不聊天、只拍板：谷歌把"判断"做成了免费API
11月11日，谷歌在 Google AI Studio 上线 Gemini Decisions API，为它背书的是全新模型 Gemini Decision 1。就在同一天，CEO 桑达尔·皮查伊在 X 上亲自发文介绍：与传统模型逐个 Token 生成文本不同，这款模型专为封闭选项集中的决策任务设计，可以在单次处理过程中，对文本、图像、音频、视频以及 PDF 中的最多 1000 个问题进行评分。整个 AI 行业比拼了两年"谁能生成更多内容"之后，谷歌第一次把产品重心明确押在了"拍板"这件事上。
值得注意的是，这次发布并没有伴随外界期待已久的 Gemini 4 Hydrogen 等旗舰模型亮相，谷歌选择把"决策"这一垂直能力单独做成产品，且直接把输出 Token 的价格打到零。这个动作本身就是一个信号：当智能体开始接管真实工作流，行业终于承认，大量高频任务需要的不是更华丽的表达，而是一个更快、更便宜、且清楚自己有几成把握的"是或否"。
把"判断"从"生成"里拆出来
过去，如果开发者想让 AI 判断一封邮件是不是垃圾邮件，或者决定某项任务应该交给哪个 Agent，往往需要调用生成式大模型，再看模型逐字生成一段话，最后从文本里提取结论。Gemini Decision 1 省掉了逐字解码的环节：开发者提供输入内容、待判断的问题和候选选项，模型跑一次前向计算，直接返回判断结果、每个选项的概率以及 0 到 1 之间的置信度分数。对本来只需要一个分类、评分或选择结果的任务来说，AI 不必再完成一整套文本生成流程。
在判断形式上，它支持三类方式在同一次请求中混用：是非判断、最多 255 个候选项的多项选择，以及基于有序评分标准的打分。开发者可以依据置信度设计处理规则——模型没把握时交给备用模型，或者转人工审核。多模态是另一个重点：通话录音可以连同账户信息一起分析，PDF 保险理赔文件可以配上现场受损照片做判断，图像和视频的分辨率还能手动调节，在视觉细节与 Token 开销之间找平衡。单次请求最高支持 256K Token 输入，最多挂 1000 个互不相干的问题。
50 毫秒出结果，输出 Token 不要钱
速度与价格是这款模型最直接的卖点。在最多 16K Token 的多模态输入场景下，Gemini Decision 1 的中位模型计算延迟为 50 至 100 毫秒，端到端延迟为 150 至 250 毫秒；当单次请求的问题数量从 1 个增加到 100 个，响应延迟基本保持稳定。价格上，每百万输入 Token 收费 0.1 美元，输出 Token 完全免费，额外的思考 Token 费用不收，单独的语音转写和 OCR 识别也不另收费。由于同一请求中的共享输入只计费一次，增加判断问题时只需支付各问题指令与评估标准的 Token 成本。谷歌给出的对比是：其成本约为 Gemini 3.5 Flash-Lite 经由 Interactions API 调用的五分之一。
免费额度已经开放：每分钟最多 200 次请求、每天最多 1 万次，供开发者在 AI Studio 里做原型。个人开发者莱西亚·卡普利尤克用免费密钥做了 54 次调用实测：30 条客服工单全部正确分配到对应团队，覆盖乌克兰语、德语、西班牙语等 8 项多语言任务也全部答对；批量处理 100 个判断问题仅耗时 0.41 秒。但实测也暴露了短板——当输入内容不符合预设分类条件时，模型会把异常输入强行归入已有类别，直到开发者加入"其他"兜底选项才纠正。置信度给得再准，也救不回一张没设计好的选项表。
Jev 带火之后，OpenAI、微软、谷歌全部到齐
决策模型这条赛道是今年 9 月由 Jev 带火的：不聊天，只做判断，用户给一段内容再配上是非题、选择题或打分题，它直接返回答案和把握。10 月，OpenAI 的 Decisions API 刚转正，微软也推出了 Microsoft-Decision-1，如今谷歌亲自下场，三家大厂全部到齐。在谷歌自己发布的横向对比中，Gemini Decision 1 与 Jev 1.14、OpenAI Decisions API 同台，共 9 项评测拿下 7 项最高分，即便在以 Jev 命名的 JevBench 上也高出 2.2 个百分点，校准误差同样是参测 API 中最低；音频和视频两项决策，目前只有它交出了成绩。
不过换成第三方视角是另一个故事：在 Artificial Analysis 的决策指数上，Gemini Decision 1 综合得分 66，与 Jev 1.14 打成平手，超过 OpenAI 和微软的决策模型，但前面还站着一众大佬。大厂扎堆的背后是智能体时代的真实工作量——路由、审核、排序、工具选择、上下文质量评估，这类"拍板"动作远比"写作"频繁，用生成模型干这些事，又慢又贵，还会伴生不必要的幻觉。网友的评价两极分化：有人直言"炒了这么久，结果就这"，也有人承认会拿它做路由，"只为回答是或否就让聊天模型专门生成一整段话，一直让我觉得有些大材小用"。
谷歌自己先用起来：Notebook、Stitch 和搜索安全层
这款 API 并非只面向外部开发者。谷歌内部，Gemini Notebook、Stitch 等多个产品已经接入 Decisions API，把它当作低延迟的决策控制层；皮查伊演示的 Stitch Rapid，可以在几秒钟内设计完整的产品流程。对开发者而言，预先定义好判断选项，模型就能完成任务分配，不必额外训练专用分类器，也不用等生成式模型输出完整答案。
更值得关注的是谷歌搜索的用法：Decisions API 被用作模型上下文协议（MCP）工具的安全防护层，用来识别对抗性行为和相关内容，同时把检测效果控制在可接受的响应延迟内。当"判断"本身成为产品体验的一部分，谷歌把这项能力做成按量计费的基础设施，反哺的是自家智能体生态的调度效率——这也是它与 Jev 等创业公司竞争时最大的底气。
判断力本身成了稀缺品：数据工厂估值 200 亿美元
模型越来越会判断，但"判断得对不对"的标准却越来越贵。本周，美国 AI 训练数据公司 Mercor 宣布获得 7.5 亿美元 D 轮融资，英伟达、Zoom 以及 Benchmark 等参投，投后估值达 200 亿美元（约合人民币 1343 亿元），较一年前 C 轮后的 100 亿美元翻倍。这家 2023 年由三名 00 后辍学创立的公司，专家网络覆盖超过 500 万人，OpenAI、Anthropic 等全球前五大 AI 实验室都是其客户；参投方 Sapphire Ventures 披露，Mercor 年化总收入已突破 20 亿美元，并产生正自由现金流。联合创始人兼联席 CEO 布伦丹·福迪透露，公司运行 AI 模型的推理支出已达到员工薪资的三倍，但 AI 改善团队产出带来的收益足以覆盖这笔投入。
与此呼应的是另一则让人清醒的行业报道：针对 Codex、Claude Code 等前沿 Coding Agent 的测试研究发现，它们编写测试的能力集体跟不上写代码的速度，AI 代码合格率被高估一倍。一边是决策模型把"拍板"做得更快、更便宜，一边是评测与后训练数据卖出 200 亿美元估值——AI 竞争的重心，正在从"会不会生成"转向"凭什么相信"。公开网络数据覆盖不了法律、金融等领域的实操经验，专业人士的判断力，恰恰是训练下一代模型最贵的原料。
冷静看：免费输出不是慈善
输出免费背后有清晰的成本逻辑：判断任务不生成答案 Token，输入还能在单次请求的上千个问题之间共享计费，规模越大越划算。但这门生意要长成独立品类，还有几道坎。其一，决策模型的能力上限受选项设计质量制约，强行归类这类缺陷需要开发者用工程手段兜底；其二，第三方评测中它尚未与 Jev 拉开差距，音视频决策的独占优势能保持多久仍是未知数；其三，当 OpenAI、微软、谷歌都把决策能力内置进自家生态，第三方开发者是否愿意为一项"不生成内容"的能力单独付费，还需要市场给出答案。
可以确定的是趋势本身：从生成到判断，AI 行业的计价单位正在悄悄换轨。当智能体开始替人做决策，衡量模型的指标就不再只是跑了多少分，而是每一次拍板有多快、多便宜、多有把握。谷歌这次把答案写在了 API 的价目表上——输入 0.1 美元一百万 Token，输出免费。
暂无评论内容