谷歌推出 Gemini Decision 1:一次答千题的多模态决策模型,输出免费

2026 年 11 月,谷歌 DeepMind 正式上线 Gemini Decision 1,并把它封装成 Gemini Decisions API 对外开放。这是谷歌第一次把"决策模型"作为一个独立品类推向开发者与企业市场——它不做长文写作、不写代码,只负责一件事:在单次推理里,对一大堆材料快速做出判断、选择和评分。

它到底解决什么问题

过去要让 AI 对一份问卷、一堆候选方案或者一段长材料做出"决策",通常得让通用大模型逐条生成文字、再在应用层解析。这种做法既慢又贵,还容易跑偏。Gemini Decision 1 的思路相反:把"决策"本身做成模型的原生能力。

它支持三类题:判断(对/错、是/否)、选择(从若干选项里挑一个)、评分(给出一个分数或等级)。更重要的是,它的输入是多模态混合的——同一份材料里可以同时塞进文字、图片、音频、视频和 PDF,模型一次性消化,而不是分开处理后再拼结果。

关键能力数据

  • 批量决策:同一份材料,单次调用最多可以回答 1000 道题。这意味着你可以把一整份阅卷、质检、尽调或合规清单一次性丢进去,几秒内拿回全部结论。
  • 准确率:在 JevBench 决策基准上拿到 92.2%,高于 GPT-6 Luna 的 90.9% 和 Jev 的 90.0%,是当前公开榜单的第一梯队。
  • 延迟:端到端延迟 150~250 毫秒,足以支撑实时交互场景,比如表单自动审核、客服质检、内容分级。
  • 定价:输入每百万 token 0.10 美元,而输出免费——不管模型吐出多少条判断结果,都不收输出 token 的钱。整体成本约为 Gemini 3.5 Flash-Lite 的五分之一,是谷歌目前最便宜的"结构化决策"入口。

真实落地:Gemini Notebook 已经用它

谷歌自家的 Gemini Notebook 已经把 Gemini Decision 1 接了进去做请求分流:把大量"可判断题、可评分题"从通用对话模型上卸下来,交给 Decision 1 处理。结果就是 Notebook 的日常请求延迟最高下降了 40%,主模型腾出算力去干更复杂的活。

这个用法很值得借鉴:当你发现自己的 AI 应用里有一大堆"二选一、打分、过规则"的轻量请求在占用昂贵的对话模型时,把它们抽出来交给一个专门的决策模型,成本和延迟都能大幅压缩。

决策模型市场正式开闸

Gemini Decision 1 的发布,标志着谷歌正式进入"决策模型"这个细分赛道。和它同一批推出的还有 Gemini 4 Hydrogen——一个专为快速编程与智能体工作流设计的新模型,付费 API 定价为每百万输入 token 1.5 美元、输出 7.5 美元。两者一前一后,一个管"写和做",一个管"判和选",把智能体工作流的链条补得更完整。

事实上,决策模型并不是谷歌首创。过去一年里,行业里已经冒出一批"不写文字、只做判断"的小模型:有的专注路由(决定把请求交给哪个 Agent),有的专注评级(给候选方案打分),有的专注分类(内容分级、风险标记)。但 Gemini Decision 1 的特殊之处在于:它是第一个由顶级实验室推出、原生支持千题级批量 + 全模态输入、并且把输出定价打到免费的大模型。

对开发者的意义

对于正在做智能体、自动化审核、风控、教育评测、内容分级的团队,Gemini Decision 1 是一个可以直接拿来用的"决策中台":

  1. 把规则判断从通用模型里拆出来,用更便宜的专用模型跑,整体账单能降一个数量级;
  2. 千题级批量让大规模评测、批量打标、问卷阅卷变成一次 API 调用;
  3. 输出免费意味着你可以放心地把"判断"作为高频中间件,不用担心输出 token 把成本撑爆;
  4. 多模态输入让它能直接吃 PDF、截图、录音、视频,省掉大量预处理。

一句话总结:当大模型竞赛从"谁更能写"卷到"谁更会做决定",Gemini Decision 1 是谷歌递出的第一张名片——便宜、快、批量、免费输出,而且已经跑在自家产品里证明了自己。