11月11日，谷歌在 AI Studio 上线了一套新的接口，叫 Gemini Decisions API，背后是一个新模型 Gemini Decision 1。它和常见的对话模型最大的区别是：不写任何一句话。给它一段文本、图片、音频、视频或者 PDF，再给它一批封闭选项，它直接返回每个选项的概率和置信度，中间不产生可读的回答。
它不写字，只给概率和置信度
接口只有三种提问方式。第一种叫 noul，判断一个是或否的条件是否成立，返回条件成立的概率，文档提醒取值在0.01到0.99之间，所以阈值设成0.99以上永远不会命中。第二种叫 choice，从2到255个候选里选一个，返回每个候选归一化之后的概率。第三种叫 score，按一条从0开始的有序评分标准打分，返回加权分以及各档位的概率。
三种方式可以在同一次请求里混着用。前面这段输入只计一次费，后面每个问题各自带上自己的指令和判定标准，按词元另算。这个计费结构解释了它的定位：便宜的部分是“读材料”，贵的部分是“提问题”，而材料只需要读一遍。
谷歌给出的适用场景是模型路由、策略检查、工具选择、上下文评分。这四件事的共同点是答案有边界，不需要文采，只需要一个能直接被程序消费的数字。过去用聊天模型做这些事，得先生成一句话，再用正则或者解析器把意思抠出来，中间每一步都可能出错。
一千个问题挤进一次请求，延迟几乎没有变
官方公布的规格里，单次请求最多可以挂1000个独立问题，上下文上限256K词元。延迟方面的数字是：模型计算的中位时间50到100毫秒，端到端150到250毫秒，适用于16000词元以内的上下文。更关键的一句是，问题数从1增加到100，延迟基本保持平稳。
这条性质决定了它能用在什么位置。凡是需要在一份长文档上反复做同类判断的场景，比如审核一份合同里上百条条款是否合规，或者对一批候选工具逐个判断能不能用，以前要么拆成上百次调用，要么让一个模型一次性输出结构化的长文本然后祈祷格式正确。现在变成一次前向计算。
当然，厂商标称的极限值不等于实测表现。256K上下文配1000个问题，是这个接口的理论上限，而谷歌自己的延迟数据是在16000词元以内测出来的。真要在这个上限附近跑，账单和耗时都需要自己压一遍再决定，尤其是当输入是一小时的会议录像或者上百页的投标文件时，词元消耗会先于准确率成为问题。
92.2%对90.0%，七个共享基准里赢下五个
谷歌的发布对比表里，Gemini Decision 1 在 JevBench 公开集上拿到92.2%，对照组的 TypeSafe Jev 1.14 是90.0%，OpenAI 的 GPT-6 Luna 是90.9%，自家的 Gemini 3.5 Flash-Lite 是86.6%。九项测试里它拿了七项第一，但对 Jev 真正共享的只有七项，其中赢五项、输两项。
输的两项不是边角料。Mind2Web 多模态上 Jev 是86.8%，Decision 1 是86.2%；When2Call 工具调用上 Jev 是82.0%，Decision 1 是79.9%。赢的五项里有两项差距不到2个百分点，PubMedQA 高1.6，Global-MMLU-Lite 高1.0。真正拉开距离的是校准误差，Decision 1 是0.0250，Jev 是0.0494，GPT-6 Luna 是0.0721，数值越低说明置信度与实际准确率越贴合。
价格上它并不便宜。七项共享测试的总花费，Decision 1 是0.88美元，Jev 是0.68美元，GPT-6 Luna 是0.93美元，Flash-Lite 是4.14美元。按每百万输入词元0.10美元算，它的单价约为 Jev 的2.38倍。谷歌在宣传里强调比自家 Flash-Lite 便宜近五倍，这个比较对象选得很聪明，但没有回答比专业选手贵这件事。
独立复测第二天就来了，语言之间开始分叉
发布第二天，也就是11月12日，TrueStandard 自己跑了一套测试：108条主张对照源文段，三次运行，四种语言，另加一项客服工单任务和一项截图阅读。结果是英文主张两家打平，都是96.3%；日文由 Gemini 胜出，98.1%对91.7%到92.6%；西班牙语由 Jev 胜出，94.4%到95.4%对88.9%；印地语两家打平，95.4%。
校准误差在独立测试里出现了反转。谷歌表里 Gemini 0.0250、Jev 0.0494，独立测试里 Gemini 是0.110，Jev 在0.079到0.086之间。也就是说，厂商自报的校准优势没有在同一套主张上复现。这不是说数据造假，而是说不同测试集上的排序本来就会变，尤其是样本只有一百多条的时侯。
对使用者来说，结论很朴素：多语言场景要先按语种分头测。一个在英文上打平、在日文上领先、在西语上落后的模型，适合做单语部署，不适合直接当全球统一网关。
决策模型这个品类，57天就迎来了第二个大厂
这类模型不算谷歌首创。TypeSafe 的 Jev 在9月15日上线，三种原语 noul、choice、score 和255个候选的上限，与谷歌这次发布的接口形状几乎一致。时间差是57天。Jev 在发布后数周内拿到75亿美元估值，a16z 领投8.7亿美元，约三分之一财富500强被列为客户。
谷歌的进入方式典型地体现了第二名的打法：不在原创性上争，在分发上压。发布当天就有八个生态集成，包括 OpenRouter、LangChain、Vercel AI SDK、LiteLLM、Pydantic AI、Pipecat、LiveKit 和 OpenCode。谷歌还公布了四个内部客户，其中 Gemini Notebook 用它把进来的查询分流到合适的模型档位和思考深度，日常请求延迟最多降低40%；搜索业务则把它当作 MCP 工具调用前的一道安全检查。
这条赛道接下来会比什么，其实已经被这次发布写清楚了。比的不是谁的基准分数高两个点，而是三件事：校准误差能不能在客户自己的数据上复现，多语言表现能不能收敛，以及一次请求里能塞下多少个真正有用的判断。前两件决定它能不能被信任，第三件决定它值不值这个价。
