谷歌Gemini Decision 1发布:5项基准胜Jev,输入价高2.38倍

资讯 雷峰网 全文 4767 字 · 约 12 分钟读完 配图 16 张 分类Gemini决策模型Google融资多模态

Jev 拿下的 75 亿美元估值曾被质疑是一场泡沫。现在 Google 用一款多模态决策模型告诉市场:这不是泡沫,是赛道。

所属频道 大厂动态模型发布融资与资本Gemini 与 Google AI前沿研究
Google 杀入 Jev 核心赛道:Gemini Decision 1 五项基准领先两项落后
Jev 此前拿到的 75 亿美元估值,一度被外界看作泡沫。谷歌如今推出一款多模态决策模型,给出的态度很明确:这是条赛道,不是泡沫。

谷歌正式入场。公司刚刚发布 Gemini Decision 1,直接对准两个月前点燃决策模型这一品类的 TypeSafe Jev。

与 Jev 相同,Gemini Decision 1 不产出任何文本,只计算候选项的概率和置信度,交给程序去驱动 Agent 执行。它不必逐个 Token 生成答案,输出 Token 的费用也一并省掉。

Google 杀入 Jev 核心赛道:Gemini Decision 1 五项基准领先两项落后

并行计算是更受关注的一步。同一份上下文里,Gemini Decision 1 最多能处理 1000 项独立判断,输入形式覆盖文本、图像、音频、视频和 PDF。Agent 要反复查文档、挑工具、判断任务状态,原先散落在多次模型调用里的判断,如今可在一轮请求内集中做完。

数据层面,双方都给出结果的 7 项共享基准中,Gemini Decision 1 拿下 5 项;Jev 守住了 When2Call 工具调用和 Mind2Web 多模态两项(82.0% vs 79.9%,86.8% vs 86.2%)。

Google 杀入 Jev 核心赛道:Gemini Decision 1 五项基准领先两项落后

价格上,Gemini 每 100 万输入 Token 收 0.10 美元,约为 Jev 的 2.38 倍。性能抬上去了,费用也跟着涨,谷歌的打算看来是以更强的多模态能力和批量决策能力撬开市场。

Jev 在 9 月发布,数周内就拿到 75 亿美元估值,a16z 领投 8.7 亿美元,约三分之一财富 500 强被列为客户。质疑声却没停过:厂商自报的“快 193 倍、便宜 445 倍”没有第三方复现,原创性争议也还没有结论,独立评测给出的判断是一致的——快和便宜属实,质量另说。

谷歌选在这个时间点进场,起码说明决策模型并非闹剧,而是值得巨头下注的品类。

Google 杀入 Jev 核心赛道:Gemini Decision 1 五项基准领先两项落后

01


模型如何绕开文本生成直接做决策

普通 LLM 碰到“从四个工具里选一个”这类活,走的还是自回归解码:一个 Token 一个 Token 地生成工具名或 JSON,程序再解析执行。模型干的是开放式文本生成,业务要的却是有限候选项里的概率判断。

Gemini Decision 1 把输出目标换成了候选项评分。问题、候选集合、判断标准由开发者预先定义,模型读完输入,直接给出各候选项的概率分布。整个流程靠单次前向计算走完,不用逐 Token 生成答案,也没有输出 Token 费用。

Google 杀入 Jev 核心赛道:Gemini Decision 1 五项基准领先两项落后

这与普通的 Structured Output 不是一回事。Structured Output 照样让模型生成文本,只是用 Schema 限制 JSON 的字段和格式;Gemini Decision 1 则直接围绕有限的候选空间打分,返回的结果本身就是程序能读的数据。

有个细节容易被漏掉:判断类型不同,返回概率的含义也不一样。Noul 负责二元判断,给出某个条件成立的概率,范围是 0.01—0.99。问题本身有歧义时,开发者还能分别定义什么算 Yes、什么算 No,以压低判断标准不清带来的偏差。

Google 杀入 Jev 核心赛道:Gemini Decision 1 五项基准领先两项落后

Choice 管多分类,候选项支持 2—255 个,返回胜出选项和各候选项的归一化概率,所有候选项概率加起来为 1。工具路由、模型选择、任务分类都适用。

问题是,这种概率分配始终限定在给定候选集合内。就算所有选项都不符合输入,模型还是会挑出一个相对匹配的结果。所以开发者得补上 Other 选项,或者另设范围检查。

Google 杀入 Jev 核心赛道:Gemini Decision 1 五项基准领先两项落后

Score 这套机制更耐看。它不会只丢回一个等级,而是先给有序评分标准里每个等级配上概率,再做加权算总分。假设问题划成 0 级、1 级、2 级,模型可能给出 0.1、0.7、0.2 的概率,最后得分就落在 1 和 2 之间。这等于把离散分类拉成了连续评分,程序排序、卡阈值都方便。但加权会压掉概率分布里的信息:两个输入拿到同样的分数,背后的等级概率可能差得很远。所以碰上要区分风险等级的任务,程序还得去读各等级的概率,不能只盯最终评分。

三种类型搭起了 Gemini Decision 1 的输出体系。模型不再负责写一段给人看的答案,开发者要设计清楚的问题和候选标准,再由程序把概率结果转成具体的执行条件。

Google 杀入 Jev 核心赛道:Gemini Decision 1 五项基准领先两项落后
Google 杀入 Jev 核心赛道:Gemini Decision 1 五项基准领先两项落后

02


1000 项问题怎么各自独立算

Gemini Decision 1 的请求结构,是一份 Shared Input 配一组 Questions。前者装文本、图像、音频、视频和 PDF,后者定义要做的判断任务。每个问题可以用不同的判断类型和评分标准,一次请求最多支持 1000 项问题。

Google 杀入 Jev 核心赛道:Gemini Decision 1 五项基准领先两项落后

拿设备巡检来说,系统收到一段运行视频、一份维修记录和一段现场语音,要判断设备有没有异常、属于哪类异常、严重到什么程度、要不要人工复查。

开发者可以把三种材料塞进同一份输入,再把这些判断逐一定义出来。异常检测走 Noul,类别判断走 Choice,严重程度走 Score。模型读同一份材料,分别给出各项评分。

Google 杀入 Jev 核心赛道:Gemini Decision 1 五项基准领先两项落后

这套设计有两个技术细节。一是每项问题各有独立的评估路径。Google 文档写得很明确,各问题只能读取共享输入,读不到其他问题的答案。

加一项或删一项问题,也不会影响其他问题的答案。也就是说,并行评分不依赖前序问题的推理链,模型能在同一轮前向计算里完成多个独立判断。

二是共享输入只计一次费。每项问题额外产生的费用,来自它自己的 instructions 和 criteria Token,整份材料不必重复计算。做长文档批量审核、音视频检查和多维度内容评估时,这种计费结构会直接影响整体调用成本。

Google 杀入 Jev 核心赛道:Gemini Decision 1 五项基准领先两项落后

不过 1000 项问题不等于能把任意复杂的工作流都塞进一个请求。要是问题 B 必须根据问题 A 的具体结果来生成新候选项,两项任务就有前后依赖,开发者得先读到 A 的结果,再提交 B。

如果 B 的候选项已经定好,只是需要在 A 不满足条件时忽略 B 的答案,那两项判断可以同时提交,由程序决定采不采用结果。

输入长度同样要算进去。Gemini Decision 1 的上下文上限是 256K Token,这笔预算由共享材料和全部问题一起用,不是每项问题各拿 256K。问题数量往上走,instructions 和 criteria 也会占掉上下文空间。

Google 杀入 Jev 核心赛道:Gemini Decision 1 五项基准领先两项落后

谷歌公布的延迟数据里,测试条件是上下文不超过 16K Token,问题从 1 项加到 100 项,模型计算延迟基本平稳,中位计算延迟为 50—100 ms,端到端延迟为 150—250 ms。这里要分清:API 支持 1000 项问题,而公开的近乎平稳延迟测试只覆盖 1—100 项。

多模态输入还牵扯一项工程取舍。图像和视频能设 low、medium、high、ultra_high 等分辨率等级,视觉细节越丰富,输入成本也跟着变。

Google 杀入 Jev 核心赛道:Gemini Decision 1 五项基准领先两项落后

音频和 PDF 直接走各自的内容处理路径,开发者不用另外搭一套识别服务。谷歌也把 OCR 和音频转写的相关开销算进了模型输入计费,不另收输出 Token 费用。

目前公开的信息不足以还原模型内部的并行计算图。能确定的是,各问题共享同一份输入,在单次前向计算里独立评分。内部有没有用独立输出头、各问题的计算资源怎么分,谷歌还没给出完整技术说明。

Google 杀入 Jev 核心赛道:Gemini Decision 1 五项基准领先两项落后

03


PK Jev:五项领先背后藏着什么

Gemini Decision 1会给每个答案附上一个confidence,取值在0—1之间,反映模型对自己这次判断有多确信。Noul场景下,它取Yes与No两个结果中概率更高的那方;Choice场景下,对应的是胜出选项的概率;Score场景下,则是概率较高的那个等级。有了这层设计,程序就能按判断的可靠程度,设置不一样的执行门槛。

这背后是概率校准的问题。ECE(Expected Calibration Error,期望校准误差)衡量的,是模型给出的概率和实际正确比例差了多少。谷歌公布的数字是:Gemini Decision 1的ECE为0.0250,Jev 1.14为0.0494。

产品落地方面,谷歌已在Gemini Notebook里用Decisions API做模型路由,按请求的复杂程度挑选模型档位和推理等级,日常请求延迟据称降了40%。Google Search拿它做MCP工具的安全检查,Stitch则用它加快交互设计时的操作选择。和TypeSafe Jev比起来,两款模型技术方向接近,公开信息透露的侧重却不一样。

TypeSafe这边已经公开,Jev用了专门的模型架构、Parallel Sampler,还有RLCD(Reinforcement Learning for Calibrated Decisions)训练方法。Jev 1.14补上了图像输入、Box判断类型和长上下文能力,不过发布时这些功能还放在实验性配置里。

Gemini Decision 1走的是Gemini原生多模态架构,输入范围覆盖音频、视频、PDF,上下文给到256K,单次可带1000项问题请求。谷歌没有披露类似TypeSafe的训练方案,两家的内部训练路线眼下没法直接对比。

性能上,谷歌公布的7项共享基准里,Gemini Decision 1有5项压过Jev 1.14;Jev则在When2Call工具调用和Mind2Web多模态上守住了领先。When2Call是Agent选工具的核心场景,Jev能在这个指标上反超,说明谷歌的优势并非无差别覆盖。

第三方独立评测机构Artificial Analysis的Decision Index v2.1榜单上,Gemini Decision 1综合分65.98,略低于Jev的66.23,和榜首Drex Max v1.1的72.62差得更远。单任务延迟211 ms,Jev只要92 ms;价格上,Gemini每100万输入Token收0.10美元,Jev是0.042美元。

换句话说,谷歌拿多模态能力和批量处理换溢价,可“更强”在第三方统一任务套件上还没兑现成“更优”。校准误差领先是真的,但校准领先不等于综合决策质量领先。

04


Agent的决策层,正在变成独立战场

Gemini Decision 1把原先散落在Agent工作流里的一类任务,正式做成了独立的模型调用能力。这不只是评分快慢的事,候选空间怎么定义、共享输入怎么复用、问题之间怎么隔离、概率怎么校准、程序怎么控制,都得配合上。

复杂推理、规划、内容生成还是通用LLM的活;能提前定好标准的判断任务,交给Decision Model。开发者得按任务依赖关系排好调用顺序,再照概率表现划定自动执行的范围。

9月Jev点燃了这个品类,11月谷歌用多模态和批量能力加注。这条路线能不能形成长期优势,还得看模型在复杂输入、任务分布变化和真实业务环境里稳不稳。谷歌入场后,专用决策模型进入更大规模的产品竞争,Agent的工程设计也会从单纯依赖生成模型,转向更细致的模型分工。

参考链接:https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. Gemini 4 Neon发布:跑分逼近旗舰,单任务成本砍半

    作者|Wildcard编辑|靖宇谷歌,这次是真的回来了。11 月 18 日,Google DeepMind 点亮了Gemini 4 Neon的霓虹灯牌。这是 Gemini 4 系列在短短 7 周内甩出的第 4 款元素模型。如果看一眼官方放出的基准跑分长表和社区实测反馈,你会发现它精准卡在了一个极其舒服的「甜点」位上,既

    来源 腾讯网
  2. Gemini聊天记录保留期延至2个月,关闭历史记录也适用

    Google宣布将Gemini聊天记录的保留时间从72小时大幅延长至2个月,且无论用户是否关闭历史记录均适用。该政策将在未来几周全球推出。此举与Google此前“关闭历史记录后72小时删除”的承诺形成矛盾,再度引发外界对AI聊天数据隐私与透明度的担忧。

    来源 AI 科技快讯
  3. 谷歌发布Gemini 4 Neon:编程追平Claude

    11月19日消息,谷歌发布Gemini 4 Neon,面向编程、资料分析和多步骤任务。新模型已通过开发者API开放,Google AI Pro和Ultra订阅用户也可陆续在Gemini应用及AI开发工具Antigravity中使用。 打开网易新闻 查看精彩图片 在谷歌的产品线中,Neon位于旗舰模型Carbon和主打速

    来源 AI 行业观察
  4. 谷歌拆开Gemini隐私开关:聊天记录与AI训练分家,用户可单独拒绝

    谷歌在Gemini活动设置中将“AI训练”和“聊天历史”拆分为独立开关,用户可更灵活地决定是否让对话数据用于模型改进。文章分析这一变化对隐私控制、企业合规和行业竞争的意义,并提醒关闭训练不等于数据完全不留存,用户仍需关注默认设置与数据保留政策。

    来源 AI 科技快讯
  5. 谷歌Gemini Tasks扩大开放:AI可代打电话、登录网站并下单

    谷歌宣布扩大Gemini Tasks的访问权限,该功能可协调通话、代用户登录网站甚至完成购物。这标志着AI助手从信息查询向任务执行迈出关键一步,但也引发隐私与安全担忧。本文详解Gemini Tasks的功能、行业竞争背景及未来影响。

    来源 AI 科技快讯
  6. Gemini聊天记录留存延至60天:关闭历史仍适用?

    Google宣布将Gemini聊天记录的保留时间从72小时大幅延长至2个月,且无论用户是否关闭历史记录均适用。该政策将在未来几周全球推出。此举与Google此前“关闭历史记录后72小时删除”的承诺形成矛盾,再度引发外界对AI聊天数据隐私与透明度的担忧。

    来源 AI 行业观察
  7. 谷歌 Gemini 隐私开关拆分:聊天记录不再绑定 AI 训练

    谷歌在Gemini活动设置中将“AI训练”和“聊天历史”拆分为独立开关,用户可更灵活地决定是否让对话数据用于模型改进。文章分析这一变化对隐私控制、企业合规和行业竞争的意义,并提醒关闭训练不等于数据完全不留存,用户仍需关注默认设置与数据保留政策。

    来源 AI 行业观察
  8. Gemini 4 Neon 上线,NVIDIA 并行生成打破逐字解码

    Google 推出 Gemini 4 Neon,主打推理与任务执行,已接入 App 和 Tasks。NVIDIA 发布 Nemotron-Sigma,尝试并行块生成以加速代码和数学解题。Hugging Face 分享了 27B 模型后训练效率优化及微调耗时超预期的技术原因。LMArena 数据显示 GPT-6.2 As

    来源 AI 应用前沿
  9. 谷歌Gemini 4 Neon发布:100万token上下文,速度达Carbon三倍

    谷歌11月18日发布新AI模型Gemini4Neon,聚焦复杂推理与多步骤任务自动化,重点覆盖复杂编程、科学研究和企业工作流,力求平衡推理能力、响应速度与运行成本。该模型已向开发者、企业及部分付费订阅用户开放,核心亮点是支持100万token超长上下文,并具备多智能体协同能力。

    来源 AI 产业速递
  10. Gemini 4 Hydrogen一小时开发机械臂:Antigravity插件降门槛

    2026年11月中旬,AI领域迎来几项关键进展。Google发布Gemini 4 Hydrogen模型及Antigravity插件,宣称能将机械臂从草图到真机部署压缩至一小时。Cognition推出Devin Bots,支持多Agent协作处理QA与开发任务。此外,Gemini Tasks向多国用户免费开放,Verce

    来源 AI 应用前沿
  11. 谷歌Gemini隐私设置更新:聊天记录可保留但拒用于AI训练

    IT之家 11 月 18 日消息,谷歌昨日发布公告,宣布更新 Gemini 应用程序的控制选项,允许用户自行决定是否将 Gemini 聊天记录用于 AI 模型训练。 谷歌表示,新增的设置选项允许用户在保留 Gemini 聊天记录的同时,选择不将聊天记录用于生成式 AI 模型训练。用户仍然可以调整聊天记录的保存期限,并手

    来源 AI 行业观察
  12. 谷歌推Gemini Tasks智能体:覆盖2.5亿用户,大摩看好其10亿用户基础

    智通财经APP获悉,谷歌母公司Alphabet(GOOGL.US,GOOG.US)正式推出Gemini人工智能(AI)智能体新功能“Tasks”,将AI助手从回答问题进一步升级为能够代替用户执行购物、预订、支付等实际任务的数字助理。摩根士丹利在11月18日发布的研报中指出,谷歌凭借Gemini庞大的现有用户基础、深度整

    来源 腾讯网
  13. 谷歌更新Gemini隐私控制:聊天记录可保留,不用于AI训练

    IT之家 11 月 18 日消息,谷歌昨日发布公告,宣布更新 Gemini 应用程序的控制选项,允许用户自行决定是否将 Gemini 聊天记录用于 AI 模型训练。谷歌表示,新增的设置选项允许用户在保留 Gemini 聊天记录的同时,选择不将聊天记录用于生成式 AI 模型训练。用户仍然可以调整聊天记录的保存期限,并手动

    来源 腾讯网
  14. Anthropic IPO定价83美元:80余位学者发声明质疑其安全性

    【TechWeb】11月18日,Anthropic正式确定IPO发行价为每股83美元,高于此前70-78美元的指导区间;公司连同部分股东共发行约9.8亿股A类普通股,公开发行筹资约813亿美元,叠加向谷歌、英伟达、微软等战略投资者的260亿美元私募配售,合计融资规模突破944亿美元,超越SpaceX今年6月创下的纪录,

    来源 腾讯网
  15. 诺奖得主哈萨比斯的AI制药公司Isomorphic Labs完成50亿美元C轮融资

    智东西11月17日消息,刚刚,由诺奖得主、谷歌DeepMind联合创始人德米斯·哈萨比斯(Demis Hassabis)创办的英国AI药物研发公司Isomorphic Labs宣布完成50亿美元(约合人民币333亿元)C轮融资,融资获得超额认购。 结合公开数据不完全统计,本轮融资刷新该公司此前的单轮融资纪录,可能创下全

    来源 AI 行业观察
  16. 微软推出Decision-1.1决策模型:跑赢GPT-6 Luna,速度翻倍

    IT之家 11 月 18 日消息,微软昨日(11 月 17 日)宣布正式推出 Microsoft-Decision-1.1 决策 AI 模型,目前已在 Microsoft Foundry、OpenRouter 和 Vercel 平台上线。 该模型面向企业级软件中的高频决策场景,可帮助应用在路由、分类、优先级排序、内容核

    来源 AI 行业观察
  17. 谷歌地图Ask Maps升级:AI可代打电话订位,还能规划自驾路线

    谷歌于2026年11月16日宣布对其基于Gemini技术的 Google Maps 聊天机器人 Ask Maps 进行重大功能更新。该工具现在不仅能够查找美容、宠物护理、汽车和房屋维修等各类预约服务,还能直接致电当地商家完成预订,并在显示可用时段前自动收集必要信息。同时,用户还可借助该功能查找已保存

    来源 AI 开发者社区
  18. Isomorphic Labs获50亿美元C轮融资:AI制药进入临床验证关口

    从Google DeepMind分拆的AI药物发现平台Isomorphic Labs宣布完成50亿美元C轮融资。这是AI制药领域罕见的大额融资,资金将用于推动候选药物进入临床试验。该事件被视为AI制药从算法叙事走向临床验证的重要信号,但高额融资也意味着更高的交付期待。本文梳理其背景、融资意义与行业挑战。

    来源 AI 科技快讯
  19. 谷歌PageBreak:AI安全代理已挖出500多个XSS漏洞,误报率接近零

    根据谷歌发表的一篇论文,其人工智能驱动的安全代理自今年 1 月全面投入运行以来,已在旗下各类 Web 应用中发现了 500 多个 XSS 漏洞。Google PageBreak 利用 Gemini 模型自主调查潜在漏洞,但仅在确定性验证器在运行中的应用程序上成功复现该漏洞时才会上报,因此误报率几乎为零。 借助 Page

    来源 AI 行业观察
  20. 谷歌,终于杀回AI牌桌中央?

    作者|Wildcard编辑|靖宇谷歌,这次是真的回来了。11 月 18 日,Google DeepMind 点亮了Gemini 4 Neon的霓虹灯牌。这是 Gemini 4 系列在短短 7 周内甩出的第 4 款元素模型。如果看一眼官方放出的基准跑分长表和社区实测反馈,你会发现它精准卡在了一个极其舒服的「甜点」位上,既

    来源 腾讯网
向下滚动自动加载更多