Skip to content

模型卡|Gemini Decision 1

2026年11月13日1 分鐘
TL;DRGemini Decision 1(gemini-decision-1):262,144 tokens context、$0.10 per 1M input、零輸出計費,單次請求最多評 1000 題是非/選擇/評分題,官方自測 JevBench 達 92.2% 領先 GPT-6 Luna的 90.9%;但獨立機構 Artificial Analysis 把它排在 18 個決策模型中第 9(66 分),每百萬任務成本 $345 是第 4 貴,官方與第三方評測結果不一致

查詞與收藏

正在載入查詞工具…

🌏 English version

模型資訊

項目值
Model IDgemini-decision-1
廠商Google(Google DeepMind)
參數量未公開
Context Window262,144 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
分類判斷從生成式模型改走決策模型
分類判斷從生成式模型改走決策模型傳統做法用生成式模型逐字解碼產生文字再自行解析;Gemini Decision 1 改成單次 forward pass 直接對多題評分,回傳機率與信心分數。 改動前:生成式模型判斷 改動後:Gemini Decision 1 共用輸入 生成式模型 逐字解碼產生文字 每題各發一次請求 共用輸入重複計費 文字/JSON 輸出 自行解析,無信心分數 共用輸入+最多 1000 題 Gemini Decision 1 單次 forward pass 多題一次評分 共用輸入只計費一次 機率+信心分數 零輸出 token 計費 − − + + 變更清單 − 移除 逐字解碼生成文字:需自行解析、沒有信心分數 + 新增 Gemini Decision 1 單次 forward pass:對最多 1000 題同時評分 + 新增 機率+信心分數直接輸出:零輸出 token、共用輸入只計費一次

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

BenchmarkGemini Decision 1TypeSafe Jev 1.14GPT-6 LunaGemini 3.5 Flash-Lite
JevBench(公開分割)92.290.090.986.6
Amazon ESCI(Macro-F1)58.756.754.747.2
Mind2Web(多模態)86.286.881.878.0
When2Call79.982.070.460.9
Top-1 ECE,7 項共用評測(越低越好)0.02500.04940.07210.2104
7 項共用評測總價(USD)0.880.680.934.14

⚠️ 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