谷歌决策模型 Gemini Decision 1 发布：一次评千题，Jev 独跑 57 天迎强敌（11月）

Gemini AI对话免费

🛠️

Jev AI开发免费 Pi AI编程免费 Google AI AI学习免费

11月11日，谷歌 DeepMind 上线 Gemini Decisions API，底层新模型 Gemini Decision 1 已在 Google AI Studio 可用。它不生成文本：把最多 1000 个封闭集问题连同文本、图像、音频、视频或 PDF 一起送入，单次前向推理直接返回每个候选的概率与置信度。价格 0.10 美元/百万输入 token、输出不计费，端到端延迟 150-250 毫秒。这个品类 9月15日 由 TypeSafe Jev 引爆、10月22日 OpenAI 跟进，如今谷歌入场，57 天凑齐三个玩家——但谷歌自报的漂亮成绩单里，藏着两处输给 Jev 的硬伤。

决策模型和普通大模型差在哪？

普通模型回答「这 4 个工具该调哪个」，仍要逐 token 生成工具名或 JSON；决策模型跳过解码，直接对候选项输出概率。Decision 1 提供三种题型：noul（是/否概率）、choice（2-255 个命名选项）、score（有序量规打分）——与 Jev 的三种原语一字不差。上下文 256K，共享输入只计费一次：一条 4000 token 记录挂 20 个 50 token 检查项，合并请求约 0.50 美元/千条，拆成 20 次独立调用约 8.10 美元/千条；谷歌称比走 Gemini 3.5 Flash-Lite 的通用接口便宜近 5 倍。1 题到 100 题的延迟曲线几乎持平，适合 Agent 路由、内容风控、批量文档核验这类高频小判断。

自报 7 项第一，主打场景却输给 Jev

谷歌公布的 9 项基准里，Decision 1 拿下 7 项第一：JevBench 92.2%（GPT-6 Luna 90.9%、Jev 1.14 90.0%）；最能衡量「敢不敢自动执行」的校准误差 ECE 仅 0.0250（Jev 0.0494、Luna 0.0721、Flash-Lite 0.2104）。但两处失利都在主战场：When2Call 工具调用 Jev 以 82.0% 对 79.9% 胜出，Mind2Web 多模态 86.8% 对 86.2% 险胜。第三方榜单更冷静：Artificial Analysis 的 Decision Index v2.1 综合分 65.98，略低于 Jev 的 66.23，远低于榜首 Drex Max v1.1 的 72.62；单任务延迟 211 毫秒约为 Jev 92 毫秒的 2.3 倍，定价 0.10 美元是 Jev 0.042 美元的约 2.4 倍。谷歌内部已用它做 Gemini Notebook 模型路由（日常请求延迟降 40%）和 Search 的 MCP 工具安全检查——自用落地是真的，「全面领先」暂时不是。

57 天三家对决，开发者怎么选？

时间线：Jev 9月15日 首发，几天破 100 万用户，3 周后 a16z 领投 8.7 亿美元、估值 75 亿美元（官方自称「快 193 倍、便宜 445 倍」，至今缺第三方复现）；OpenAI 10月22日 让 GPT-6 Luna 接入 Decisions API；谷歌 11月11日 入场；微软另有基于 Qwen3.5-9B 的决策评分模型。选型按任务分：海量短文本分类，Jev 更便宜、延迟更低；要音频、视频、PDF 混合输入的批量判断，Decision 1 的多模态是独门优势；已在 OpenAI 生态里的可先试 Luna。三家自报口径互有出入，建议先在自己的真实任务上跑复核再下单。

下面的信息图对比了三款决策模型在定价、延迟、基准与校准上的关键差异。