谷歌正式推出专门做闭集判断的首款决策模型 Gemini Decision 1，主打快速多模态打分、概率判断，在 9 项专门的决策类基准测试里拿下 7 个第一名，JevBench 测试拿到最高 92.2% 准确率，它和普通生成式大模型不一样，不逐字输出长文本，一次前向计算就能批量处理上千条判断，自带置信概率，延迟低、调用成本便宜，适合放在 AI 智能体、风控审核、内容质检的底层做判断组件，不过它只适合固定选项的判断任务，不适合自由创作、开放式问答这类需要生成长内容的场景。下面从模型核心能力、基准成绩、定价参数、适用场景、上手使用方式、和普通 Gemini 模型差异分开讲清楚。
一、Gemini Decision 1 核心能力清单
- 三类基础决策输出
- 二元判断（Yes/No）：合规筛查、风险判定、是否命中规则，附带置信概率
- 多选打分：从多个候选里面挑最优项，最多支持 255 个选项
- 标准化评分：按照给定评分标准给内容、图片、视频打分评级
- 多模态统一输入
- 批量并发判断
- 输出形式特殊
- 低延迟特性
支持文本、图片、音频、视频、PDF 混合输入，单请求最大 256K Token 上下文，一份素材一次性批量跑大量判断问题。
一次 API 请求可以同时提交最多 1000 个独立判断问题，素材只计费一次，不会因为提问数量变多而重复扣素材 Token，延迟基本不随问题数量上涨。
不做自然语言续写，直接返回每个选项的概率、置信度，输出结构化 JSON，方便程序直接读取、做分支逻辑，不需要解析长文本。
端到端延迟稳定在 150–250 毫秒，适合对响应速度要求高的线上推理链路。
二、基准测试对比表
| 测试基准 | Gemini Decision 1 | GPT-6 Luna | TypeSafe Jev 1.14 | Gemini 3.5 Flash-Lite |
|---|---|---|---|---|
| JevBench | 92.2% | 90.9% | 90.0% | 86.6% |
| Amazon ESCI | 58.7% | 54.7% | 52.7% | 47.2% |
| New Yorker Caption | 86.2% | 81.7% | 79.4% | 73.7% |
| PubMedQA | 79.6% | 77.8% | 76.1% | 70.1% |
| 其他 4 项基准 | 7 项第一 | 部分领先 | 部分领先 | 整体落后 |
谷歌一共设置 9 项决策相关基准，Gemini Decision 1 拿下 7 项第一，概率校准误差也是这批模型里最低的，剩下两项由竞品领先。
三、收费标准
- 计费规则：只收输入 Token 费用，输出 Token 免费
- 单价：0.1 美元 / 100 万输入 Token
- 成本对比：同等任务场景，调用成本大约只有 Gemini 3.5 Flash-Lite 的五分之一
- 入口：通过 Gemini Decisions API 调用，在 Google AI Studio 可以直接获取密钥开发
四、适合落地的场景
- AI 智能体路由与工具选择
- 内容合规、安全风控
- 理赔、单据质检
- 检索排序、内容打分
- 模型调度分流
Agent 拿到用户请求之后，交给 Decision 1 判断该调用哪个工具、要不要转大模型、要不要重试，实现智能体内部快速分支。
批量审核图片、视频、聊天记录、PDF 单据，判断是否违规、是否属于风险内容，返回置信分做二次人工复核。
理赔照片 + PDF 材料一起输入，判断材料是否齐全、损伤是否符合理赔条件。
对搜索结果、召回内容做相关性打分，过滤低质量上下文。
判断用户问题复杂度，简单问题直接交给小模型，复杂问题路由到更强的生成模型。
五、它和普通 Gemini 生成模型的关键区别
- 普通 Gemini：擅长开放式问答、写文案、写代码、长文本生成，逐 Token 输出文字，延迟更高、成本更高。
- Gemini Decision 1：专门做封闭选项判断、打分、合规校验，不擅长自由文本创作，输出是概率和置信分，主打低成本、低延迟、批量判断。
六、接入上手步骤
第一步：打开 Google AI Studio，获取 Gemini API 密钥，选择 Decisions 接口端点。
第二步：准备多模态素材（图片、PDF、视频、文本），同时定义好所有要判断的问题、候选选项。
第三步：一次请求上传素材 + 最多 1000 条判断指令，发起调用。
第四步：拿到结构化概率结果，业务代码根据置信阈值执行分流、放行、拦截、转人工逻辑。
第五步：线上压测时，调整图片分辨率、精简输入内容，控制 Token 消耗进一步降本。
【相关 FAQ】
问题 1：谷歌 Gemini Decision 1 是什么模型，9 项测试 7 项第一是什么意思？
回答 1：Gemini Decision 1 是谷歌首款专门面向闭集判断的决策模型，谷歌一共用 9 项决策类基准做对比测试，它拿下 7 项第一，在 JevBench 上最高准确率 92.2%，它不是用来写文章的生成模型，核心作用是批量做是非判断、选项打分。
问题 2：Gemini Decision 1 可以用来写文案、做开放式问答吗？
回答 2：不适合，Gemini Decision 1 定位是决策打分组件，只能做预设选项、固定标准的判断任务，不支持自由的开放式创作、长文本生成，这类需求还是要用普通 Gemini 生成模型。
问题 3：调用 Gemini Decision 1 的时候，一次最多可以提交多少条判断问题？
回答 3：一次 API 请求，同一份多模态素材下最多可以提交 1000 个独立判断问题，素材只计费一次，不会因为判断问题变多重复收取素材 Token 费用。
问题 4：Gemini Decision 1 的收费方式和普通 Gemini 模型有什么不一样？
回答 4：Gemini Decision 1 只收取输入 Token 费用，输出 Token 不扣费，单价 0.1 美元每百万输入 Token，同等决策任务成本大约是 Gemini 3.5 Flash-Lite 的五分之一，性价比更高。
【参考资料】
[2026-11-12]（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%）36 氪
[2026-11-12]（Gemini Decisions API：快速多模态决策接口上线）IT 之家
[2026-11-11]（Gemini Decisions API: Fast multimodal decisions）Google 官方博客
[2026-11-12]（Gemini Decision 1 基准成绩对比，决策赛道新 SOTA）新浪财经
【免责声明】
- Gemini Decision 1 的基准成绩、定价、延迟参数来源于谷歌官方博客与公开媒体报道，性能、价格、接口能力后续谷歌可能调整，一切以 Google AI Studio 控制台和官方文档为准。
- 该模型只适合闭集规则判断，不具备开放式生成能力，AI 给出的风险、合规判定结果仅作为辅助参考，高风险业务（金融理赔、安全审核）必须搭配人工复核流程。
- 模型支持的多模态输入、单次最大问题数量、Token 上限，受接口版本、地区访问策略限制，国内开发者访问 Google API 需要自行遵守当地网络与合规相关规定。
- 文中成本对比为谷歌公开测试集场景下的估算结果，真实业务 Token 消耗、成本会受素材分辨率、输入长度影响。