谷歌于11月11日发布 Gemini Decisions API，由新模型 Gemini Decision 1（gemini-decision-1）驱动，可在单次前向传播中对文本、图像、音频、视频及 PDF 输入（最高256K token）同时评估最多1000个独立问题，涵盖是非判断、多选（2-255个选项）和有序评分量表三类题型。与传统大模型逐 token 生成答案不同，该模型直接对候选选项进行评分，端到端延迟仅150-250毫秒，定价为每百万输入 token 0.10美元且不计输出 token 费用，在共享基准测试上比 Gemini 3.5 Flash-Lite 配合 Interactions API 便宜近5倍。每个答案附带0到1的置信度分数，便于开发者将模糊案例路由到兜底逻辑或人工审核，官方称其在 Agent 路由、推理、排序和多模态理解基准上校准误差最低。谷歌内部已将其用作低延迟控制平面：Notebook 借助它做动态模型路由，日常查询延迟降低达40%；Stitch 用它在数秒内生成可交互线框；Google 搜索则用它为 MCP 工具构建对抗性安全检测层。开发者可在 Google AI Studio 获取 API 密钥，支持 Python、JavaScript 和 REST，且有免费额度可用于原型开发，OpenRouter、LangChain、Vercel、LiteLLM 等生态集成同步推出。
事件分析
Gemini Decision 1 的核心创新在于放弃自回归逐 token 生成范式，改为单次前向传播直接输出选项概率，本质上是将传统机器学习的分类任务重新封装进大模型原生多模态架构。封闭集判定恰好是 Agent 编排中最频繁、对延迟最敏感的环节——工具选择、模型路由、策略校验——谷歌将其产品化为独立 API，意在占领智能体基础设施的控制平面。校准误差最低这一指标尤其值得关注，生产系统中置信度的可靠性直接决定降级与人工兜底策略能否落地。定价上零输出 token 计费打破了按生成量计费的传统逻辑，可能引发竞品跟进，OpenAI、Anthropic 或将推出类似专用判定端点，推动推理架构走向生成与判别分工的双轨体系。其局限在于仅适用于封闭集任务，无法替代开放式生成，更可能是大模型的补充而非替代，后续值得观察其在复杂多跳推理场景中的表现边界。
核心观点：当模型学会"只判断、不生成"，AI 推理正走向专用分工，谷歌借决策 API 抢占 Agent 控制平面基础设施。
原文链接：Hacker News
