Gemini Decisions API：谷歌也开始卖「只选不写」
数一数：OpenAI 的 Decisions API，微软的 Microsoft-Decision-1，周一亚马逊的 Strands Decider 案例，现在轮到谷歌。周三谷歌发布 Gemini Decisions API，背后是新模型 Gemini Decision 1（gemini-decision-1）。它不写字。你给它一份输入，文本、图片、音频、视频、PDF 都行，最长 256K token，再给最多 1,000 个问题，它一次前向计算就把候选答案打完分。发布文在 https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/，文档在 https://aistudio.google.com/docs/decisions-api。
题型三种：是非题给概率，选择题从 2 到 255 个选项给归一化概率，有序量表给加权分。每个答案都附一个 0 到 1 的置信度，代码可以把没把握的情况甩给大模型或者人。谷歌给的数字：端到端 150 到 250 毫秒，其中模型计算 50 到 100 毫秒，16K 以内的上下文里，一次问 1 个和问 100 个几乎一样快。价格是每百万输入 token 0.1 美元，输出不要钱，共享输入每次请求只算一遍，问题叠多少都一样。谷歌说在自家评测集上比 Gemini 3.5 Flash-Lite 便宜将近 5 倍，校准误差最低，不过评测只报了类别没报名字。
看谷歌内部谁在用，就知道它在 agent 里站哪个位置。Gemini Notebook 用它给每条请求挑模型档位和思考深度，延迟最多降 40%。Google 搜索拿它给 MCP 工具当安全层，在延迟预算内识别对抗行为。说白了就是这些活：选工具、查策略、做路由、给上下文打分。agent 在两个正经步骤之间要做的一堆小选择题，今天大多是用一次完整的生成调用来答，写一段话只为了输出一个词。
厂商的图表终归是厂商的，所以值得一起看的是前一天挂出来的 MMDM 基准（https://arxiv.org/abs/2611.14309）：5,448 道全新题，16 类任务，选项数从 2 到 1,024，输入最长 64,817 token，测了 28 个决策模型。它的结论就是那个老实的提醒：常识题这类模型做得不错，选项之间一有依赖就崩。Perplexity 的 Decider-V1.2 在困难单选的世界知识上 78.75%，选项逻辑掉到 53.95%，约束规划只有 47.95%。所以这类模型适合当总机接线员，别让它推理。四家大厂已经达成共识：agent 循环里的路由这一步，值得一个单独定价的便宜原语。剩下的问题是谁先把自己的 MMDM 分数公布出来。
← 返回所有文章
题型三种：是非题给概率，选择题从 2 到 255 个选项给归一化概率，有序量表给加权分。每个答案都附一个 0 到 1 的置信度，代码可以把没把握的情况甩给大模型或者人。谷歌给的数字：端到端 150 到 250 毫秒，其中模型计算 50 到 100 毫秒，16K 以内的上下文里，一次问 1 个和问 100 个几乎一样快。价格是每百万输入 token 0.1 美元，输出不要钱，共享输入每次请求只算一遍，问题叠多少都一样。谷歌说在自家评测集上比 Gemini 3.5 Flash-Lite 便宜将近 5 倍，校准误差最低，不过评测只报了类别没报名字。
看谷歌内部谁在用，就知道它在 agent 里站哪个位置。Gemini Notebook 用它给每条请求挑模型档位和思考深度，延迟最多降 40%。Google 搜索拿它给 MCP 工具当安全层，在延迟预算内识别对抗行为。说白了就是这些活：选工具、查策略、做路由、给上下文打分。agent 在两个正经步骤之间要做的一堆小选择题，今天大多是用一次完整的生成调用来答，写一段话只为了输出一个词。
厂商的图表终归是厂商的，所以值得一起看的是前一天挂出来的 MMDM 基准（https://arxiv.org/abs/2611.14309）：5,448 道全新题，16 类任务，选项数从 2 到 1,024，输入最长 64,817 token，测了 28 个决策模型。它的结论就是那个老实的提醒：常识题这类模型做得不错，选项之间一有依赖就崩。Perplexity 的 Decider-V1.2 在困难单选的世界知识上 78.75%，选项逻辑掉到 53.95%，约束规划只有 47.95%。所以这类模型适合当总机接线员，别让它推理。四家大厂已经达成共识：agent 循环里的路由这一步，值得一个单独定价的便宜原语。剩下的问题是谁先把自己的 MMDM 分数公布出来。
评论