Gemini Decision 1
Google 推出的多模态决策模型,定位为做出判断而非生成内容,支持文本、图像、音频、视频和 PDF 输入,输出布尔概率、选项和分数,不消耗输出 token。
核心事实
时间轴 (近 90 天)
Gemini Decisions API底层模型Gemini Decision 1支持同一份材料只上传一次即可回答1000个互不依赖的问题,接口按输入计费、不收输出Token费用,输入约每百万Token 0.1美元。
Google 推出了决策模型 Gemini Decision 1,支持音频模态输入,而 OpenAI 的对应产品和本地 Ollama 方案均不支持音频模态。
在作者的邮件分类横评中,各方案延迟约为:本地模型热启动后约 1.2 秒,Jeff 约 2 秒,Gemini 约 3.4 秒,GPT 约 6.5 秒。
据 Artificial Analysis 的决策模型指数,Gemini Decision 1 的表现与 Jeff 基本持平,优于 GPT-6 Luna Decision 以及 Cloudflare 的 Clef 系列。
Gemini Decision 1 与 Jev、OpenAI 形成了决策模型领域的三方竞争格局。
Gemini Decision 1 支持三类问题:是/否判断、多选项选择以及评分量表打分。
Gemini Decision 1 与 GPT-6 Luna 决策模型定价相同:每百万输入 token 收费 10 美分,输出免费。
Jev 仅支持文本和 JSON 输入,OpenAI 支持文本与图像,而 Gemini Decision 1 覆盖文本、图像、音频、视频和 PDF。
Gemini Decision 1 对是/否问题返回概率值而非硬性二元结果,测试中龙为 0.0498,法国为 0.0833,机器人为 0.9234,美国为 0.9230。
概率输出设计使下游系统可以设置阈值进行分级处理,但调用方需要额外处理阈值逻辑,无法直接使用 0/1 布尔值。
还有 9 条时间轴事件
全部知识事实 (19)
Google 的 Gemini Decision 1 模型在 AI Gateway 上线,定位为决策模型而非内容生成模型。
70%待验证Gemini Decisions API底层模型Gemini Decision 1支持同一份材料只上传一次即可回答1000个互不依赖的问题,接口按输入计费、不收输出Token费用,输入约每百万Token 0.1美元。
50%待验证在作者的邮件分类横评中,各方案延迟约为:本地模型热启动后约 1.2 秒,Jeff 约 2 秒,Gemini 约 3.4 秒,GPT 约 6.5 秒。
50%待验证据 Artificial Analysis 的决策模型指数,Gemini Decision 1 的表现与 Jeff 基本持平,优于 GPT-6 Luna Decision 以及 Cloudflare 的 Clef 系列。
50%待验证概率输出设计使下游系统可以设置阈值进行分级处理,但调用方需要额外处理阈值逻辑,无法直接使用 0/1 布尔值。
50%待验证Jev 仅支持文本和 JSON 输入,OpenAI 支持文本与图像,而 Gemini Decision 1 覆盖文本、图像、音频、视频和 PDF。
50%待验证Gemini Decision 1 对是/否问题返回概率值而非硬性二元结果,测试中龙为 0.0498,法国为 0.0833,机器人为 0.9234,美国为 0.9230。
50%待验证Gemini Decision 1 支持三类问题:是/否判断、多选项选择以及评分量表打分。
50%待验证Gemini Decision 1 与 GPT-6 Luna 决策模型定价相同:每百万输入 token 收费 10 美分,输出免费。
50%待验证Gemini Decision 1 与 Jev、OpenAI 形成了决策模型领域的三方竞争格局。
50%待验证在缺少官方基准数据时,开发者应自行构造小规模对照测试,用同一组分支决策题分别跑候选模型,记录判断一致性和结构解析成功率。
50%待验证现阶段不应将 Gemini Decision 1 直接替换生产环境中的模型,而应将其视为待验证的候选。
50%待验证Gemini Decision 1 支持文本、图像、音频、视频和 PDF 文档输入,输出布尔概率、选择项和分数,不消耗输出 token。
50%待验证问题定义对象中每个问题有类型(布尔、选择、分数)和指令,模型按声明返回对应答案字段;该结构由 API 层面约束而非依赖提示词。
50%待验证PDF、音频和视频输入目前仅通过 AI SDK 7 支持;TypeSafe 兼容 API 和 Decisions API 仅支持文本和图像输入。
50%待验证决策调用会像其他模型请求一样出现在 AI Gateway 日志中,并计入预算。
50%待验证决策模型只输出概率、选项和分数,不提供解释;当业务需要可审计的理由链时,仍需生成模型或额外解释层。
50%待验证输出 token 的消耗与模型逐 token 自回归解码相关;决策模型将输出空间限定在有限答案集合(布尔、选项或分数)上,从而绕过逐 token 解码。
50%待验证Google 推出了决策模型 Gemini Decision 1,支持音频模态输入,而 OpenAI 的对应产品和本地 Ollama 方案均不支持音频模态。
50%