谷歌上线Gemini Decision 1决策模型：输出免费，百万Token 0.1美元
等了半天，Gemini 4 Hydrogen没来。 昨晚谷歌端上来的，是多模态决策模型Gemini Decision 1。 劈柴宣布：今天，谷歌正式上线Gemini Decisions API，由Gemini Decision 1 模型提供支持。 Stitch Rapid 使用 Decisions API 在几秒钟内设
等了好久，
Gemini 4 Hydrogen还是没露面。
谷歌昨晚拿出来的，是一款叫Gemini Decision 1的多模态决策模型。
劈柴宣布，谷歌当天正式上线Gemini Decisions API，背后由Gemini Decision 1模型支撑。Stitch Rapid用这套Decisions API，几秒钟就能把整个产品流程设计出来。
「Jev」这股风，终究还是刮到了谷歌。这款模型是冲着「封闭式选择题」来的：延迟极低、原生支持多模态，一次能处理1000个问题。
原生决策类型有3种：「Yes/No」、「多项选择（最高支持255 个选项！）」，还有「评分标准打分」。
价格方面，每百万输入Token只要0.10美元，输出Token干脆免费（仅为Flash-Lite的1/5）。
多项基准测试里，它的校准误差最低，领先幅度是绝对的。
多模态路线，改写决策模型玩法
TypeSafe AI的Jev在硅谷带起一波热度，别的巨头也陆续跟上。谷歌这回终于亲自下场做决策模型。
Jev已经把纯文本决策的价格压到百万Token 0.042美元，谷歌拿什么应对？
它的打法是：走多模态，压过纯文本模型。
最高256K token的数据，文本、图片、音频、视频、PDF都算，可以一次性全喂进去，然后同时抛出1000个问题。
工具调用、策略风控、模型动态路由、上下文打分，这些场景里Decisions API都能直接给出最干脆的答案。
Gemini Decision 1靠一次高效的「前向传递」，瞬间完成对所有选项的评分。
基准测试霸榜：「直觉」够准
当然，决策模型光快不够，还得准。
智能体路由、逻辑推理、信息排序、多模态理解这几类顶级基准测试，Gemini Decision 1全线登顶。
更关键的一点：校准误差全场最低。
也就是说，它表现出多大把握，实际就有多准，幻觉率压得很低。
不用逐字解码，碰上高达16K token的多模态上下文，模型计算的中位延迟落在50-100毫秒，端到端延迟只有150-250毫秒。
一次问1个问题，还是一次问100个，速度基本没差别，不会卡。
目前公认的「性价比之王」是Gemini 3.5 Flash-Lite（走交互API模型），而它比后者还便宜近5倍，价格上确实够狠。
原生多模态加三种决策模式，一个请求就能跑完整个判断流程。
它沿用了 Gemini 那套原生多模态架构，文档、录音、视频在单次前向传递里就能被直接「看懂、听懂」。多模态还能随意拼：客服通话录音配账户数据，或者 PDF 理赔单加损坏照片，打包丢进去都行。
音视频分辨率也允许自行调整，用来控制视觉细节和 token 成本。同一个请求里，三种核心决策模式可以混着用。每次它都会返回一个「置信度分数（0到1）」，碰上模棱两可的结果，代码可以直接转给备用方案或交人工审核，相当稳。
noul（是/否）：判断是/否条件成立的概率，还能指定「真/假」按什么标准描述。
choice（多项选择）：选项数量支持 2 到 255 个，直接给出获胜者，并附上所有候选者的概率排名。
score（精准打分，有序评分标准）：按你定的规矩（从0开始）给输入内容打分，输出连续的加权分数和每一级的概率。
接口用的是大家熟悉的 Content 块格式，相当友好。下面这段代码就很能说明问题——一次请求，让 AI 看着一张办公室吧台的照片，同时完成三种不同类型的判断。
- from google import genai
- client = genai.Client(http_options={"api_version": "v1beta"})
- result = client.decisions.create(
- model="gemini-decision-1",
- # 共享输入：丢给它一张图 + 一句话input=[{"type": "image",
- "uri": "https://storage.googleapis.com/generativeai-downloads/images/spill.jpg",
- "mime_type": "image/jpeg",
- },
- {
- "type": "text","text": "早上9点客户会议前的休息室吧台检查。",
- },
- ],
- # 一次性连发3个问题！questions={
- "has_spill": {"type": "noul",
- "instructions": "吧台上是否有未清理的液体溢出？",
- },
- "next_action": { "type": "choice",
- "instructions": "哪种清理措施最适合当前场景？",
- "criteria": {
- "wipe_with_cloth": "吧台少量溢出，附近已有抹布。",
- "dispatch_janitorial": "地面大面积危险、碎玻璃或持续漏水。",
- "ready_for_meeting": "吧台干净，已准备就绪。",
- },
- },
- "severity": { "type": "score", "instructions": "评估吧台脏乱的严重程度。",
- "criteria": [
- "干净且准备就绪。",
- "轻微的局部溢出。",
- "重大溢出或安全隐患。",
- ],
- },
- },
- )
谷歌大厂内部都在怎么玩？
谷歌内部几支顶尖团队，如今已经把它当作「低延迟控制中枢」在用。
自定义分类器不用再花时间训练，大模型也不必等着慢慢生成——把选项定义清楚，下面这些功能就能直接跑起来。
比如在 Gemini Notebook 里，它能充当动态模型路由。
Notebook 把 Decisions API 当成「流量交警」：用户提问一进来，几毫秒内就完成了意图分类。
简单问题交给轻量模型处理，延迟直降 40%！复杂问题才转给深度思考模型。
它还能在 Stitch 中做极速设计迭代，这个应用被形容为砸饭碗级别的。
Stitch 的快速画布几秒钟就能产出一整套产品流程的「可运行线框图」。
语音或点击做出的改动会立刻生效；流程一旦达到理想状态，一键就能切进完整设计模式。
在 Google Labs 的 CC 社交应用里，它挑表情包不到一秒就能搞定，200 多个 Emoji 里直接选出最合适的那个，表情瞬间弹出，用起来很顺。
Google 搜索那边，它充当 MCP 工具的安全层，靠 Decision API 识别对抗行为和对抗性评估内容，效率很高。
免费API来了
这一回 Google AI Studio 还备了免费 API 层级，拿来白嫖做原型设计没问题。
计费逻辑也够意思：共享输入不管你问多少问题都只算一次钱，每个问题只收自身的指令和标准 Token。
输出不收钱，也没有忽高忽低的「思维 Token」刺客，音频转录、OCR 都不单收费。
谷歌整个 AI 生态也在跟进，OpenRouter、LangChain、Vercel、LiteLLM、Pydantic AI、Pipecat、LiveKit、OpenCode 以及 google-genai SDK 的集成都在火热推送中。
诸神混战：17天内，巨头们疯狂跟进
Jev 掀起的这场「决策模型」风暴，把大模型原来的计费规矩撕了个口子——单次前向传递直接出结果，成本暴跌，输出全免。
整个10月堪称AI决策模型的「疯狂之月」，短短17天里多家顶级AI实验室都发了同类模型。
亚马逊开源了决策模型Strands Decider 2B。
Cloudflare推出Clef及Clef-flash，以Apache 2.0协议开源。
Perplexity开放了基于27B开源模型微调的Decisions API。
Liquid AI推出了d1-ultra。
微软、OpenAI等巨头也在API层面快速调整，想挡住这股浪潮。
17天的混战里，谷歌靠 Gemini Decision 1 打出的牌是：不比纯文本差价，直接押「原生多模态+千题大并发」。
眼下赛道格局大致是：纯文本要极致低价找 Jev，复杂多模态和高并发看谷歌，生态合规留给 OpenAI。
Agent 架构的走向也摆明了：决策模型（System 1）管极速、廉价的「做判断」，大模型（System 2）退到二线负责深度「慢思考」。
智能体狂飙的下半场来了。
参考资料：
https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/
