产品简介
Gemini Decision 1 是 Google 于 2026 年 11 月 11 日发布的首个决策模型，配一套新的 Gemini Decisions API，在 Gemini API 与 Google AI Studio 提供，模型 ID 就是 gemini-decision-1。
它的做法和对话模型不一样。你不让它写一段话，而是给它一份多模态输入，再给它一批必须有确定答案的问题，它返回每个问题的概率与置信度。问题分三类，可以在同一次请求里混着发。noul 是是非题，估计某个条件成立的概率，可以附上真和假各自的判定标准；choice 是选择题，从 2 到 255 个选项里挑，返回获胜项和全部候选的归一化概率；score 是按有序评分标准打分，从 0 开始，返回连续加权分数和各档位概率。单次请求最多 1000 个独立问题，输入上限 256K token，文本、图像、音频、视频与 PDF 都可以直接塞进去。
延迟是它主打的卖点。官方给的数字是端到端 150 到 250 毫秒，其中模型计算中位数 50 到 100 毫秒，这个区间对应的测试条件是 16K token 以内的上下文。更值得注意的是问题的数量对延迟几乎没有影响，从 1 个问题加到 100 个问题，延迟基本平着走。原因在于它没有把问题逐个展开成生成任务，判定是在一次前向里完成的。
价格结构是这套设计的目的所在。输入每百万 token 0.10 美元，输出完全不计费。共享的那份输入每次请求只计一次费用，与问题数量无关，每个问题只额外计入它自己的指令与标准那点 token。官方明确说没有输出 token 费用，没有可变的 thinking token 费用，也没有单独的音频转写与 OCR 费用。AI Studio 里有免费层可以先用。
官方对它能力的说法是，在覆盖 agent 路由、推理、排序与多模态理解四类任务的共享基准上，全面领先，且校准误差最低；相比 Gemini 3.5 Flash-Lite 配 Interactions API 的做法，在同一套基准上便宜接近 5 倍。这里的省钱不是单价便宜，而是同一份输入只算一次、输出不计费，把批量判定里最贵的那部分削掉了。
内部落地的例子更直观。Gemini Notebook 用它做实时意图路由，先花几毫秒判断这是日常查询还是复杂任务，日常的直接走轻路径，复杂的再交给深度推理模型，官方说日常查询延迟因此降低最多 40%。这个用法基本就是这类模型的模板：它不产生最终答案，只决定接下来的路怎么走。
第三方评测目前只有一个数字。Artificial Analysis 在 Decision Index v2.1 上给它 66 分，没有和别家横向比较，所以这个分数只适合当作自家榜单的定位参考，不宜当成跨模型排名。
生态铺得比较快，发布当天 OpenRouter 就能调，LangChain、Vercel、LiteLLM、Pydantic AI、Pipecat、LiveKit、OpenCode 与 google-genai SDK 都已接入。Gemini in Google Cloud 的支持标为即将推出，需要通过表单登记，这是目前唯一还需要排队的地方。
用之前要明确一件事：它返回的是概率，不是结论。阈值定在哪里、多少个选项算合格、评分标准怎么分档，这些得你自己设计。它把执行成本压到很低，判断标准仍然属于你。
核心功能
- 三类问题混在一次请求里：是非题返回成立概率并可附真假判定标准；选择题从 2 到 255 个选项里返回获胜项与全部候选的归一化概率；量表题按有序标准返回连续加权分数与各档位概率。三类可同时提交。
- 单请求 1000 个问题：一次最多提交 1000 个独立问题，从 1 个加到 100 个延迟几乎不变，把逐条判断改造成一次调用，省掉循环与重试。
- 输出不计费：输入每百万 token 0.10 美元，输出为零。共享输入每请求只计一次，每个问题只额外计入自身指令与标准，没有 thinking token 与单独的转写、OCR 费用。
- 原生多模态输入：文本、图像、音频、视频与 PDF 可混在同一份输入里，上限 256K token，判定可以直接建在原始素材上，不必先做一轮转写或识别。
- 低延迟：端到端 150 到 250 毫秒，模型计算中位数 50 到 100 毫秒，测试条件为 16K token 以内上下文。
- 校准概率与置信度：每个答案都带概率与置信度分数，可以按阈值分流，也可以把置信度低的样本转人工，不必强行二值化。
- 发布即接入主流框架：OpenRouter 首日可调，LangChain、Vercel、LiteLLM、Pydantic AI、Pipecat、LiveKit、OpenCode 与 google-genai SDK 均已支持。
- AI Studio 免费层：可在 Google AI Studio 用免费额度做原型，正式跑量再切付费。Gemini in Google Cloud 的支持标为即将推出，需登记。
适合谁用
以下类型的用户会特别受益于 Gemini Decision 1：
- 智能体前置路由，先判意图再决定交给哪个模型
- 内容审核与合规检查，成百上千条标准一次过
- 申请与表单的资格初筛
- 候选排序与匹配打分
- 多模态素材的批量标注与评级
- 客服工单分类与优先级判定
- 评测集自动打分，按评分标准返回档位概率
优点亮点
- 输出 token 不计费、共享输入每请求只算一次，批量判定的成本压到每百万输入 0.1 美元
- 单次最多 1000 个问题，且从 1 问到 100 问延迟几乎不变，适合把逐条判断改造成一次调用
- 是非、多选、量表三类问题能在同一请求里混发，不必拆成多次调用
- 原生接受图像、音频、视频与 PDF，判定可直接建在原始素材上
- 返回校准概率与置信度，可按阈值分流或把低置信样本转人工
- 首发即接入 OpenRouter、LangChain、Vercel 等主流框架，接入成本低
价格与方案
输入每百万 token 0.10 美元，输出不计费。共享输入每次请求只计一次，与问题数量无关，每个问题仅额外计入自身指令与标准 token。无输出 token 费用、无 thinking token 费用、无单独的音频转写与 OCR 费用。Google AI Studio 提供免费层用于原型。Gemini in Google Cloud 支持即将推出，需通过表单登记。
总结与建议
决策模型是把判断从生成里拆出来的一类端点：不逐 token 写答案，而是对一批封闭问题一次性返回概率。Gemini Decision 1 把这件事的账算得很清楚，输出不计费，共享输入每请求只算一次，一次能塞 1000 个问题，延迟还压在 150 到 250 毫秒。它适合的场景是工作流里那些需要判一下但不需要解释的环节，比如路由、初筛、排序与合规检查。要看清的是它不能替你做判断标准，题目和评分档位仍得你自己写好。
版本演进
- Gemini Decision 1 与 Decisions API 发布 （2026-11-11）：Google 在 Gemini API 与 AI Studio 推出首个决策模型 Gemini Decision 1（gemini-decision-1）及 Decisions API。单次请求最多 1000 个问题，支持是非、多选（最多 255 个选项）与量表打分三类，输入上限 256K token，原生接受文本、图像、音频、视频与 PDF，端到端延迟 150 到 250 毫秒。定价输入每百万 token 0.10 美元、输出免费。官方称在 agent 路由、推理、排序与多模态理解的共享基准上全面领先且校准误差最低，比 Gemini 3.5 Flash-Lite 配 Interactions API 便宜接近 5 倍。Gemini Notebook 用它做实时路由后日常查询延迟降低最多 40%。Artificial Analysis 在 Decision Index v2.1 给出 66 分。