一句话：Gemini Decision 1 不写文章，只对摆在面前的选项打分，然后回你一个是、一个否，或者「选第几个」。据 Google 官方博客，这套 API 2026 年 11 月 11 日发布，一次前向算完，不逐 token 生成。
配套模型叫 gemini-decision-1。一次请求最多带 1,000 个问题，输入上限 262,144 token，差不多一本中篇小说的体量，塞进去一次判完，不用来回对话。下面是它到底怎么算的。
它干的事，就一件：打分
把 Decision 1 想成一个极挑剔的判卷老师。你给它一段材料，再给一张问题清单，它不写作文，只挨个勾：这题是、那题不是、这道从五个里挑第三个。
说白了，它把「回答问题」换成了「做选择题」。答案空间是封闭的——要么是，要么否，要么从一堆选项里挑一个，没有第三条路可走，也没有「我觉得还有别的可能」这种发挥空间。
三种题型，把话说死
题型只有三种。noul 是是/否，返回一个概率；choice 在 2 到 255 个选项里挑一个，给归一化概率；score 按有序量表打分。每题都附一个 0 到 1 的置信度。
三种题型基本盖住了「判断」的常见形态：要不要、选哪个、有多好。再多就没了——它不写理由，也不会帮你补一个你没列的选项。后面这件事很要紧，我先记在这里。
为什么不算文字，反而更准
划重点：生成模型写字的每一步，都是从上万个候选词里抽一个。抽样就有随机性，同一个问题问两遍，答案可能不一样。Decision 1 把这一步删了：它不算下一个词，直接对「是」和「否」两条路算概率，谁高听谁的。
据 Google 官方博客，端到端延迟 150 到 250 毫秒（16K 以内上下文）。更值钱的是另一句：问题数从 1 涨到 100，性能几乎不变。
我的判断：这才是它跟聊天模型最根本的分野。生成模型是「一个问题一次调用」，10 个问题就是 10 次；决策模型是「100 个问题共用一次前向」，材料只读一遍。前者按字收费，后者按判断收费。
还有个副作用：因为没有解码采样，同一个输入跑两遍，输出是稳定的。生成模型做不到这点，温度调再低也可能抖；拿它做规则校验，这种抖很要命，你会分不清是规则变了还是模型抽风。
定价：$0.10 一百万 token
据 Google 官方博客，输入 $0.10/百万 token，输出不计费——因为它根本没有输出 token。同一套基准上，它比 Gemini 3.5 Flash-Lite 配 Interactions API 便宜近 5 倍。
这里要较真：便宜 5 倍不是把单价砍下去，是架构省出来的。老做法让模型把思考和答案一起吐，思考 token 照样按输出收钱；Decision 1 没有思考过程可吐，只算一次概率。
所以别把它当「更便宜的小模型」。它是换了计价单位：按判断次数付钱，不按字数付钱。用量大的业务，这两种账会越算越不像，规模越大差得越离谱。
置信度那栏，比准确率有用
每题返回的 0 到 1 置信度，是这套 API 里最容易忽略、也最该用起来的一栏。0.93 和 0.51 都是「是」，含义完全不同：前者能直接放行，后者说明模型自己在犹豫。
用法很直接：设个阈值，比如 0.8，低于阈值的全部转人工，或者转给贵模型复核。成本曲线于是从一条直线变成一条你能自己调的斜线——要 95% 的自动化率还是要 99% 的准确率，旋钮在你手上。
说白了，它把「我有多确定」做成了一个可读字段。以前的模型也会不确定，但它不确定的时候，照样用同样自信的语气写完一整段，你只能靠猜。
对 Agent 架构意味着什么
现在一个 Agent 干活，要用主模型做一堆小决定：这轮该调哪个工具、上下文够不够、该走规则还是走模型。每个小决定都是一次完整调用，token 和延迟都花在判断上。
拆出来之后架构清爽了：贵模型负责它真擅长的生成和规划，判断的小活交给 Decision 1。据 VentureBeat 报道，它的落地场景就是工具选择、策略与规则校验、模型路由、上下文质量分级。
模型路由是最典型的用法。用户一句话进来，先判它该走便宜的小模型还是贵的旗舰，一次判断一百多毫秒、成本不到一分钱；判错代价也小，置信度低就上浮一档。比让旗舰模型先通读一遍再决定便宜太多。
集成铺得不慢：OpenRouter、LangChain、Vercel、LiteLLM、Pydantic AI、Pipecat、LiveKit、OpenCode 都已接上。文本、图片、音频、视频、PDF 能塞进同一个输入。
一个具体例子。据 VentureBeat 报道，语音框架 Pipecat 1.16 新增的 PerceptionReader 用 Decision 1 判断说话人的韵律、语气和讽刺。语音 Agent 以前普遍缺这一维：它听得清你说什么，听不出你在阴阳怪气。
不是它一家在做
OpenAI 有 Decisions API，配 GPT-6 Luna；Amazon 有 Strands Decider；TypeSafe 出了 Jev。据 VentureBeat 报道，Perplexity 把 Decider v1.3 和 Decider Flash v1.3 直接开源，权重挂在 HuggingFace，OpenRouter 免费一周，还加了 locate 能力。
竞争一来，schema 会互相抄齐。我的判断：半年之内，「决策模型」会从新品类变成基础设施的一层，像当年的 embedding 接口，谁都得有，但先做的那家定规矩。
但这里有个前提
第一刀是闭集。它只能在已经列好的选项里挑。选项没列全，它判得再准也是错，而且错得毫无察觉——它不会告诉你「这里缺一个更好的答案」。
举个具体的：工具清单漏了那个真该用的工具，它不会喊缺，只会从剩下的里挑个最像的，还回你 0.88 的置信度。你看到 0.88，以为稳了，其实从第一步就歪了。
第二刀是校准。置信度这栏只有校准做得好才有意义。如果它说 0.9 的判断实际只对七成，那这个数字就是假精确：你按 0.9 设阈值，等于把一堆错判放了过去。
上新业务前，先拿几百条真实样本画一条校准曲线，看它说 0.9 的时候到底准几成。这一步省不了，省了就等于把方向盘直接交出去，出事还找不到原因。
第三刀：它只回答你问的。问题含糊，答案照样干净利落，看不出毛病在哪。判断题的输入设计比调 prompt 更要紧，这活最后还是人的。
所以它省的是「判断」的钱，不是「想清楚该判断什么」的钱。前者能自动化，后者暂时还得靠人，这也是我反复说选项和提问要紧的原因。
顺便答三个问题
问：这东西能替掉我现在的模型吗？答：替不掉。它只回选项，不生成内容。写文案、改代码、做总结还得靠生成模型，它是插在旁边专门判是非的那一层。
问：一千个问题一次发，会不会判串了？答：据 Google 官方博客，问题数从 1 到 100 性能几乎不变，每题独立算概率、独立给置信度，按返回顺序对回去就行。
问：置信度低就一定是难题吗？答：不一定。它也可能只是被措辞绕晕了。低置信度先别急着升级大模型，把问题重写清楚再问一遍，往往更划算。
