当 AI 行业仍在比拼推理能力和 Token 生成速度时，谷歌把目光转向了另一件事：让模型不“写字”，直接“做判断”。该公司刚刚上线了 Gemini Decision 1 模型，以及由其驱动的 Gemini Decisions API。
与主流生成式模型的运作方式截然不同，Gemini Decision 1 不会逐字输出答案，而是通过单次前向传播，对开发者预先设定的候选项打分，直接返回判断结果。分类、评分、选择这类本不需要成段文字的任务，从此可以跳过整套文本生成流程。
谷歌 CEO Sundar Pichai 在 X 平台撰文介绍称，这款模型专为封闭选项集内的决策任务设计，单次处理即可对文本、图像、音频、视频和 PDF 中的最多 1000 个问题完成评分。他还附上了 Stitch Rapid 在几秒内搭建完整产品流程的演示，并说明视频以正常 1 倍速播放。
模型提供三种决策模式。第一种是二元判断，例如识别图片中是否存在安全隐患、某段文字是否违反规则，模型会给出条件成立的概率。第二种是多选，开发者可预设 2 至 255 个候选答案，模型在挑出最优项的同时，还会返回每个选项归一化后的概率。第三种是有序评分，由开发者自定义等级标准，模型据此输出连续加权分数及各等级概率。
三种任务可以混在同一次请求里完成。谷歌举了一个例子：上传一张办公室茶水间台面的照片并附上文字说明，让模型同时回答桌面有没有洒液体、该采取什么清理措施、现场严重程度如何。放在过去，这类需求往往要搭建多个分类器，或者让生成式模型跑几轮不同的提示词，如今一次调用即可覆盖。
输入侧的规格也相当宽裕。模型支持最高 256K Token 的多模态上下文，企业可以把通话录音与客户资料合并分析，或将保险索赔文件与现场照片放在一起处理。每项决策附带 0 到 1 的置信度，系统可据此把拿不准的结果转给其他模型或人工复核。
价格是谷歌明显想强调的卖点：每百万输入 Token 收费 0.10 美元，输出 Token 分文不取。在官方的对照测试中，经由 Decisions API 调用的成本比通过 Interactions API 调用 Gemini 3.5 Flash-Lite 便宜近 5 倍。
速度数据同样好看。在上下文不超过 16K Token 的测试条件下，模型计算阶段的中位延迟落在 50 至 100 毫秒，端到端耗时约 150 到 250 毫秒。即便单次请求中的问题数量从 1 个增加到 100 个，延迟曲线也几乎保持平稳。
这次公布的对比名单有些特别：对手不是泛泛的通用大模型，而是 OpenAI 的 GPT-6 Luna、专攻分类决策的 TypeSafe Jev 1.14，以及谷歌自家的 Gemini 3.5 Flash-Lite。在 9 项基准测试中，Gemini Decision 1 拿下 7 项第一，概率校准同样居首，但在剩下两项测试和总调用成本上，对手各有胜场。
分项来看，JevBench 中它以 92.2% 的准确率登顶，压过 GPT-6 Luna 的 90.9%、TypeSafe Jev 1.14 的 90.0% 和 Flash-Lite 的 86.6%。Amazon ESCI 商品搜索相关性测试里，其 Macro-F1 达到 58.7%，领先 GPT-6 Luna 4 个百分点，领先 Flash-Lite 11.5 个百分点。New Yorker Caption 测试差距更大：79.7% 对 68.4%，拉开 11.3 个百分点，这项测试考察模型对漫画配文的理解与候选项判断能力。PubMedQA 医学问答中它得到 79.8%，高于 GPT-6 Luna 的 74.4%；Global-MMLU-Lite 多语言测试中两者分别为 86.0% 和 79.6%。
不过谷歌并未全盘通吃。Mind2Web Multimodal 测试中，TypeSafe Jev 1.14 以 86.8% 险胜 Gemini Decision 1 的 86.2%；When2Call 工具调用测试里，前者拿到 82.0%，后者只有 79.9%。这场失利尤其扎眼，因为工具选择与调用时机正是 Gemini Decision 1 主打的 Agent 应用方向，专用决策模型 TypeSafe Jev 依然守住了阵地。音频与视频理解方面，它在 MMAU 和 Video-MME 上分别取得 71.8% 和 69.1%，均高于 Flash-Lite。
比准确率更受关注的是校准表现。Top-1 ECE（预期校准误差）测试中，Gemini Decision 1 的数值仅为 0.0250，GPT-6 Luna 为 0.0721，TypeSafe Jev 1.14 为 0.0494，Flash-Lite 则高达 0.2104。换算下来，它的误差比 GPT-6 Luna 低约 65%，比 Flash-Lite 低约 88%。
这项指标直接关系到 Agent 系统的可靠性。当模型判断某段代码是否存在安全漏洞时，返回的概率与实际正确率之间的偏差，决定了系统敢不敢自动采取行动，还是转交人工核查。校准越准，自动化决策的底气越足。
谷歌没有停留在跑分层面，内部产品已经率先接入。Gemini Notebook 用 Decisions API 充当实时模型路由器，按请求复杂程度挑选模型档位和思考强度，日常简单问题走便宜快速的通道，复杂推理任务才交给更强的模型。谷歌表示，这种动态路由让日常查询的延迟最多降低 40%。
其他几个内部应用各有侧重。Google Stitch 新上线的 Rapid Canvas 实验功能借助该 API，在几秒内产出可交互的产品流程线框图，并即时响应语音或点击发出的修改指令，用户确认方向后再转入完整的 Stitch 工作流深化。Google Labs 的 CC 产品用它从 200 多个 Emoji 选项中快速挑出合适的表情反应。Google Search 则拿它构建 MCP 工具的安全检测层，识别潜在的对抗性行为及内容。
