未分类

谷歌发布多模态决策模型 Gemini Decision 1 与 Gemini Decisions API,九项基准拿下七项第一

要点

谷歌发布Gemini Decision 1与Decisions API,九项基准中夺七项第一,支持最多1000个独立问题,输入上限256K Token。

谷歌把这项能力拆分为三类决策原语。Yes/No 二元判断用于估算某个条件成立的概率,并可附加成立与不成立的描述性标准;Multiple Choice 多项选择从 2 至 255 个候选项中选出胜出者,返回每个候选项归一化后的概率;Ordered Rubric 有序标准评分由开发者自定义评分等级且起始值为 0,返回连续加权分数以及各等级的概率。三类任务可以在一次请求中混合执行,每个回答都附带 0 到 1 之间的置信度分数,便于程序把模糊情况转交后备模型或人工复核。这套原语面向工具选择、策略检查、模型路由和上下文质量评估等封闭选项类决策任务。

一次快速处理可对文本、图像、视频和 PDF 内容完成至多 1000 项是非判断、选项选择和标准评估。开发者可在同一份输入中组合不同模态内容,例如把通话录音与账户元数据放在一起分析,或把扫描版 PDF 理赔文件与受损照片放在一起判断;也可调整图像和视频输入的分辨率,以控制视觉细节与 Token 成本。该接口已在 Google AI Studio 提供,开发者可获得免费额度进行原型开发。

计费口径方面,共享输入按每次请求计费一次,无论评估多少个问题,每个问题仅额外计入其自身的指令与评判标准 Token,不收取输出 Token 费用、可变思考 Token 费用,也没有独立的音频转录和 OCR 费用。Gemini Decision 1 的输入价格为每 100 万 Token 0.10 美元,输出 Token 费用为零。谷歌官方博客称,在共享输入的基准测试集上,Gemini Decision 1 搭配 Decisions API 的调用成本接近 Gemini 3.5 Flash-Lite 搭配 Interactions API 的五分之一。延迟方面,模型在不超过 16K Token 的上下文中,计算阶段的中位延迟保持 50 至 100 毫秒,端到端延迟为 150 至 250 毫秒,且单次请求的问题数量从 1 个增加到 100 个时基本保持平稳。

基准对比由一张官方图表给出,对比对象为 TypeSafe Jev 1.14、OpenAI Decisions API 所用的 GPT-6 Luna,以及以 Interactions API minimal 配置运行的 Gemini 3.5 Flash-Lite。九项关键基准中,Gemini Decision 1 在七项上取得第一,另两项落后。逐项看:JevBench(公开划分)为 92.2%,对应三者为 90.0%、90.9% 和 86.6%;Amazon ESCI 的 Macro-F1 为 58.7%,对应 56.7%、54.7% 和 47.2%;New Yorker Caption(纯文本)为 79.7%,对应 72.0%、68.4% 和 73.7%;PubMedQA 为 79.8%,对应 78.2%、74.4% 和 77.6%;Global-MMLU-Lite(非英语)为 86.0%,对应 85.0%、79.6% 和 78.8%;音频理解测试 MMAU 为 71.8%,视频理解测试 Video-MME(无字幕)为 69.1%,后两项另两款对比产品无对应数据,Flash-Lite 分别为 67.7% 和 63.3%。

落后的两项均与 Agent 场景相关。Mind2Web Multimodal 测试中 TypeSafe Jev 1.14 以 86.8% 排名第一,Gemini Decision 1 为 86.2%;考验工具调用判断能力的 When2Call 测试中 TypeSafe Jev 1.14 为 82.0%,Gemini Decision 1 为 79.9%。校准误差方面,官方图表的 Top-1 ECE 一栏(7 项共享评测,数值越低越好)为 Gemini Decision 1 的 0.0250、Jev 1.14 的 0.0494、GPT-6 Luna 的 0.0721、Flash-Lite 的 0.2104。同一张表底部的总价格行(7 项共享评测)显示,Gemini Decision 1 为 0.88 美元,Jev 1.14 为 0.68 美元,GPT-6 Luna 为 0.93 美元,Flash-Lite 一列为 0.414 美元,该列在表中标注为 Interactions API 的 minimal 配置。图表脚注说明,拒绝回答、安全拦截和模型无法接受的请求一律计为错误,所有分数以完整基准集为分母,除另有说明外均为 Top-1 准确率。

谷歌同时披露了 Gemini Decisions API 在内部产品中的使用情况。Gemini Notebook 用它充当实时路由器,按请求复杂度把查询分派到合适的模型档位与思考强度,谷歌称这种方式可让日常查询延迟最多降低 40%。Google Stitch 新推出的 rapid canvas 实验功能用它生成可交互的产品流程线框图,并在用户通过语音或点击修改时近乎即时地应用改动,方向确认后一键转入完整的 Stitch 流程。Google Labs 的 CC 产品用它从超过 200 个表情选项中挑选合适的表情回应,耗时仅需几分之一秒。Google Search 内部则用它构建 MCP 工具的安全检测层,在既定延迟范围内识别潜在的对抗性行为与内容。

常见问题

Gemini Decision 1 与传统生成式大模型在输出机制上有何区别?

与传统生成式大模型逐个 Token 解码出答案文本不同,Gemini Decision 1 不生成答案文字,而是在单次前向计算中对开发者预设的候选选项评分,返回概率和置信度分数。

Gemini Decisions API 支持哪些多模态输入及限制条件?

开发者可提交包含文本、图像、音频、视频和 PDF 的多模态输入,上限为 256K Token,并针对这份输入提出最多 1000 个相互独立的问题。

谷歌在基准测试中如何评价 Gemini Decision 1 的性能表现?

在九项关键基准中,Gemini Decision 1 在七项上取得第一,另两项落后。其中 JevBench(公开划分)为 92.2%,Amazon ESCI 的 Macro-F1 为 58.7%,New Yorker Caption(纯文本)为 79.7%。

Gemini Decision 1 的计费口径和成本优势是什么?

共享输入按每次请求计费一次,每个问题仅额外计入其自身的指令与评判标准 Token,不收取输出 Token 费用。Gemini Decision 1 的输入价格为每 100 万 Token 0.10 美元,输出 Token 费用为零,调用成本接近 Gemini 3.5 Flash-Lite 搭配 Interactions API 的五分之一。

谷歌内部如何使用 Gemini Decisions API?

Gemini Notebook 用它充当实时路由器,可让日常查询延迟最多降低 40%;Google Labs 的 CC 产品用它从超过 200 个表情选项中挑选合适的表情回应;Google Search 内部则用它构建 MCP 工具的安全检测层。

免责声明本页信息整理自互联网公开渠道,仅供资讯参考,不构成任何投资或商业决策依据;相关产品参数、企业信息可能存在滞后或误差,请以厂商官方发布为准。如内容涉及版权、准确性或侵权问题,请联系 981209856@qq.com,我们将第一时间核实处理。

傅明川

傅明川,关注大模型、算力与产业应用。

公安联网备案冀公网安备13068102000496号