模型資訊
| 項目 | 值 |
|---|---|
| Model ID | gemini-decision-1 |
| 廠商 | Google(Google DeepMind) |
| 參數量 | 未公開 |
| Context Window | 262,144 tokens(官方簡稱 256K,含共用輸入與所有題目) |
| Input 定價 (USD/1M tokens) | $0.10 |
| Output 定價 (USD/1M tokens) | $0.00(不產生輸出 token,故不計費) |
| 開源 | 否 |
| 發布日 | 2026-11-11 |
| 官方公告 | Google Blog:Gemini Decisions API |
| 家族 | Gemini Decisions API(全新「決策模型」類別,非 Gemini 4.x 聊天模型家族的延伸) |
能力亮點
- 不逐字生成文字,而是對選項打分:一次請求送入共用的多模態輸入(文字/圖片/音訊/影片/PDF)與最多 1,000 個獨立問題,模型用單次 forward pass 直接回傳每個問題的機率與信心分數(0–1),端到端延遲 150–250ms(官方測試範圍:上下文 16K 以內,1–100 題幾乎打平)
- 三種題型可混在同一次請求:是非題(noul,回傳 0.01–0.99 機率)、選擇題(choice,2–255 選項各自機率)、評分題(score,2–255 級有序量表、每級機率),彼此互相看不到對方答案
- 共用輸入只計費一次、零輸出計費:不管問 1 題還是 1,000 題,共用輸入的 token 只算一次,額外問題只加計自己的指令與判準文字;官方宣稱同一評測套件下比用 Gemini 3.5 Flash-Lite 跑「生成式問答」便宜近 5 倍
- 官方自測在 JevBench 達 92.2%,領先 GPT-6 Luna 的 90.9% 與 TypeSafe Jev 1.14 的 90.0%,校準誤差(Top-1 ECE)0.0250 為四者最低
簡化示意:是非/選擇/評分三種題型與單題計算細節省略;兩邊皆以 Google 公告內容為準。
Benchmark 表現
| Benchmark | Gemini Decision 1 | TypeSafe Jev 1.14 | GPT-6 Luna | Gemini 3.5 Flash-Lite |
|---|---|---|---|---|
| JevBench(公開分割) | 92.2 | 90.0 | 90.9 | 86.6 |
| Amazon ESCI(Macro-F1) | 58.7 | 56.7 | 54.7 | 47.2 |
| Mind2Web(多模態) | 86.2 | 86.8 | 81.8 | 78.0 |
| When2Call | 79.9 | 82.0 | 70.4 | 60.9 |
| Top-1 ECE,7 項共用評測(越低越好) | 0.0250 | 0.0494 | 0.0721 | 0.2104 |
| 7 項共用評測總價(USD) | 0.88 | 0.68 | 0.93 | 4.14 |
⚠️ 以上為 Google 官方公告自測數字。獨立機構 Artificial Analysis 用自己的 Decision Index(v2.1,涵蓋 18 個決策模型,與 Google 公告評測集只有 When2Call 一項重疊)評出 Gemini Decision 1 為 66 分,在 18 個模型中排第 9(中位),略高於 GPT-6 Luna 的 60 分,但落後排名前段的低 70 分區;在成本面,Artificial Analysis 量得每百萬任務 $345,是 18 個模型中第 4 貴(中位數 $143)。校準表現在兩邊都算強(Brier score 偏低),但準確率在獨立評測下只算中等,跟官方「全面領先」的說法有落差。
與前代/競品比較
Gemini Decision 1 沒有直接前代(決策模型是全新類別),比較對象是同期出現的另外兩家:TypeSafe 的 Jev 1.14 與 OpenAI 的 Decisions API(底層模型 GPT-6 Luna)。三家輸入定價完全相同,都是 $0.10/1M tokens、輸出免費,但能力邊界不同:Gemini Decision 1 支援文字/圖片/音訊/影片/PDF 五種模態與單次最多 1,000 題,OpenAI 的 Decisions API 只吃文字與內嵌圖片、單次最多 400 題;TypeSafe Jev 1.14 在 Google 自己的表上反而贏了 Mind2Web 與 When2Call 兩項,且 Google 自報的總價也比 Jev 貴($0.88 對 $0.68)。
這代表 Google 的「全面領先」說法要打折扣看:官方公告自測的 7 項評測裡,Jev 1.14 贏了 2 項且更便宜;而獨立機構 Artificial Analysis 的排名更進一步把 Gemini Decision 1 放在中位(9/18),而不是公告暗示的斷層領先。定價策略上三家全部卡在 $0.10/1M input 同一個價位,說明決策模型這個類別目前的競爭不在價格,而在模態覆蓋範圍、單次題目上限與延遲這些功能邊界上。
跟「拿一般生成式模型做分類」這條舊路相比,Google 強調的「nearly 5x cheaper」是跟 Gemini 3.5 Flash-Lite 走 Interactions API 比較得出的($0.88 對 $4.14),這個比較本身是合理的——零輸出 token 計費加上共用輸入只算一次,確實讓「對同一份輸入問很多個是非題」這種用法在成本結構上跟生成式問答完全不同,不管跟哪一家決策模型比都一樣划算。
對 Agent 開發的意義
決策模型的出現代表 agent 架構裡「有限選項判斷」這一類節點(工具該選哪個、這個情境符不符合政策、這通對話該轉給哪個模型層級)可以從一般生成式 LLM 卸載出來,交給一個不產生文字、只回傳機率與信心分數的專用模型,省掉逐字解碼的延遲與輸出 token 成本。Google 自己在 Gemini Notebook(模型路由)、Search(MCP 工具的對抗行為偵測)等場景已經這樣用。
- 如果你在做多 agent 系統裡的路由層:把「這個請求該交給哪個子 agent / 該用哪個 thinking level」這類判斷換成決策模型的 choice 題型,理論上能拿到比一般生成式分類器更低的延遲與更穩定的信心分數,讓你的程式碼可以用信心分數門檻決定自動執行還是轉人工覆核
- 如果你在做需要大量規則式判斷但又想要信心分數的場景(內容審核、保單理賠初篩、客服工單分流):一次請求把多個是非/評分題綁在同一份輸入上送出,共用輸入只計費一次,比對同一份輸入分別發多次生成式請求便宜得多
- 不適合:需要產生文字、呼叫工具、多輪對話記憶或思考鏈的任務——它完全不支援 function calling、thinking、Live API 與對話歷史輸入;目前也還沒上 Google Cloud/Vertex AI(官方標「即將推出」),已經在 Vertex 架構裡的團隊現階段用不到
今日收穫
Gemini Decision 1 是繼 TypeSafe Jev、OpenAI Decisions API 之後第三家主要廠商推出的「決策模型」,顯示業界正把「有限選項判斷」切成一個獨立類別來優化,而不是繼續用生成式模型硬做分類。但更值得記住的是官方評測與獨立評測的落差:Google 公告自己的評測套件說「全面領先」,獨立機構 Artificial Analysis 換一套評測集後卻把它排在中位——同一個模型,換一套題庫就從「斷層領先」變成「普通水準」。這提醒我們看任何新模型的 benchmark 時,第一件事不是看分數高低,而是先確認這是廠商自己的評測集還是獨立機構的評測集,兩者給出的排名可能完全不同。
參考資料
- Google Blog:Gemini Decisions API — Fast, calibrated multimodal decisions(官方公告,含完整評測表與定價細節)
- Lindy:Gemini Decision 1 — What It Is, Pricing, Benchmarks(整理官方公告、文件、定價頁與 Artificial Analysis 數字)
- Artificial Analysis:Gemini Decision 1 — Decision Index、成本與校準誤差獨立評測
- VentureBeat:Google's Gemini Decision 1 model scores up to 1,000 questions in one API call
- SiliconANGLE:Google enters decision model market with Gemini Decisions API