Google 發佈 Gemini Decision 1,可在單次 API 呼叫中回答 1,000 個問題
Google's Gemini Decision 1 Answers 1,000 Questions in One API Call
Google 於 2026 年 11 月 11 日宣佈 Gemini Decision 1,可在單次 API 呼叫中對最多 1,000 個問題評分,並回傳概率及信心分數。
文章並列 Google 自家基準與獨立排行榜,呈現 Gemini Decision 1 的測試優勢及排名落差,説明它在不同評測口徑下的定位。
Google 昨日推出了一個甚麼都不會寫的模型。這正是重點。
Gemini Decision 1 — 由 Google DeepMind 的 Min Choi 和 Felix Yu 於 November 11, 2026 在一篇網誌文章中公布 — 是一個純決策模型。你提供一項輸入和最多 1,000 條問題,它就會在單次 forward pass 中為每個選項評分。沒有生成 tokens、沒有文章,也沒有「讓我想想」。只有機率和信心分數,並在 150–250 毫秒內返回。
如果你建立的 agent 每次要揀選工具、檢查政策,或評估一段上下文時,都要耗用一次完整 LLM 呼叫,這類端點會悄悄改變你的成本計算方式。我還未親身測試 — 昨日之前 Google 以外無人能使用 — 所以這是經文件核實的發布拆解,不是實戰分享。以下會說明它實際能做甚麼、收費多少,以及發布數字中較不漂亮的部分。
它是甚麼
你的 agent 大部分 LLM 呼叫,其實都不是生成內容,而是把判斷扮成生成:應該執行哪個工具、這項輸出能否安全展示、哪個模型應處理這個查詢、檢索到的上下文片段質素如何。每次判斷都要付出一次完整解碼的成本——輸出 tokens、延遲和金錢——但答案其實可能只是一個數字。
Decisions API 把這些精簡下來。一次請求會帶上共用的多模態輸入 — text、image、audio、video、PDF,最多 256K tokens — 再加上 1 至 1,000 條互相獨立的問題。問題分為三種類型:
- noul (是/否):條件成立的機率,可選擇附上 true/false criteria
- choice(多選):2 至 255 個選項,返回勝出選項,以及每個候選項的標準化機率
- score(有序評分準則):根據由 0 起始的評分準則為輸入評分,返回連續加權分數,以及各級別的機率
每個答案都附有 0 至 1 的信心分數,讓你的程式可以把模稜兩可的項目轉交後備方案或真人處理。無論你提出多少問題,共用輸入每個 request 只計費一次 — 每條問題只會額外加入自己的指示和 criteria tokens。
端點是 POST https://generativelanguage.googleapis.com/v1beta/decisions,使用 x-goog-api-key 認證;或者以 client.decisions.create 呼叫 google-genai SDK (3.2+)。它已在 Gemini API 和 Google AI Studio 上線。OpenRouter、LangChain、Vercel AI SDK、LiteLLM、Pydantic AI、Pipecat、LiveKit 和 OpenCode 正陸續加入整合。
Google 自己的示例是一張茶水間櫃檯照片,一次呼叫就用三種問題類型檢查:有沒有液體濺漏、哪種清理方法合適、情況有多嚴重:
from google import genai
client = genai.Client(http_options={"api_version": "v1beta"})
result = client.decisions.create(
model="gemini-decision-1",
input=[
{"type": "image", "uri": "https://storage.googleapis.com/generativeai-downloads/images/spill.jpg", "mime_type": "image/jpeg"},
{"type": "text", "text": "Breakroom counter check before the 9 AM client meeting."},
],
questions={
"has_spill": {"type": "noul", "instructions": "Is there an uncleaned liquid spill on the counter?"},
"next_action": {"type": "choice", "instructions": "Which cleanup action fits the scene?", "criteria": {
"wipe_with_cloth": "Small counter spill with a cloth or towel already nearby.",
"dispatch_janitorial": "Large floor hazard, broken glass, or active leak.",
"ready_for_meeting": "Counter is clean and ready.",
}},
"severity": {"type": "score", "instructions": "Rate the severity of the counter mess.", "criteria": [
"Clean and ready.",
"Minor localized spill.",
"Major spill or safety hazard.",
]},
},
)
真正的看點是價格
$0.10 每百萬個輸入 tokens 收費。輸出收費 $0 — 因為根本沒有輸出。AI Studio 提供免費層級供原型測試。
Google 表示,在其共用基準測試套件上,價格便宜近 5 倍,對比的是使用 Interactions API 的 Gemini 3.5 Flash-Lite。這是 Google 根據自家測試套件提出的說法 — 不過方向是對的。判斷型呼叫的成本從來不在輸入,而在於你要為模型用不必要的 tokens 把思路逐一說出來付費。
用你自己的技術架構計算一下:如果你的 agent 每項任務要作出 20 次判斷,而每次目前都要生成 200-token 的內容,Decision 1 就能把它們縮減成一次評分流程。延遲方面的說法是另一個關鍵 — 模型運算需時 50–100 ms,端對端需時 150–250 ms;每次請求由 1 條問題增至 100 條,延遲幾乎不變,而且上下文最多可達 16K tokens。這個數字令它可以用作 control plane,而不只是一個批次評分器。
基準測試,以及當中的註腳
Google 的發布表格以九項基準測試比較 Decision 1、TypeSafe Jev 1.14、OpenAI 的 GPT-6 Luna(透過 OpenAI Decisions API),以及 Gemini 3.5 Flash-Lite。Decision 1 領先 7 項(總共 9 項);在四款模型都有參與的測試中,領先 5 項(共 7 項)。
以下是 Google 自己公布的重點數字:
| 基準測試項目 | Gemini Decision 1 | GPT-6 Luna | Jev 1.14 |
|---|---|---|---|
| JevBench(公開測試集分割) | 92.2% | 90.9% | 90.0% |
| Top-1 校準誤差(越低越好) | 0.0250 | 0.0721 | 0.0494 |
表格中最值得留意的數字是校準差距。0.0250 的校準誤差,大約是 Jev 的 0.0494 的一半 — 這表示模型說自己有 80% 把握時,大約有 80% 的機會答對。正因如此,信心分數可以用來決定路由,而不只是裝飾。如果你打算以此建立轉交真人處理的規則,校準比原始準確度更重要。
不過 Google 有兩項測試落敗,而且值得指出是哪兩項:Jev 擊敗 Decision 1,在 Mind2Web Multimodal 上取得較高分(86.8% 對 86.2%);在測試何時應呼叫工具的 When2Call 上,得分亦勝過對手(82.0% 對 79.9%)。
獨立排行榜的評價更不理想。Artificial Analysis Decision Index v2.1 在發布時把 Gemini Decision 1 排第 9 位;榜上共有 18 個模型,得分 65.98 — 略低於 Jev 1.14(66.23 分),亦遠低於 Drex Max v1.1(72.62 分)。在該指數的 AA-Paperclip 測試中,模型需要正確理解整份文件;只有 33% 的文件獲得完全正確的答案,相比之下 Drex Max 為 63%。
所以,坦白來說:Google 的模型在 Google 選定的基準測試中表現出色,校準確實良好;但在唯一的獨立評測榜上只屬中游。兩者同時都成立。
Google 來得較遲,而且心知肚明
這場競賽是 Google 加入其中,而不是由它領跑。OpenAI 的 Decisions API 於 October 22 隨 GPT-6 Luna 正式推出。Amazon 於 October 推出 Strands Decider 2B。TypeSafe 的 Jev 於 September 登場。Microsoft 也有 Decision-1。如今每間主要實驗室都有一款負責判斷而非寫作的模型。
Google 的回應是,自己早已在內部實際使用這款模型:Gemini Notebook 把 Decisions API 用作即時路由器,將查詢導向合適的模型級別和思考層級,日常查詢的延遲最多可降低 40%。Google Search 將它用作 MCP 工具的安全防護層。Stitch 的快速畫布實驗用它生成可互動的線框稿。Google Labs 的 CC 用它從 200+ 款表情符號中挑選回應,所需時間不到一秒。這些都是真正的內部部署,不是示範投影片;而 Notebook 的應用最能說明問題,因為路由正是這款模型的用途。
這款模型也在 Gemini 4 Carbon 正式向付費用戶開放後一天登場。Google 現在推出產品的速度很快。這不代表每次推出都做得好,但推出速度本身就是理解現況的背景。
注意事項
有幾點需要留意,而它們會左右你是今週採用,還是再等等:
- 尚未支援 Vertex AI。目前只支援 Gemini API 和 AI Studio;Google Cloud 支援「即將推出」,但沒有公布日期。如果你的技術堆疊只用 Vertex AI,就只能等。
- 沒有推理軌跡,也沒有文字說明。模型回傳的是分數,而非解釋。它出錯時,你得到的只是一個帶著自信語氣的錯誤數字。這得靠你的後備邏輯補上。
- 延遲數字有其上限。150–250 ms 的數字只適用於最多 16K tokens 的上下文和最多 100 條問題。輸入完整的 256K-token 內容並提出 1,000 條問題,屬於另一種工作負載;Google 尚未公布這類情況的數據。
- 免費方案適合製作原型。用來試用沒有問題。透過免費方案傳送任何敏感資料前,先閱讀資料使用條款。
- 這些基準測試由 Google 制定。JevBench 的領先成績和校準差距來自 Google 自家的表格;在表格中,拒絕回答和不受支援的輸入都計作錯誤。獨立評測榜則列它為十八款之中的第九名。在相信任何一份排行榜前,先自行進行評測。
我實際上會怎樣做
如果你在正式環境運行 agents,現階段值得試用的情況範圍不大,但很具體:工具選擇、政策檢查、模型路由、上下文評分——也就是 agent 每項任務中要作出幾十次的小判斷。這些情況下,一次 200 ms、每百萬 tokens 收費 $0.10 的評分呼叫,就能取代一次完整生成,節省的成本會逐漸累積。
今週先別拆掉現有的路由機制。可以這樣做:從 agent 流程中挑一項判斷——選你已有標註資料的那項——用 Decision 1 跟你目前的方法比較一天。要檢查的是校準數值,而不是準確率。如果信心分數在你的資料上反映實際情況,你就有了一個路由器;如果沒有,你手上就只有發布當日的基準測試成績。
如果你使用 Vertex AI,或需要模型解釋自己的判斷,這次推出並不適合你。等候 Cloud 支援日期公布,並留意獨立評測榜會否有變化。
你有把決策模型接入 agent 流程嗎——Jev、GPT-6 Luna,還是現在的 Decision 1?我想知道你最先交由它判斷的是哪一項,以及信心分數在你的資料上是否可靠。
資料來源:Google 網誌,"Gemini Decisions API: Fast, calibrated multimodal decisions" (Nov 11, 2026);VentureBeat,"Google's Gemini Decision 1 model scores up to 1,000 questions in one API call" (Nov 11, 2026);VentureBeat 報道的 Artificial Analysis Decision Index v2.1。除有註明引用獨立評測榜的數字外,基準測試數據均來自 Google 自家資料。
來源:DEV Community · dev.to