Google 正式发布 Gemini Decision 1 与 Decisions API：一次最多判 1,000 题、端到端 150–250 毫秒，9 项评测 7 项领先、校准误差最低，输入每百万 0.10 美元且输出不计费

核心背景与行业痛点

Agent 和自动化流程里充满「判断题」：请求该走哪个模型、工具调用是否安全、图片里的包裹有没有破损。让生成式模型写一段文字再解析，既慢又不稳定，也给不出可信的概率。今年秋天 OpenAI 等已推出专门的判定接口。Google 的模型先在 11 日出现在 Gemini API 更新日志里（本站当时据此报道），几小时后 Sundar Pichai、@Google 和 Logan Kilpatrick 正式宣布，此前「模型被撤下」的说法不成立。

架构亮点与底层机制

官方介绍，Gemini Decision 1 基于 Gemini 原生多模态架构，不做逐 token 解码，一次前向计算给所有候选项打分。三种题型：noul（是否）、choice（2–255 选 1）和 score（有序量表），每个答案都带 0–1 的置信度。题目之间相互独立，共享输入每次请求只计费一次。

权威 Benchmark 与实测跑分对比

以下均为官方口径。9 项评测中 7 项第一：JevBench 92.2%（GPT-6 Luna 90.9%）、Amazon ESCI 58.7%、PubMedQA 79.8%、Global-MMLU-Lite 86.0%、Video-MME 69.1%。Mind2Web 多模态（86.2% 对 86.8%）和 When2Call（79.9% 对 82.0%）不如 TypeSafe Jev 1.14。7 项共享评测的 Top-1 校准误差为 0.0250，为四者最低；总花费 0.88 美元，Flash-Lite 为 4.14 美元，但 TypeSafe 只要 0.68 美元。第三方 Artificial Analysis 随后给出独立结果：Decision Index v2.1 得 66 分，与 Elephant 9B、Jev 1.14 持平，落后榜首 Drex Max v1.1 和 GLiDE v1.2（均为 73）7 分；知识与推理类领先，但在其分类抽取基准 AA-Paperclip 上全对率 33%，Drex Max 为 63%；每百万任务成本 345 美元，约为 Drex Max（103 美元）的 3 倍。

开发者实战落地与开箱指南

在 AI Studio 取 API key，用 google-genai 调用 client.decisions.create（v1beta），model 填 gemini-decision-1。可以先试官方的 Doorstep Parcels、Speed Sketch 等示例应用。官方称 Gemini Notebook 用它做模型路由，日常请求延迟最多降 40%。OpenRouter、LangChain、LiteLLM、Pipecat、LiveKit、OpenCode 正陆续接入。建议按置信度设阈值，把拿不准的请求转给人工处理。