谷歌 Gemini Decision 1 上线，九测七项第一

图片来源：InfoQ 中文

2026 年 11 月 12 日，Google 专为封闭选项决策设计的模型 Gemini Decision 1 正式开放 API。据 InfoQ 中文当晚 19:00 的报道，这款被其称作“谷歌首款决策模型”的新品，通过单次前向传播完成评分，在 9 项测试中拿下 7 项第一，准确率最高达 92.2%，成本约为 Flash-Lite 的五分之一。

示意图：从封闭选项提问到单次评分的决策模型流程（AI 生成，依据 InfoQ 中文与 Simon Willison 博客报道绘制）

只做选择题的模型

InfoQ 中文将其定位为“专为封闭选项决策设计”：不写文章、不生成代码，只在给定选项内输出判断。据 Simon Willison 当日 06:03 的报道，其 API 与此前的 Jev 几乎一致，接受三类问题——是/否判断、选项挑选、按评分细则（rubric）打分，甚至沿用了 Jev 的术语“Noul”指代是/否问题。Google 没有另起炉灶，而是把一套已获验证的决策接口装进了自己的多模态底座。

图片来源：InfoQ 中文

9 项测试 7 项第一

成绩单来自 InfoQ 中文：9 项测试 7 项第一，准确率最高 92.2%，成本约为 Flash-Lite 的五分之一。Willison 补充了价格细节：Gemini Decision 1 与 OpenAI 的 GPT-6 Luna 决策模型定价持平，每百万输入 token 10 美分，输出免费；三者中最便宜的仍是 Jev，每百万 4.2 美分。

他在实测中发现一个细节：Jev 与 OpenAI 对是/否问题只返回 1.0 或 0.0，Gemini Decision 1 则坚持给出一个不那么笃定的概率。他向模型同时抛出关于一段视频的四个问题，返回是这样：

{"dragon": {"type": "yes_no", "probability": 0.04976021841520312}, "robot": {"type": "yes_no", "probability": 0.9234055387792485}}

视频里有龙的概率约 5%，有机器人的概率约 92%。模型没有替人拍板，它把犹豫明码标了价。

示意图：9 项测试 7 项第一、准确率最高 92.2%、成本约为 Flash-Lite 五分之一（AI 生成，依据 InfoQ 中文报道数据）

图片来源：InfoQ 中文

输入全模态，输出免费

三个对手在输入端泾渭分明。据 Willison 的对比：Jev 只认文本和 JSON；OpenAI 决策模型支持文本与图像；Gemini Decision 1 一步到位——文本、图像、音频、视频、PDF 照单全收。他把那段“Yonkers 跺脚机器人”视频连同四个问题一次性递入模型：视频里有龙吗？有机器人吗？场景在法国吗？在美国吗？返回四个概率值：龙 0.0498、机器人 0.9234、法国 0.0833、美国 0.9230。输出端完全免费。

示意图：三家决策模型输入模态对比——Jev 仅文本、OpenAI 文本与图像、Gemini Decision 1 全模态（AI 生成，依据 Simon Willison 博客报道）

把“选择”从对话里拆出来

从 Kevin Kelly 的演化视角看，这几乎是必然：语言模型负责生成，决策模型负责判断，技术像生命体一样分化出专门的器官。Jev 在 9 月、OpenAI 决策模型在 10 月、Gemini Decision 1 在 11 月——三个月三次落子，“判断”正被压成一次前向传播，像此前的检索与翻译一样，从昂贵的心智劳动变成廉价的工具调用。

换成 Steve Jobs 的尺度，问题落在那个 0.9234 上：当模型连“是不是”都替人回答，人还剩什么？答案是出题。选项由谁划定、评分细则写给谁看、哪些问题根本不该问——这些只能由人承担。判断可以外包，出题不能。

把答案交给模型，把问题留给人——这场竞赛真正的胜负手，不在 92.2%，而在题目本身。