谷歌发布首个决策模型 Gemini Decision 1：一次判断一千道题，但第三方榜单上它排第九

11 月 11 日，Google 在 AI Studio 上线了一个不太像 Gemini 的东西。它叫 Gemini Decision 1，官方给它的定义是决策模型。你丢给它一份材料，再列一堆判断题，它不写字，直接回你概率。

我用一个下午读完官方公告、API 文档、定价页，又去找了第三方的独立评测。下面是能核实的那部分，以及几处我认为该打问号的地方。

它为什么能便宜到十分之一

要理解这个价格，得先理解它不做什么。

正常的大模型是逐 token 解码，一个字一个字往外吐，吐出来的每个字都算输出费用。Decision 1 换了个做法，把候选选项塞进一次前向传播，直接算每个选项的概率。它从头到尾不生成文本，输出 token 恒为零，那一栏账单永远不出现。

这带来三个直接后果。

响应快。模型自身的中位计算量是五十到一百毫秒，端到端一百五到二百五十毫秒。官方说从一到一百个问题，延迟几乎是一条平线，因为一千个问题共享同一次输入读取。

便宜。输入每百万 token 十美分，输出免费。一次请求里所有问题合看同一份材料，材料只计一次费，每个问题只加它自己那段指令和评分标准的 token。

干净。没有思考 token 的浮动账单，也没有单独的语音转写和 OCR 收费，因为多模态是原生读进去的。

不过那个「便宜近五倍」的说法要看清括号。官方原文的前提是同一个共用基准集、同一种调用方式，对比对象是 Gemini 3.5 Flash-Lite 配 Interactions API。换成你自己的负载，比例会变。

三种题型，一个问题看不到另一个

它只认三种问法。

是非题返回 0.01 到 0.99 的概率，外加一个置信度。单选题支持两到二百五十五个候选，返回赢家和每个候选的归一化概率。评分题是有序档位，两到二百五十五档，返回按概率加权的期望档位。

最值得说的设计是隔离。每个问题都在同一次前向里跑，但彼此不可见，加减任何一个都不会改变其他题的答案。

这个限制看着笨，实际是把编排职责还给了应用层。判断之间有依赖，就得发两次请求，或者一次全问完再在代码里丢掉多余的那个。

上下文窗口二十六万二千一百四十四 token，输入、所有问题、所有评分标准共用一个池子。

官方没发成绩表，这件事本身就是信息

这一节比参数重要。

Google 的发布说明只写了一句话，说它在覆盖智能体路由、推理、排序、多模态理解的基准集上全面领先，校准误差最低。然后，没有附任何一张成绩表。

微软同一天在推自己的决策模型，情况一模一样。卡片上写了一整段方法论，用公开集、留出内部集、打乱选项顺序、做配对统计检验，结论说「与领先的决策模型持平」。那句话下面也是空的。

两家前沿厂商在同一周交了同类产品，核心主张是「这个概率就是它字面的意思」，测量全交给外部。

于是唯一能对照的地方只剩一个第三方。Artificial Analysis 的 Decision Index v2.1 目前收了十八个决策模型，Gemini Decision 1 综合 65.98 分排第九，微软那款 62.07 排第十。单任务二百一十一毫秒，每百万任务三百四十五美元。

六项分项里，它赢两处，输一处，平两处。

赢的两处都落在「知道自己不知道」这个能力上。知识题那项它 66.3，对手 54.9，全场第一。它拿第一的原因是不幻觉率百分之四十九点六，对手只有二十一点七。多选推理那项 48.7 对 39.4，第一对第十一。

输的那处是工具选择。判断什么时候该调用工具那项，它 80.5，对手 88.0，对手接近榜首，它排第十四。

最难看的是权重最大的那一项。文档抽取占三成权重，测的是从一份材料里把事实稳稳抽出来。它 56.8，对手 51.8，两个都在下半区。评分方式是全对才算过，它的通过率百分之三十三，对手二十点九，场上领先者六十三。

换成一句人话。它知道什么时候该闭嘴，也知道一些别人不知道的事。但你让它从六十页文档里稳定抽出十五个字段，它做不到。

一个数字决定一次分支，这才是风险所在

决策模型的接口就是一个数字，你的代码拿它做分支。

聊天模型差几分，产出的话糙一点，你能看出来。打分模型校准偏了，会静默地把百分之八的工单路由到错误的队列，而响应里没有任何字段提醒你。

这才是两家都不敢发成绩表的原因。分数高低是次要的，校准有没有被独立验证才是主要的。

所以六十六和六十二这两个数，该当成第一次外部读数，不该当成定论。那个榜最大的单项用的还是私有数据，它给决策模型打分也才几周。

它已经在 Google 内部跑起来了

公告里给了四个自家用例，我觉得比跑分更有参考价值。

Gemini Notebook 拿它做实时路由，按意图把请求分到不同档位的模型和思考深度，日常查询延迟降了最多四成，重活留给会深度推理的模型。

Stitch 的快速画布用它生成可点的线框图，语音或点击的修改几乎立刻生效。

Google Labs 的 CC 用它从两百多个表情里挑对的那个，响应看着像即时。

搜索用它给 MCP 工具做安全层，负责在延迟预算内识别对抗行为和恶意内容。

这四个例子的共同点很清楚。它们要的都是一个有界的选择，不是一段解释。这也恰好划出了它该用的地方。

定价、限制，和几句免责

价格是输入每百万 token 十美分，输出恒为零。共享输入每个请求只计一次费，每个问题只加自己的指令和标准 token。

免费额度每分钟两百次、每天一万次。付费第一档每分钟一千五百次、每天五万次，第二档起每日不限。它不支持批量接口。

不支持的能力还有一长串。不支持上下文缓存，不支持思考，不生成文本，不支持函数调用、结构化输出、搜索接地、Live API。

这些不是缺陷清单，是边界说明。它是控制流里的一个判断节点，不是对话对象。你把它当聊天模型用，它会用报错告诉你。

三个该用的场景，三个别碰的场景

该试的第一个场景。你的流程里有一个「这段材料属于哪一类」的判断，而且候选是封闭集合。工单分派、内容审核、意图识别，都是这一类。

该试的第二个。输入是多模态的长材料，一次要问很多互不依赖的问题。一通电话录音配账户信息，加一份扫描件配损毁照片，一次请求全问完。

该试的第三个。你需要一个能用阈值分流到人工的置信度，而不是一段需要二次解析的文字。

别碰的第一个。要从文档里高精度抽字段。它这三成的权重项通过率只有三成出头，领先者是一倍。

别碰的第二个。判断之间有依赖关系。它的问题彼此不可见，硬塞进来只会得到一堆没用的答案。

别碰的第三个。你需要它解释为什么这么判。它一个字都不给你，只给概率。

至于标题里那个「首款」，我只能确认 Google 是这波里最新的一家，不是第一家。先是创业公司 Jev 做了同形态的东西，OpenAI、Cloudflare、微软随后跟上，微软那款十月八日就已经在 Foundry 正式上线。Google 的差异化在别处，它是唯一一个把多模态长材料、一千个问题、零输出 token 三件事同时做到这个价位的。

参考来源

• Gemini Decisions API 官方公告（2026-11-11） https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/
• Decisions API 文档 https://aistudio.google.com/docs/decisions-api
• 模型卡与能力边界 https://aistudio.google.com/docs/models/gemini-decision-1
• 定价页 https://aistudio.google.com/docs/pricing
• 速率限制 https://aistudio.google.com/docs/rate-limits
• 第三方分项对照 https://www.orcarouter.ai/blog/gemini-decision-1-vs-microsoft-decision-1
• 决策模型横向评测索引 https://artificialanalysis.ai/models/gemini-decision-1
• 技术媒体解读 https://the-decoder.com/google-joins-the-decision-model-wave-with-gemini-decision-1-scoring-1000-questions-in-a-single-pass/