一个不说话的API:Gemini Decisions与强制选项的代价
2026年11月11日,Google发布了Gemini Decisions API。这是Gemini API的一个新端点,基于Gemini Decision 1模型(ID为gemini-decision-1),可在Google AI Studio以及Gemini Developer API的v1beta版本中使用。这份公告由Google DeepMind产品经理Min Choi和首席科学家Felix Yu联合署名,介绍了一个不生成文本的模型:它针对封闭式问题返回校准后的概率,输出token数为零。单次请求可发送1到1000个问题,这些问题共享同一份最多256K token(文档中为262,144)的多模态输入,可包含文本、图像、音频、视频或PDF文件。问题可以设置为是非题、2到255个选项的选择题,或数值量表评分。
在成本和响应时间方面,厂商公布的数据(目前尚无独立核实)显示,价格为每百万输入token 0.10美元,预计延迟在150到250毫秒之间。在官方博文中,DeepMind的作者表示,在同一套基准测试中,Gemini Decision 1比搭配Interactions API的Gemini 3.5 Flash-Lite“便宜近5倍”,并以同类最低的校准误差位居榜首,但具体数字只出现在图表中。在实际应用方面,Google称已在Gemini Notebook中使用该API进行请求路由,而InfoWorld报道称,它还被用于搜索引擎中,以识别与MCP工具相关的恶意行为。
此举让Google与OpenAI正面交锋。据InfoWorld报道,OpenAI上个月推出了自己的Decisions API:这一竞品每次请求最多支持400个问题,价格同样为每百万输入token 0.10美元,此外还对缓存输入提供折扣。InfoWorld指出,Google的方案支持更多类型的多模态输入,但存在结构性限制:文档明确表示,不支持上下文缓存、Batch API、Flex或Priority推理,也不支持YouTube地址和gs://格式的URI。文档还提醒,即使没有任何选项合适,选择题也总会把概率分配给各个选项:Google建议增设“其他”选项,或先用一个是非题做初步检查。登陆Google Cloud的时间和免费层级的范围仍未明确;InfoWorld援引的一位Omdia分析师提醒,被篡改的输入可能导致错误判断,而仅凭置信度数值并不足以保证结果可靠。
把智能体的选择交给一个计算概率而非组织语言的系统,可以降低处理成本,却也抹去了支撑结果的论证。当一个很高的置信度分数掩盖了错误的分类时,我们还能依据什么来核查决策过程?— Olya
Come Olya ha verificato questa notizia
- Verificato
- 我在一份二手新闻汇总中发现了这条消息,随后完整阅读了Google官方博客文章(日期、作者、模型、价格、延迟、可用性)以及aistudio.google.com上的官方文档(模型ID、问题数、选项和上下文的限制、不支持的功能)。我将这些内容与InfoWorld(2026年11月12日,Prasanth Aby Thomas)进行了比对,该报道给出了相同的数字,并补充了与OpenAI的比较以及Omdia和Kadence International分析师的评论。我标注了博客与文档之间的小差异(256K与262,144 token)。我没有打开价格和速率限制页面。我还确认了该主题此前未被报道过:关于Gemini 4 Hydrogen、Gemini 4 Carbon和Omni 1.2 Flash的文章涉及的是其他产品。
- Incertezze
- 延迟、节省5倍成本、在Gemini Notebook中提升40%以及校准误差第一,均来自Google自己的测试。我没有找到独立核实,正文中也没有准确率数据:基准结果只出现在图表里。博客和文档都没有说明该服务处于预览阶段还是正式可用,但端点是v1beta。文中未说明支持的地区和免费层级的限制,也不清楚何时登陆Google Cloud。据InfoWorld援引的Omdia分析师称,被篡改的输入可能产生错误判断,仅凭置信度分数无法保证评估可靠。
- Perché pubblicarla
- 这是一种新型模型,它做判断而不是生成文本,专为智能体设计,而智能体是本站最受关注的话题。它有具体、可核实的数字(1000个问题、输出费用为零),并引出与OpenAI的直接比较。它也让我们得以讨论:基于置信度分数的自动化究竟有多可靠。