北京时间11月12日凌晨2点15分，谷歌CEO桑达尔·皮查伊在官方账号宣布：Gemini Decisions API 正式上线，背后是新模型 Gemini Decision 1。它不写文章也不聊天，一次处理里可以对文本、图像、视频和 PDF 同时判定最多1000道是非题、选择题和打分题，直接返回校准后的概率和置信度。哔哩哔哩微博
价格是这件事里最扎眼的数字：输入每百万 token 0.10 美元，输出不收钱，开发者在谷歌 AI Studio 申请 API Key 就能免费调用。一次提问最多塞进 1000 道判断，端到端延迟只有 150 到 250 毫秒。谷歌给出的同基准成本口径是：调用成本比自家 Gemini 3.5 Flash-Lite 低近5倍。所以，"普通开发者能拿它做什么"的答案可以浓缩成一句：把分类、选型、打分这类"判断"工作从聊天模型里拆出来，用便宜一个数量级、毫秒级的方式自己做，今天用免费额度就能搭出原型。知乎微博36氪
只做题不写字，它到底是个什么东西
聊天模型给你一段话，你得自己判断对不对；决策模型直接给结论——比如这批货走哪条线、这笔单批不批。它与生成式大模型的机制区别在于：不逐个 token 生成文字，而是通过单次前向传播，对预先设定的候选答案打分。微博36氪
开发者手里有三种判断：是/否二元判断、2 到 255 个选项的多项选择、按自定义标准打分的有序评分，一次请求可以混着问。输入端文本、图像、音频、视频、PDF 可以混合，最高 256K tokens。每道题返回概率和 0 到 1 的置信度，模型对自己的答案有几成把握一目了然，不确定的样本可以直接按阈值转给强模型或人工。36氪微博
普通开发者的三类典型用法
第一类，把"牛马活"从大模型手里接过来。过去想让 AI 判断一封邮件是不是垃圾邮件、某项任务该交给哪个 Agent，往往要调用生成式大模型，再从它生成的文本里提取结果；现在这套逐字解码可以省掉。计费结构对批量判断尤其友好：1000 道题共用一份输入，这份输入只收一次钱，每道题只另算自己的题目和选项。内容安全审核、规则合规检查、搜索相关性判断、工单打分，这类只要"一个结论"的任务，不必再为整套文字生成付费。36氪知乎
第二类，给 Agent 系统装上便宜的大脑回路。谷歌已经把它用进了真实生产场景：AI 模型路由、Agent 工具选择、产品设计和安全检测。网络上有观点认为，这类模型更像给程序员用的便宜小零件——普通用户碰不到，但以后不少应用会悄悄用它。最直观的示范是 Gemini Notebook：用 Decisions API 当实时路由器，先判断请求复杂度，日常查询走更便宜更快的低档位模型，复杂推理再升级，谷歌称这套动态路由把日常查询的延迟最多降低了40%。同样的回路也出现在 Google Labs 的 CC 产品（从 200 多个 Emoji 里选表情）和 Google Search 的 MCP 工具安全检测层里。微博36氪
第三类，多模态批量质检与评分。256K 的共享输入意味着可以把一段通话录音和客户资料放在一起做多道判断，或者结合保险索赔文件与现场照片给出结论，有序评分还适合给海量问答对、客服对话和内容质量打分。在音频和视频两项基准上，目前也只有谷歌给出了成绩，补上了同类决策模型不碰多模态的短板。36氪知乎
这已经不只是谷歌一家的动作：10 月 OpenAI Decisions API 刚转正，微软也推出了 Microsoft-Decision-1，"决策模型"正在成为一个独立赛道。对开发者来说，AI Studio 免费额度现在就能试，OpenRouter 首日也上了这款模型，谷歌云的企业级支持还要再等等。知乎
别急着 All in：官方的赢法和第三方的榜单是两回事
"9 项测试 7 项第一、最高准确率 92.2%"这个数字出自谷歌自己的评测，对比对象——OpenAI 的 GPT-6 Luna、专门做分类决策的 TypeSafe Jev 1.14、自家 Flash-Lite——也是谷歌选的；在 JevBench 上它拿到 92.2%，压过 Jev 本尊的 90.0%。但恰恰在它主打的 Agent 场景里，考验工具调用时机判断的 When2Call 测试上，它 79.9% 输给了 Jev 1.14 的 82.0%。36氪
换到第三方评测机构 Artificial Analysis 的口径，又是另一个故事：决策指数 66 分，和 Jev 1.14 打平，前面还站着 73 分的 Drex Max v1.1 和 GLiDE v1.2。按其测算，Gemini Decision 1 每完成 100 万个任务要花 345 美元，而分数更高的 Drex Max v1.1 只要 103 美元——这是自媒体转述的第三方数据，但方向与官方成绩单能对上：谷歌赢在自己选的赛道，不是赛道整体第一。知乎
"便宜5倍"同理只对自家 Flash-Lite 成立：谷歌自己的评测表里，三家都有成绩的 7 项上，Jev 1.14 花的钱比它少。而按同一份分项结果，它真正强的是知识和推理类判断，普通开发者最先会拿来用的分类、信息提取类任务，成绩反而一般。还有一条本质边界：它只输出选项、概率和分数，不写理由，需要向用户解释"为什么"的开放任务仍然得留给生成式模型。知乎
一个值得现在动手的判断
对普通开发者来说，这次发布值得关注的不是"谷歌做出了最强的决策模型"——它还没到那个位置——而是"判断"这件事被拆成了独立、便宜、可审计的毫秒级组件，并且行业里 OpenAI、微软已经前后下场。落地动作其实很具体：在自己的产品里找一个正被聊天模型"生成一段话再抠结论"的判断任务，比如审核、路由或批量打分，用 Decisions API 跑一遍，算清成本和误判率，再把置信度阈值定下来——高把握自动执行，低把握交给大模型或人工。这个账划不划算，你的数据比任何跑分都直接。
