Gemini决策API上线，ElevenLabs推语音智能体
2026年11月12日AI资讯：Google推出Gemini Decisions API，以极低延迟处理多模态封闭式决策；ElevenLabs预览ElevenAI工作助手及智能体记忆功能；Runway支持4K视频生成；AlloyDB新增数据库内AI函数。本文梳理各产品更新细节及技术影响。
Google Gemini：从“聊天”转向“决策”
这次Google没有急着上更大的语言模型，而是挑了一个更具体也更底层的场景：让AI去做快速的封闭式决策。新推出的
Gemini Decisions API，连同背后的Gemini Decision 1模型，指向很清楚——快、便宜、准。
毫秒级响应，专为批量任务设计
平时调用传统LLM，生成一段文字往往要几百毫秒甚至几秒。可很多业务场景并不需要大段文字，只要一个确定的答案或分数：判断一张图片里有没有违规内容、从一堆文档里挑出符合特定条件的条目、给多个选项排个序，都属于这类。
Gemini Decision 1正是冲着这些需求来的。图像、音频、视频、PDF，以及长达256K的文本上下文，它都能接。性能指标最抓眼球：延迟压在150到250毫秒之间。对需要实时反馈的应用来说，这个速度基本感觉不到。
成本结构其实更关键。Google宣布这个API不收输出费用，只按输入量计费。开发者因此可以一次提交多达1000个问题，交给模型并行处理。比如上传一份上百页的合同，让模型快速判断哪些条款有风险，并给出置信度评分，不必担心生成大量解释性文字把账单撑爆。
所谓“校准过的置信度决策”，说白了就是把LLM从“创作者”变成“裁判员”。数据清洗、内容审核、路由分发这些场景里，这种转变能明显压低系统复杂度。过去可能要写复杂的规则引擎，或者训练专用的分类模型，现在直接调API就行，维护成本也更低。
车载场景扩展：Gemini登陆CarPlay
后端能力在升级，Google也没落下Gemini的前端触达。最新版本的Gemini应用已经接入Apple CarPlay。iPhone用户开车时可以用语音直接调用Gemini，查路况、规划路线、控制音乐，甚至问问沿途有什么餐厅可推荐。
这事看着平常，背后是AI助手正从“手机屏幕”往“生活空间”里渗。车载环境对交互的自然度和安全性要求很高，Gemini的多模态理解和低延迟响应在这里就派上了用场。目前功能还集中在常规助手服务上，但更复杂的车载AI交互，路已经铺开了。
ElevenLabs：语音智能体的“记忆”与“大脑”
Google在解决决策效率，ElevenLabs想解决的则是语音智能体的“智商”和“记性”。这家公司以逼真的TTS（文本转语音）出名，如今正朝全栈语音智能体平台走。
ElevenAI：跨应用的听写与上下文传递
新预览的ElevenAI被定位成团队工作助手，核心本事在“听”和“记”：跨应用听写、记录会议内容，在智能体与人员之间传递上下文。更有意思的是“实时辅助通话”，通话过程中就能给出实时建议或补充信息。
这可不是录音笔的升级版。它能理解对话语境，还能主动介入工作。销售、客服、咨询团队以后不用事后整理会议纪要了，智能体在对话进行中就能提取关键信息，甚至提示下一步该说什么。
Interaction Engine与Memory：让智能体更聪明
为了让语音智能体更像人，ElevenLabs拿出了两个关键组件：Interaction Engine和Memory。
Interaction Engine是个模型编排器，按任务难度动态调度不同模型。简单的问候或确认，交给低成本、低延迟的小模型；复杂的逻辑推理或情感安抚，换到大模型上。分层架构把成本和体验拉到平衡，免得“杀鸡用牛刀”。
Memory组件对付的是智能体“健忘”的毛病。对话里的关键信息它能存下来，后续交互时再调用。用户上周说过自己对某种过敏原敏感，本周再订餐，智能体就会自动提醒避开相关食物。ElevenLabs还打算开放企业微调，让公司用自有数据定制TTS、STT（语音转文本）和底层语言模型，使模型更懂行业术语和企业风格。
基础设施与工具链：更近、更安全、更清晰
应用层之外，数据库、开发工具和视频生成领域也有值得一看的更新。
AlloyDB：在数据库内直接运行AI
Google Cloud给AlloyDB加了两个AI函数：ai.classify和ai.extract过去，要对数据库里的非结构化文本做分类或提取实体，开发者一般得先把数据导出，调外部AI API，处理完再写回数据库。代码繁琐不说，数据移动还带来安全风险和延迟。
如今这类活儿不必再搬出库外，直接在数据库内部就能跑完。开发者用预设的标签给文本打分类，[[保留1]]也能从文本中抽取结构化数据，[[保留2]]整套流程因此变短，对外部服务的依赖随之下降；数据不出库，安全上也多了一层。对天天要处理海量非结构化文本的企业而言，这种架构上的调整分量不轻。ai.classifyai.extract
另一头，LLM CLI修掉了一个安全漏洞。
这个开发者常用的命令行工具放出0.37.2版本，处理的是与OpenAI兼容端点配置有关的安全问题。拿它接第三方模型API的人，最好尽早升级。底层工具的安全常被忽略，真出事时，API密钥泄露或者被人恶意利用都有可能。
Runway Seedance 2.5上线4K生成
视频生成这边，Runway给Seedance 2.5加了4K版本。官方还没公布具体性能数据，但能出4K，说明生成的画面在细节和清晰度上跨了一大步，影视制作、广告创意这类要求高的场景用得上。问题在于高分辨率生成极耗算力，Runway能不能一边保住速度一边压住成本，接下来得盯着看。
Databricks Genie Ontology把准确率拉高1.6倍
Databricks联手Turing做的评测显示，接入Genie Ontology之后，Genie系统的准确率提高到原来的1.6倍，Token消耗则砍掉一半以上。Ontology在这里扮演知识图谱的角色，把数据之间的关系结构化地定义出来，帮LLM更准地读懂查询意图，幻觉和不必要的推理步骤都少了。垂直领域里，带上结构化知识的LLM应用常常比纯端到端模型更省、更稳，这次评测又添了一个例子。
结语
从Google的决策API，到ElevenLabs的智能体记忆，再到AlloyDB的库内AI，一条线索已经浮出来：AI正从“通用聊天机器人”转向专用、高效、嵌入基础设施的形态。开发者盯的不再只是模型聪不聪明，还有它快不快、贵不贵、好不好接。往后AI的比拼，多半落在这些工程细节和具体场景的落地能力上。
