谷歌Gemini Decision 1发布：不逐字生成，9项测试7项第一
与一些仅展示基准成绩的新模型不同，谷歌此次还披露了 Gemini Decisions API 在内部产品中的应用案例。
整个 AI 行业眼下还在比谁生成的 Token 多、谁的推理更强，谷歌却拿出了一款不靠逐字生成答案的新模型。
Gemini Decision 1 已经正式发布，配套的 Gemini Decisions API 同步上线。和传统生成式大模型不一样，它专攻快速决策：不用一个 Token 一个 Token 地吐字，而是做一次前向传播，给预先设好的候选答案打分。
谷歌 CEO Sundar Pichai 在 X 平台发文，介绍了 Gemini Decision 1 的主要能力。他写道：
今天，我们在 Google AI Studio 中正式推出 Gemini Decisions API，由全新的 Gemini Decision 1 模型提供支持。
这款模型专为封闭选项集的决策任务设计，和逐个 Token 生成文本的传统模型走的是两条路。单次处理中，它能对文本、图像、音频、视频以及 PDF 中的最多 1000 个问题进行评分。
几个值得关注的细节如下：
· 决策类型共三种：是/否判断、多项选择（选项最多 255 个），以及按评分标准打分；
· 价格方面，每百万输入 Token 仅 0.10 美元，输出 Token 不收费，成本大约是 Flash-Lite 的五分之一；
· 多项基准评测中排名领先，校准误差也是最低的。
谷歌内部团队已经开始使用这项技术。
他同时展示了 Stitch Rapid 几秒钟设计出完整产品流程的演示，视频按正常 1 倍速播放。
这段介绍点出了 Gemini Decision 1 与传统大模型最大的区别：它不负责把答案讲出来，只负责从已有选项里作出判断。
过去开发者想让 AI 判断一封邮件是不是垃圾邮件，或者决定某项任务该派给哪个 Agent，通常得调用生成式大模型，再从生成的文本里把结果提取出来。Gemini Decision 1 把逐字解码这一步直接省掉了。
开发者只需给出输入内容、待判断的问题和候选选项，模型就会直接返回判断结果、概率和置信度。
也就是说，对于本来只要一个分类、评分或选择结果的任务，AI 不用再跑完一整套文本生成流程。
谷歌公布的数据显示，Gemini Decision 1 一次请求最多能处理 1000 个独立问题，输入支持文本、图像、音频、视频和 PDF 等多种模态，端到端延迟只有 150～250 毫秒。
定价同样激进：每百万输入 Token 0.10 美元，输出 Token 免费。谷歌公布的同一组基准测试里，它的调用成本比 Gemini 3.5 Flash-Lite 低近 5 倍。
这还不只是一款用来做选择题的模型。谷歌已经把它用在 AI 模型路由、Agent 工具选择、产品设计和安全检测等场景，想让它成为 AI 系统里专门管判断与决策的底层组件。
一次处理 1000 个问题，最多 255 个选项
按 Google 发布的技术介绍，Gemini Decision 1 的核心决策能力分为三类。
第一类是 Yes/No（二元判断）。比如判断一张图片里有没有安全隐患，或者一段文本是否违反既定规则，模型会给出对应条件成立的概率。
第二类是 Multiple Choice（多项选择）。开发者可预设 2～255 个候选选项，模型除了挑出最符合条件的答案，还会返回每个候选项归一化后的概率。
第三类是 Ordered Rubric（有序标准评分）。评分标准由开发者自行定义不同等级，模型据此评价输入内容，返回连续加权分数以及各等级的概率。
这三种任务还能在同一次请求里混合执行。
谷歌给了一个直观例子：上传一张办公室茶水间台面的照片，再配一段文字，让模型一次判断台面有没有液体洒漏、该怎么清理、现场严重到什么程度。放在过去，这得设计好几个分类器，或者拿生成式大模型分别跑不同提示词；Gemini Decision 1 一次请求就能把这些判断全做完。
多模态输入上下文最高支持 256K Token。落到企业场景里，开发者可以把通话录音和客户资料搁在一块儿分析，也能把保险索赔文件和现场照片合起来判断。每个决策还会给出 0～1 的置信度，系统碰到没把握的结果，可以转给别的模型或交人工复核。
速度和成本是 Gemini Decision 1 的另一张牌。谷歌官方称，在覆盖 Agent 路由、推理、排序和多模态理解的基准评测中，这款模型表现领先，校准误差也是最低的。
测试上下文不超过 16K Token 时，模型计算阶段的中位延迟为 50～100 毫秒，端到端延迟约 150～250 毫秒。单次请求里的问题从 1 个加到 100 个，延迟基本没怎么变。
在官方采用的共同基准测试集上，Gemini Decisions API 的成本比通过 Interactions API 调用 Gemini 3.5 Flash-Lite 低近 5 倍。
9 项测试拿下 7 项第一，准确率最高 92.2%
随 Gemini Decision 1 一起公布的，还有一份颇有看点的对比成绩单。谷歌没有按惯例把通用大模型摆在一起比，而是挑了三款竞争产品：OpenAI 的 GPT-6 Luna、专攻分类决策的 TypeSafe Jev 1.14，以及自家的 Gemini 3.5 Flash-Lite。
结果是 9 项基准测试里 Gemini Decision 1 拿了 7 项第一，概率校准方面同样领先；不过另外两项测试和总调用成本上，也有对手表现更好。
JevBench 测试中，Gemini Decision 1 准确率为 92.2%，高于 GPT-6 Luna 的 90.9%、TypeSafe Jev 1.14 的 90.0% 和 Gemini 3.5 Flash-Lite 的 86.6%。
Amazon ESCI 商品搜索相关性测试里，Gemini Decision 1 的 Macro-F1 分数为 58.7%，比 GPT-6 Luna 高 4 个百分点，比 Flash-Lite 高 11.5 个百分点。
New Yorker Caption 测试的差距更大：Gemini Decision 1 拿到 79.7%，GPT-6 Luna 是 68.4%，相差 11.3 个百分点。这项测试要求理解并选择漫画配文，考的是模型对语境的理解和候选内容的判断力。
医学问答测试 PubMedQA 中，Gemini Decision 1 也排第一，得分 79.8%，GPT-6 Luna 为 74.4%。
多语言测试 Global-MMLU-Lite 结果相近：Gemini Decision 1 为 86.0%，GPT-6 Luna 为 79.6%，相差 6.4 个百分点。
但谷歌并没有全面领先。Mind2Web Multimodal 测试中，TypeSafe Jev 1.14 以 86.8% 居首，Gemini Decision 1 为 86.2%，落后 0.6 个百分点。
到了考工具调用判断力的 When2Call 测试，TypeSafe Jev 1.14 的优势更明显：82.0% 对 Gemini Decision 1 的 79.9%。这个结果有点扎眼——工具选择和调用时机判断正是 Gemini Decision 1 重点面向的 Agent 应用场景之一，可专用决策模型 TypeSafe Jev 在这项上依然领先。
音频理解测试 MMAU 和视频理解测试 Video-MME 中，Gemini Decision 1 分别为 71.8% 和 69.1%，都高于 Flash-Lite。
比准确率更被谷歌看重的是概率校准。Top-1 ECE（Expected Calibration Error，预期校准误差）测试里，Gemini Decision 1 的校准误差只有 0.0250，GPT-6 Luna 为 0.0721，TypeSafe Jev 1.14 为 0.0494，Flash-Lite 则高达 0.2104。
换算下来，这组评测里 Gemini Decision 1 的校准误差约比 GPT-6 Luna 少 65%，约比 Flash-Lite 少 88%。
对 Agent 系统来说，这项指标的分量格外重。
打个比方，Agent 要判断一段代码有没有安全漏洞，模型除了给出“存在”或“不存在”，还可能附带一个概率值。系统拿这个概率和实际正确率作对照，就能决定是直接自动执行，还是转交人工复核。
谷歌已经用上：Agent 路由延迟最高降低 40%
有些新模型只摆出基准成绩，谷歌这次不一样，还公开了 Gemini Decisions API 在自家产品里的落地案例。
Gemini Notebook 是其中最受关注的一个。
谷歌让 Decisions API 实时充当模型路由器，按用户请求的难易程度来挑选模型档位和思考强度。日常简单问题，优先走成本低、响应快的模型；碰上复杂推理任务，再把请求转给能力更强的模型。
谷歌表示，靠这种动态路由，日常查询的延迟最多能降 40%。
这一思路和眼下 Agent 系统的走向贴得很紧。Agent 干活时，常常要反复判断下一步做什么，比如选哪个工具、调哪个模型，或者要不要让人介入。
要是每个简单决策都丢给大型生成式模型，系统就得多付延迟和成本。专用决策模型给出了另一条路：选项明确、相对简单的判断交给低延迟模型，复杂任务留给通用大模型。
除 Gemini Notebook 外，谷歌还公开了另外三个应用方向。
Google Stitch 里，新推出的 Rapid Canvas 实验功能借助 Decisions API，几秒钟就能生成可交互的产品流程线框图，用户用语音或点击发出修改指令，它也能快速响应。设计方向确认后，页面可以转入完整的 Stitch 工作流继续打磨。
Google Labs 的 CC 产品中，Decisions API 负责从 200 多个 Emoji 选项里快速挑出合适的表情反应。在 Google Search 内部，谷歌还用这一 API 搭起 MCP 工具的安全检测层，用来识别潜在的对抗性行为及内容。
参考链接：
