谷歌正式加入决策模型这一新兴类别,推出名为 Gemini Decision 1 的新模型 API。此举意味着它成为继 Jev 和 OpenAI 之后第三家提供专门“决策”接口的主要厂商。所谓决策模型,是指不生成自由文本,而是针对具体判断问题返回结构化答案的模型服务。
Gemini Decision 1 的接口设计与 Jev 高度相似,支持同样三种问题类型:是/否判断、多选项选择,以及基于评分标准的打分。它甚至沿用了 Jev 为是/否问题创造的术语“Noul”,显示出这一品类的接口规范正在快速趋同。
价格方面,Gemini Decision 1 与 GPT-6 Luna 决策模型持平:每百万输入 token 收费 10 美分,输出不额外计费。三家中 Jev 仍是最便宜的选择,价格为每百万 token 4.2 美分。
各家的差异主要体现在模态覆盖上。Jev 目前仅支持文本和 JSON 输入,OpenAI 的决策模型可处理文本与图像,而 Gemini Decision 1 则实现了完整的多模态支持,能够接收文本、图像、音频、视频和 PDF 文件。
为了验证视频理解能力,Simon Willison 用其“Yonkers 踩踏机器人”视频文件向 Gemini Decision 1 提出了四个是/否问题:视频中是否有龙、是否有机器人、场景是否设在法国、场景是否在美国。
与 Jev 和 OpenAI 在是/否问题上直接返回 1.0 或 0.0 不同,Gemini 给出的是一组概率值。测试结果显示,模型对“有机器人”给出 0.9234 的概率,对“场景在美国”给出 0.9230,对“有龙”仅给出 0.0498,对“场景在法国”给出 0.0833。这种输出方式保留了模型的不确定性,而非强行给出二元结论。
该消息通过 Hacker News 传播,并被 Simon Willison 收录于其 2026 年 11 月 11 日的链接博客中,相关讨论涉及 AI、生成式 AI、Gemini、LLM 发布、Jev 以及决策模型等话题。