谷歌上线Gemini Decision 1决策模型：输出免费，百万Token 0.1美元
sina qqZone renren ydCloud 0
新智元报道
等了许久，
Gemini 4 Hydrogen 始终没露面。
谷歌昨晚拿出的东西，是多模态决策模型 Gemini 
Decision 1。
劈柴对外宣布，谷歌当天正式开放 Gemini Decisions API，背后支撑的模型就是 Gemini Decision 1。
借助 Decisions API，Stitch Rapid 几秒钟就能把整套产品流程设计出来。
「Jev」这股风，终究还是刮到了谷歌。
这个模型是冲着「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。
原生决策类型共 3 种：「Yes/No」、「多项选择（选项最多 255 个！）」和「评分标准打分」。
价格上，每百万输入 Token 只要 0.10 美元，输出 Token 干脆不收钱（仅为 Flash-Lite 的 1/5）。
多项基准测试里，它的校准误差最低，领先幅度明显。
用多模态，掀翻决策模型
TypeSafe AI 的 Jev 在硅谷带起一波热潮，其他巨头陆续跟上，谷歌这回也亲自下场做决策模型了。
Jev 已经把纯文本决策的价格压到百万 Token 0.042 美元，谷歌拿什么接招？
答案是用多模态去压纯文本模型。
最多 256K token 的数据——文本、图片、音频、视频、PDF 都行——可以一次性全部喂进去，然后同时抛出 1000 个问题。
工具调用也好，策略风控也罢，又或者模型动态路由、上下文打分，Decisions API 都直接给出最干脆的答案。
Gemini Decision 1 靠一次高效的「前向传递」，就能瞬间给所有选项打完分。
霸榜基准测试：「直觉」超精准
当然，决策模型不光要快，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。
更关键的是，校准误差全场最低。
也就是说，它给出的把握有多大，实际就有多准，幻觉率压得很低。
由于不必逐字解码，Gemini Decision 1 处理 16K token 的多模态上下文时，计算中位延迟为 50-100 毫秒，端到端延迟只有 150-250 毫秒。
而且一次问 1 个问题和一次问 100 个问题，速度基本没差别，不会卡。
相比眼下公认的「性价比之王」Gemini 3.5 Flash-Lite（走交互 API 模型），它还要便宜近 5 倍，说它是价格屠夫并不为过。
原生多模态架构加上三种决策模式，模型能一次跑完整个流程。它背靠 Gemini 的多模态底座，文档、录音、视频都能在单次前向传递里直接「看懂、听懂」。
多模态素材可以随意搭配，比如把「客服通话录音」和「账户数据」拼在一起，或者把「PDF理赔单」和「损坏照片」打包提交给它。
音视频分辨率也能自行调整，用来控制视觉细节和 token 成本。
一个请求里，三种核心决策模式可以混着用。
每次返回还会附一个「置信度分数（0到1）」。碰到模棱两可的情况，代码可以直接把它交给备用方案或者人工审核，很稳。
noul（是/否）：判断是/否条件成立的概率，描述标准可选「真/假」。
choice（多项选择）：选项支持 2 到 255 个，直接给出获胜者，还附带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，给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，上手很友好。
下面这段代码相当优雅——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。
)谷歌内部各顶尖团队怎么用？他们早就把它当成「低延迟控制中枢」了。
自定义分类器不用再费时费力去训练，大模型也不用干等它慢慢生成，选项定义好，下面这些功能就直接上线。
比如 Gemini Notebook 里的动态模型路由。Decisions API 在 Notebook 中充当「流量交警」，用户的提问一进来，几毫秒就能完成意图分类。
简单问题交给轻量模型（延迟直降 40%！），复杂问题再扔给深度思考模型。
Stitch 里的极速设计迭代也能靠它完成，这绝对是砸饭碗级别的应用。Stitch 的快速画布几秒钟就能生成一整个产品流程的「可运行线框图」。
语音或点击做出的修改瞬间生效，流程达到理想状态后，一键转入完整设计模式。
在 Google Labs 的 CC 社交应用里，它还能秒选表情包：不到一秒，从 200 多个 Emoji 中挑出最合适的那个，表情瞬间弹出，非常丝滑。
搜索中 MCP 工具的安全层也是它。Google 搜索用 Decision API 检测对抗行为和对抗性评估的内容，效率很高。
免费 API 也来了。Google AI Studio 这次准备了免费 API 层级，供大家尽情白嫖做原型设计。
计费方式相当厚道：共享输入不管问多少问题都只计一次费用，每个问题仅收自身指令和标准Token。
输出侧不收钱，没有忽高忽低的「思维 Token」刺客，音频转录和 OCR 也不单独计费。
谷歌整个 AI 生态也在同步接入。OpenRouter、LangChain、Vercel、LiteLLM、Pydantic AI、Pipecat、LiveKit、OpenCode 以及 google-genai SDK 的集成正在陆续推送。
17天，巨头们扎堆跟进
Jev 掀起的这股「决策模型」风潮，把大模型沿用的计费规则直接推翻：单次前向传递就出结果，成本大幅下探，输出全免。
整个10月算得上AI决策模型的「疯狂之月」。17天时间里，多家顶级AI实验室接连发布同类模型。
亚马逊直接开源了决策模型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 则推出d1-ultra。
微软与OpenAI等巨头也在API层面快速调整，试图阻击这股浪潮。
17天的巨头混战中，谷歌靠 Gemini Decision 1 打出的牌是：不拼纯文本差价，改走「原生多模态+千题大并发」。
眼下的赛道格局大致是：想要纯文本极致低价就选 Jev，复杂多模态和高并发看谷歌，生态合规则留给 OpenAI。
未来 Agent 架构的方向已经清楚：决策模型（System 1）负责极速、廉价地「做判断」，大模型（System 2）退到二线承担深度「慢思考」。
智能体狂飙的下半场，已经开场。
参考资料：
https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/
