大数跨境

刚刚,谷歌发布首款决策模型 Gemini Decision 1:9 项测试拿下 7 项第一,准确率最高92.2%

刚刚,谷歌发布首款决策模型 Gemini Decision 1:9 项测试拿下 7 项第一,准确率最高92.2% AI前线
2026-11-12
6
导读:Gemini Decision 1 提供三类核心决策能力。

作者|冬梅

当 AI 行业仍在聚焦于生成式模型的 Token 数量与推理能力时,谷歌推出了一款摒弃逐字生成模式的新模型。近日,谷歌正式发布 Gemini Decision 1 及配套的 Gemini Decisions API。与传统大模型不同,该模型专为快速决策设计,通过单次前向传播对预设候选答案进行评分,无需逐个 Token 生成文本。

谷歌 CEO Sundar Pichai 在社交平台介绍了该模型的核心优势:

今天,我们在 Google AI Studio 中正式推出由全新 Gemini Decision 1 模型支持的 Gemini Decisions API。

不同于传统模型逐个 Token 生成文本,这款模型专为封闭选项集中的决策任务设计。它可在单次处理中,对文本、图像、音频、视频及 PDF 中的最多 1000 个问题进行评分。

关键特性包括:

· 支持三种决策类型:是/否判断、多项选择(最多 255 个选项)及基于评分标准的打分;

· 成本极低:每百万输入 Token 仅 0.10 美元,输出 Token 免费,成本约为 Flash-Lite 的五分之一;

· 性能领先:在多项基准评测中表现优异,且拥有最低的校准误差。

目前,谷歌内部团队已率先应用此项技术。

Pichai 还展示了 Stitch Rapid 在几秒内设计完整产品流程的演示。这一发布揭示了 Gemini Decision 1 的本质差异:它不负责生成答案,而是从已有选项中做出判断。

以往,开发者若需 AI 判断邮件性质或分配 Agent 任务,通常需调用生成式大模型并从中提取结果。Gemini Decision 1 省去了逐字解码环节,开发者只需提供输入内容、问题及候选项,模型即可直接返回判断结果、概率和置信度。

这意味着,对于仅需分类、评分或选择的任务,AI 无需执行完整的文本生成流程。据官方数据,该模型单次请求可处理最多 1000 个独立问题,支持多模态输入,端到端延迟仅为 150~250 毫秒。其调用成本较 Gemini 3.5 Flash-Lite 低近 5 倍。

此外,该模型不仅限于回答选择题,已被应用于 AI 模型路由、Agent 工具选择、产品设计及安全检测等场景,旨在成为 AI 系统中负责判断与决策的底层组件。

一次处理 1000 个问题,支持最多 255 个选项

根据技术介绍,Gemini Decision 1 提供三类核心决策能力:

第一类为 Yes/No(二元判断)。例如判断图片是否存在安全隐患或文本是否违规,模型将给出条件成立的概率。

第二类为 Multiple Choice(多项选择)。开发者可预设 2~255 个候选选项,模型不仅选出最符合的答案,还返回各候选项归一化后的概率。

第三类为 Ordered Rubric(有序标准评分)。开发者自定义评分等级,模型对输入内容进行评价,返回连续加权分数及各等级概率。

这三种任务可在一次请求中混合执行。例如,上传办公室茶水间照片并附说明,模型可同时判断是否有液体洒漏、建议清理措施及严重程度。

相比传统方式需设计多个分类器或执行多次提示词任务,Gemini Decision 1 可一次性完成判断。模型支持最高 256K Token 的多模态输入上下文,适用于结合通话录音与客户资料分析、保险索赔文件与现场照片判断等企业场景。

每项决策均提供 0~1 的置信度,便于系统将不确定结果转交其他模型或人工审核。

在速度与成本方面,Gemini Decision 1 表现突出。在不超过 16K Token 的测试中,计算阶段中位延迟为 50~100 毫秒,端到端延迟约 150~250 毫秒,且随问题数量增加延迟基本保持平稳。其成本较通过 Interactions API 调用 Gemini 3.5 Flash-Lite 低近 5 倍。

9 项测试拿下 7 项第一,准确率最高达 92.2%

谷歌公布的对比测试涵盖 OpenAI 的 GPT-6 Luna、专用分类决策模型 TypeSafe Jev 1.14 以及自家的 Gemini 3.5 Flash-Lite。结果显示,Gemini Decision 1 在 9 项基准测试中斩获 7 项第一,概率校准能力领先,但在部分测试及总调用成本上仍有竞争对手表现更佳。

具体表现如下:

在 JevBench 测试中,Gemini Decision 1 准确率达 92.2%,优于 GPT-6 Luna(90.9%)、TypeSafe Jev 1.14(90.0%)及 Gemini 3.5 Flash-Lite(86.6%)。

在 Amazon ESCI 商品搜索相关性测试中,其 Macro-F1 分数为 58.7%,比 GPT-6 Luna 高 4 个百分点,比 Flash-Lite 高 11.5 个百分点。

在 New Yorker Caption 漫画配文理解测试中,Gemini Decision 1 得分 79.7%,领先 GPT-6 Luna(68.7%)11.3 个百分点。

在医学问答 PubMedQA和多语言测试 Global-MMLU-Lite 中,Gemini Decision 1 同样排名第一,分别得分为 79.8% 和 86.0%,显著高于竞品。

然而,谷歌并未实现全面碾压。在 Mind2Web Multimodal 测试中,TypeSafe Jev 1.14 以 86.8% 排名第一,Gemini Decision 1 以 86.2% 落后 0.6 个百分点。在考验工具调用判断能力的 When2Call 测试中,TypeSafe Jev 1.14 得分 82.0%,领先 Gemini Decision 1(79.9%)。这表明在 Agent 工具选择场景下,专用决策模型仍具优势。

值得注意的是,Gemini Decision 1 在概率校准方面表现卓越。Top-1 ECE(预期校准误差)测试中,其误差仅为 0.0250,远低于 GPT-6 Luna(0.0721)、TypeSafe Jev 1.14(0.0494)及 Flash-Lite(0.2104)。较低的校准误差意味着模型给出的概率更接近真实正确率,这对 Agent 系统决定是否自动行动或转人工审核至关重要。

谷歌内部应用:Agent 路由延迟最高降低 40%

谷歌披露了 Gemini Decisions API 在内部产品中的实际应用案例。

在 Gemini Notebook 中,该 API 充当实时模型路由器,根据用户请求复杂度动态选择模型档位。简单问题调用低成本快响应模型,复杂任务则交由高性能模型。此举使日常查询延迟最多降低 40%。

这种设计契合当前 Agent 系统发展趋势:将简单、选项明确的判断交给低延迟决策模型,复杂任务留给通用大模型,从而优化整体延迟与成本。

其他应用场景包括:

Google Stitch 的 Rapid Canvas功能利用该 API 在几秒内生成交互式产品流程线框图,并快速响应语音或点击修改指令;Google Labs 的 CC 产品利用其从超 200 个 Emoji 中快速选择合适表情;Google Search 内部则利用其构建 MCP 工具安全检测层,识别潜在对抗性行为。

参考链接:

https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/

声明:本文为 AI 前线原创,不代表平台观点,也不构成投资建议,未经许可禁止转载。

热度延续:12 月 AICon 北京站见

12 月 18–19 日,AICon 全球人工智能开发与应用大会将在北京举办。本届大会以探索 A 应用边界为主题,设置 13 大技术专题,覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等核心方向,汇聚一线技术专家,深入分享 AI 技术突破与企业规模化落地的真实实践。

【声明】内容源于网络
0
0
AI前线
面向AI爱好者、开发者和科学家,提供大模型最新资讯、AI技术分享干货、一线业界实践案例,助你全面拥抱AIGC。
内容 8787
粉丝 0
AI前线 面向AI爱好者、开发者和科学家,提供大模型最新资讯、AI技术分享干货、一线业界实践案例,助你全面拥抱AIGC。
总阅读273.1k
粉丝0
内容8.8k