 為 79.9%。
這項結果尤其值得關注。工具選擇和調用時機判斷是 Gemini Decision 1 重點面向的 Agent 應用場景之一，但在這項測試中，專用決策模型 TypeSafe Jev 依然保持領先。
另外，在音頻理解測試 MMAU 和視頻理解測試 Video-MME 中，Gemini Decision 1 分別取得 71.8% 和 69.1%，均高於 Flash-Lite。
比準確率更值得關注的，是谷歌此次特別強調的概率校準能力。
在 Top-1 ECE（Expected Calibration Error，預期校準誤差）測試中，Gemini Decision 1 的校準誤差僅為 0.0250，而 GPT-6 Luna 為 0.0721，TypeSafe Jev 1.14 為 0.0494，Flash-Lite 則達到 0.2104。
換句話說，在這組評測中，Gemini Decision 1 的校準誤差比 GPT-6 Luna 低約 65%，比 Flash-Lite 低約 88%。
這項指標對 Agent 系統尤其重要。
例如，當一個 Agent 需要判斷某段代碼是否存在安全漏洞時，模型給出的不僅是"存在"或"不存在"的結果，還可能包含一個概率值。系統可以根據概率與實際正確率之間的關係，決定是否自動採取行動，或者交給人工進一步核查。
谷歌已經用上：Agent 路由延遲最高降低 40%
與一些僅展示基準成績的新模型不同，谷歌此次還披露了 Gemini Decisions API 在內部產品中的應用案例。
其中最值得關注的是 Gemini Notebook。
谷歌正在利用 Decisions API 充當實時模型路由器，根據用戶請求的複雜程度，選擇合適的模型檔位和思考強度。面對日常簡單問題，系統可以優先調用成本較低、響應更快的模型；遇到複雜推理任務，再將請求交給能力更強的模型。
谷歌稱，借助這種動態路由方式，日常查詢的延遲最多可以降低 40%。
這種設計與當前 Agent 系統的發展趨勢密切相關。一個 Agent 完成任務時，往往需要不斷判斷下一步動作，例如選擇哪個工具、調用哪個模型，或者決定是否需要人工介入。
如果每一個簡單決策都要交給大型生成式模型處理，系統就需要承擔額外的延遲和成本。專門的決策模型則提供了另一種選擇：將相對簡單、選項明確的判斷交給低延遲模型處理，把複雜任務留給通用大模型。
除了 Gemini Notebook，谷歌還披露了另外三個應用方向。
在 Google Stitch 中，新推出的 Rapid Canvas 實驗功能利用 Decisions API，在幾秒鐘內形成可互動的產品流程線框圖，並快速響應用戶通過語音或點擊發出的修改指令。用戶確認設計方向後，可以將頁面轉入完整的 Stitch 工作流進一步完善。
在 Google Labs 的 CC 產品中，Decisions API 被用於從超過 200 個 Emoji 選項中快速選擇合適的表情反應。在 Google Search 內部，谷歌還利用這一 API 構建 MCP 工具的安全檢測層，識別潛在的對抗性行為及內容。