谷歌发布Gemini Decision 1：单次前向传播打分，9项测试7项第一
Gemini Decision 1 提供三类核心决策能力。
整个 AI 行业还在比谁生成的 Token 更多、谁的推理更强，谷歌却拿出了另一套思路——不靠逐字生成答案。
Gemini Decision 1 已经正式发布，配套的 Gemini Decisions API 同步上线。它跟传统生成式大模型不一样，专攻快速决策：不做逐 Token 的文字生成，而是通过单次前向传播，给预先设定好的候选答案打分。
谷歌 CEO Sundar Pichai 在 X 平台发文，介绍了这款模型的主要能力。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。与逐个 Token 生成文本的传统模型不同，这款模型专为封闭选项集中的决策任务设计。单次处理过程中，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：
· 决策类型有三种：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，成本大约只有 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。
谷歌内部团队已经用上了这项技术。
以前开发者想让 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。
说白了，对于本来只要一个分类、评分或选择结果的任务，AI 不用再走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，输入形式覆盖文本、图像、音频、视频和 PDF，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。在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。
还有一点：它不只是用来回答选择题的。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 系统里专门负责判断与决策的基础组件。
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 有三类核心决策能力。
第一类是 Yes/No（二元判断）。比如判断图片里有没有安全隐患，或者一段文本是否违反既定规则，模型会给出相应条件成立的概率。
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）。开发者自行定义不同等级的评分标准，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。
这三种任务还能在一次请求里混合执行。
谷歌给了一个简单示例：上传一张办公室茶水间台面的照片，再附一段文字说明，要求模型同时判断桌面有没有液体洒漏、该采取什么清理措施、现场严重程度如何。按传统做法，可能得设计多个分类器，或者用生成式大模型跑不同的提示词任务；Gemini Decision 1 一次请求就能把这些判断全部做完。
模型还能接收最高256K Token的多模态上下文。放到企业场景里，开发者可以把通话录音和客户资料摆在一块儿分析，也能把保险索赔文件和现场照片合起来判断。每一次决策都会给出0～1的置信度，系统遇上拿不准的结果，可以转给其他模型或交给人工复核。
速度和成本是Gemini Decision 1的另一张牌。谷歌方面称，在覆盖Agent路由、推理、排序和多模态理解的基准评测里，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，延迟基本没什么波动。
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%
伴随Gemini Decision 1的发布，谷歌还晒出了一份颇有看头的模型对比成绩单。
谷歌这次没有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。
结果显示，Gemini Decision 1在9项基准测试中拿下7项第一，概率校准方面同样领先；另外两项测试和总调用成本上，仍有对手表现更好。
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高出4个百分点，比Flash-Lite高出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为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，考的是模型的语境理解和候选内容判断能力。
医学问答测试PubMedQA中，Gemini Decision 1同样排第一，得分79.8%，GPT-6 Luna为74.4%。
多语言测试Global-MMLU-Lite的结果差不多：Gemini Decision 1为86.0%，GPT-6 Luna为79.6%，相差6.4个百分点。
不过谷歌并非全面领先。
Mind2Web Multimodal测试中，TypeSafe Jev 1.14以86.8%排第一，Gemini Decision 1为86.2%，落后0.6个百分点。
到了考验工具调用判断的When2Call测试，TypeSafe Jev 1.14的优势更明显，得分82.0%，Gemini Decision 1为79.9%。
这个结果有些耐人寻味。工具选择和调用时机判断正是Gemini Decision 1重点瞄准的Agent场景，可这项测试里，专用决策模型TypeSafe Jev依然压它一头。
音频理解测试MMAU和视频理解测试Video-MME中，Gemini Decision 1分别取得71.8%和69.1%，都高于Flash-Lite。
比准确率更被谷歌看重的，是概率校准能力。
在Top-1ECE（Expected Calibration Error，预期校准误差）测试中，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的校准误差比GPT-6 Luna低约65%，比Flash-Lite低约88%。
对Agent系统来说，这一指标格外关键。
打个比方，Agent要判断一段代码里有没有安全漏洞，它交出的不光是“存在”或“不存在”的结论，还可能附带一个概率值。系统据此对照概率与实际正确率的关系，再决定是自动动手，还是转给人工复核。
谷歌已经用上：Agent路由延迟最高降低40%
和那些只摆基准成绩的新模型不同，谷歌这次一并公开了Gemini Decisions API在自家产品里的落地情况。
其中被重点提及的是Gemini Notebook。
谷歌用Decisions API做实时模型路由，按用户请求的复杂程度挑选对应的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，再转交给能力更强的模型。
按谷歌的说法，靠这种动态路由，日常查询的延迟最多能降40%。
这套思路跟眼下Agent系统的走向对得上。Agent干活时，得反复判断下一步做什么，比如挑哪个工具、调哪个模型，或者要不要让人来接手。
要是每个简单决策都丢给大型生成式模型，延迟和成本都会往上加。专用决策模型给出了另一条路：选项明确、判断不复杂的交给低延迟模型，复杂任务留给通用大模型。
除Gemini Notebook之外，谷歌还公布了另外三个落地方向。
在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，并对用户通过语音或点击下达的修改指令快速做出响应。用户敲定设计方向后，页面可以转入完整的Stitch工作流继续打磨。
在Google Labs的CC产品中，Decisions API被用于从超过200个Emoji选项中快速挑出合适的表情反应。在Google Search内部，谷歌还用这一API搭了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：
https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/
