谷歌发布 Gemini Decision 1 及配套 Gemini Decisions API（已在 Google AI Studio 上线）：面向封闭选项集的决策任务，用单次前向传播对候选答案打分，而不是逐 Token 生成长文。据官方口径，单次请求最多可评 1000 个问题，支持文本/图像/音频/视频/PDF；输入约 0.10 美元/百万 Token、输出免费，端到端延迟约 150–250 ms，并在 9 项对比测试中拿下 7 项第一（JevBench 准确率最高 92.2%）。
为什么重要：把「判断」从生成链路里拆出来
垃圾邮件判定、Agent 选工具、安全规则是否触发——过去常调用生成式大模型，再从自然语言里抠答案。Decision 1 直接返回判断、概率与置信度，适合「只要分类/打分/选型」的环节。谷歌 CEO Sundar Pichai 亦公开强调三类能力：是/否、多项选择（最多 255 选项）、按评分标准打分；并可与多模态输入同请求混合执行。
这与本站对 Gemini 4 Carbon 全球开放与 /swarm 蜂群 的报道同一脉络：旗舰生成模型负责重活，轻量决策层负责路由与门槛判断，系统成本与延迟才压得住。
能力边界：256K 上下文，置信度可交给人审
三类任务可在一次请求中混合（例如茶水间照片同时判断是否洒漏、清理方式与严重程度）。上下文最高约 256K Token，便于通话录音+客户资料、索赔文件+现场照片等企业场景。每项决策附 0–1 置信度，不确定结果可转交更强模型或人工——这与本站整理的 Coding Agent 管理实践 同频：可委派执行，不可放弃验收门槛。
速度方面：≤16K Token 时模型计算中位延迟约 50–100 ms，端到端约 150–250 ms；问题数从 1 增到 100，延迟大致平稳。官方共同基准上，Decisions API 成本较经 Interactions API 调用 Gemini 3.5 Flash-Lite 低近 5 倍。
榜单：7 项第一，工具调用仍有对手
对比对象含 OpenAI GPT-6 Luna、专用决策模型 TypeSafe Jev 1.14 与自家 Flash-Lite。要点（均为谷歌公布）：
– JevBench 92.2%（高于 Luna 90.9%、Jev 90.0%、Flash-Lite 86.6%） – Amazon ESCI Macro-F1 58.7%；New Yorker Caption 79.7%；PubMedQA 79.8%；Global-MMLU-Lite 86.0% – Mind2Web Multimodal、When2Call 上 Jev 1.14 仍略高（86.8% / 82.0% vs 86.2% / 79.9%）——工具调用时机恰是 Agent 核心场景，说明专用决策赛道并未被一家吃完 – 校准误差 Top-1 ECE 约 0.0250，显著低于 Luna（0.0721）与 Flash-Lite（0.2104）
已在谷歌产品落地
Gemini Notebook 用 Decisions API 做实时模型路由：简单问题走低成本快模型，复杂推理再升级，称日常查询延迟最高可降约 40%。此外，Google Stitch 的 Rapid Canvas 用其快速生成可交互线框并响应语音/点击修改；Labs 的 CC 产品从 200+ Emoji 中选型；Search 内部则用其做 MCP 工具安全检测层。方向很清晰：决策层成为 Agent 栈里的常驻组件，而不是每次都「写一篇小作文再解析」。
常见问题
Q：Gemini Decision 1 和普通 Gemini 聊天模型有何不同？ A：它面向封闭选项决策，单次前向传播打分并返回概率/置信度，不依赖逐 Token 生成长答案。
Q：适合什么任务？ A：是/否、最多 255 选项的多选、按量规评分，以及 Agent 路由、工具选择、内容安全等「选项明确」的判断。
Q：是不是全面碾压对手？ A：不是。谷歌公布的 9 项里拿了 7 项第一，但 Mind2Web Multimodal 与 When2Call 上 TypeSafe Jev 仍领先。
相关文章
