LONG AI
首页 › 博客 › 谷歌 Gemini Decision 1:一次判千题,输出免费

谷歌 Gemini Decision 1:一次判千题,输出免费

分类:行业资讯 · 20 分钟 · 2026-11-12

本栏目每天汇总近 1–2 天全球新发布 / 新开源的大模型与重要行业动态,信息来自官方公告与多家媒体交叉核验;性能数据区分「官方口径」与「已复测 / 第三方实测」,没复测的明确标注。配图为原创示意插画。

蓝白扁平插画:一个白色小机器人站在由许多空白卡片组成的巨大格栅墙前,只有一张卡片亮成深蓝,细蓝光线从机器人头部射向周围几块卡片
不把答案说出来,只在给定的格子里挑一个——决策模型干的就是这件事(示意插画)

今日最重磅:谷歌做了个「只判断、不写字」的模型,输出一分钱不收

11 月 11 日(美东周三),谷歌发布 Gemini Decision 1,同时上线由它驱动的 Gemini Decisions API,入口在 Google AI Studio。CEO 桑达尔·皮柴在 X 上亲自站台。

先把它和「大模型」的区别说清楚,这决定你怎么用。普通大模型是逐字往外写,写完你再从一段话里抠出你要的那个结论;Gemini Decision 1 一个字都不写,它在一次前向传播里给预先摆好的候选答案打分,直接返回结果、概率和 0 到 1 之间的置信度。说白了:它不负责说,只负责选。

三个硬数字先摆出来:一次最多判 1000 个问题、输入包最高 256K Token(262,144)、每百万输入 Token 收 0.10 美元(约 0.67 元人民币),输出完全免费。官方说这个价约为 Gemini 3.5 Flash-Lite 的五分之一。

三种题型是原生支持的:是 / 否判断;多选(2 到 255 个选项);按评分标准或有序量表打分。输入包可以把文本、图片、音频、视频、PDF 混在一起塞进去——比如一通电话录音配账户数据,或者一份扫描版理赔单配损坏照片。图片和视频的分辨率还能自己调,用来在「看清细节」和「省 Token」之间取舍。

省钱的方式值得单独说一下,因为这是它最实用的地方。同一份输入包只按一次计费,每个问题只额外算它自己那几十个 Token 的提示词。官方给的算例:一条 4000 Token 的记录,配 20 个各 50 Token 的检查项,合并成一次请求约 0.50 美元 / 1000 条;如果拆成 20 次独立调用、每次都把原文重发一遍,约 8.10 美元 / 1000 条——差 16 倍左右。延迟这边:模型计算中位 50–100 毫秒(1.6 万 Token 以内的多模态输入),端到端 150–250 毫秒;而且你一次问 1 个问题还是 100 个,耗时几乎一样。

官方口径的跑分很好看:在官方公布的评测里,7 项共享基准拿下 5 项第一(中文媒体多写作「9 项测试 7 项第一」)。核心的 JevBench 拿到 92.2%,压过 OpenAI 的 GPT-6 Luna(90.9%)和 TypeSafe AI 的 Jev 1.14(90.0%)。多模态这两项:音频 MMAU 71.8%、视频 Video-MME 69.1%,都高于 Gemini 3.5 Flash-Lite。校准误差这一项最有说服力:0.0250,约是 Jev 的 0.0494 的一半——意思是它报「我有八成把握」的时候,真实正确率确实接近八成。对自动化流水线来说,这个指标比准确率更要命:置信度可信,你才敢让低分的那批自动转人工。

但第三方尺子一上来,故事就变了一半。在 Artificial Analysis 的 Decision Index v2.1(18 个系统参与)里,Gemini Decision 1 只排第 9,虽然拿下了知识与推理两个分项第一。更扎心的两项是:

已复测项(第三方)Gemini Decision 1对照
AA Decision Index v2.1(18 个系统)第 9知识与推理两个分项第一,总分不进前五
AA-Paperclip(每份单据 15 题,全对文档占比)33%Jev 1.14 35.5%、Nace AI Drex Max 1.1 63%
When2Call(该调哪个工具)75.2%Drex Max 94.6%、Jev 1.14 80.8%

换句话说:它便宜、它快、它校准准,但「判得最对」不是它。批量做是非题、给智能体做路由和护栏、给上下文打分,这些活儿换它划算;但如果是「读一堆发票把关键字段逐项核出来」这种硬活,Drex Max 那种专精模型还领先一大截。

这条赛道今年才开张,已经挤了三家。TypeSafe AI 的 Jev 九月中旬上线,几天破了 100 万用户,三周融了 8.7 亿美元、估值 75 亿美元——顺带说明资本有多认这个品类。OpenAI 在 10 月 22 日把 Decisions API 转正(背后是 GPT-6 Luna),本报 10 月 23 日那期做过详细对比。谷歌是第三个进场的巨头,也是最晚的一个。它挑的差异化路线很清楚:不比纯文本便宜(Jev 是每百万输入 0.042 美元,比它便宜一半多),而是用原生多模态把对手挡在门外。

今日其他新发布

模型 / 产品日期类型要点
Runway Praxis-1(开源)11-11 晚 / 11-12世界动作模型 / Apache 2.0今天最值得动手试的一个。270 亿参数的「世界动作模型」——先预测画面接下来会变成什么样,再从预测里读出该做的动作。结构是两段:视频骨干 26.9B 参数、2.8B 激活,20 个前馈层里 17 层是 MoE(每层 1 个共享专家 + 128 个路由专家,每个 Token 选 8 个),配 Wan2.2 的 VAE 和冻结的 Qwen3.5-2B 文本编码器;动作专家只有 3.14 亿参数的 16 层稠密 Transformer,交叉注意力读骨干「想象出来的未来帧」,不是只读当前画面。每次调用输出 1.6 秒、24 行动作(15Hz)加一段预测视频潜变量,单张 H100 往返 0.55–0.6 秒。跑分:英伟达 RoboLab-120(120 张桌面任务、每张 10 次)成功 555/1200 = 46.2%,世界动作模型与开源机器人基模双榜第一,FLUX 3 Action 42.9%、Cosmos3 Nano 36.8%、π0.5 28.0%。泛化更能说明问题:在训练时完全没见过的 RT-1 硬件上微调后,SimplerEnv 成功率达到 80.0%,而原版 RT-1 策略只有 52.4%(同一基座最早的检查点是 56.3%,越训越高)。工程侧给得很齐:权重在 Hugging Face(原生支持 LeRobot)、推理与微调代码在 GitHub、支持全量与 LoRA、vLLM-Omni 服务、NeMo Automodel 教程,H100 / B200 / RTX 5090 / RTX PRO 6000 / 机器人上的 Jetson Thor 都能跑;商业使用放开。注意:以上跑分全部是 Runway 自己报的,1200 次试验口径,暂无第三方独立复现。
文心闪电深度思考11-12(百度世界 2026)应用模型 / 千帆上线百度今天在大会上发的两款应用模型之一。出身很特别——它一开始是给百度搜索做的:搜索要同时吃语音、图像、文字,还要既会推理、会调工具、又会扛住海量请求。为此百度改了 Transformer 的注意力,做了自研的 BSA(Baidu Sparse Attention):在解码过程中根据历史输出和状态,反馈式地压缩历史 KV,在效果和显存之间找折中。落地侧的数字更实在:在昆仑芯上单机八卡推理,推理引擎成本降低 30% 以上。这条的意义不在跑分,在于「搜索级并发 + 国产芯片」这个组合,是很多做 C 端产品的团队真正缺的那块。
文心一镜微表情11-12(百度世界 2026)视频生成 / 千帆上线专攻「表演」的视频模型:文本、视觉、语音三态一体建模,支持最长 4000 字文本驱动,靠一套细粒度描述体系去刻画面部表情、肢体动作和情绪变化;还支持长语音驱动,配了篇章级配音。定位是播客、短漫剧这类需要「人像演戏」的场景。官方称视频生成成本较业界降低 50%、支持分钟级生产,极速版能做到 1:1 实时——1 分钟的片子 1 分钟出。同场百度还给了短漫剧 Studio 的价格锚:基于自研视频模型每秒 0.2 元。数字都是厂商口径,没有第三方复测。
ci-proto(开源)11-12时序基础模型 / 开放权重伦敦的 Continuous Intelligence 发的第一个模型家族,五个尺寸 XS / S / M / L / XL,公开权重的是最大的 XL——1.67 亿参数(配置文件里写着 167,190,592),权重文件约 669MB。它不聊天,读一串随时间变化的测量值,回一串预测。做法和 LLM 一个路数:多数据集预训练、零样本直接上没见过的数据集,对标过去要逐数据集拟合的 ARIMA / VAR。输出不是单个数字,而是每个目标每个步长给 9 个分位数(0.1 到 0.9),方便按风险规划。成绩这块要分清两套口径:官方称 fev-bench 上 XL 是第一;但另一个含闭源 API 模型的公开榜用的是不同指标,把它排在第二。许可也是自定义的——允许研究和商用,但要满足署名与通知条款,不是 Apache 或 MIT。
腾讯元宝搜索11-12AI 搜索产品腾讯把搜索单独做成了一个产品:网页端 so.qq.com,同时并进最新版 QQ 浏览器。底层是元宝的模型能力,从查询理解到答案生成整条链路重做,索引覆盖网页、公众号、视频号、学术文献,官方称百亿级索引,强调优先权威来源、广告与搜索结果明确分开。功能上有原生多模态输入、AI 摘要、论文翻译与解读,还有一套基于用户反馈的递归自我改进机制。对做内容的团队,这条比模型发布更值得看:公众号内容第一次被一个通用搜索引擎当作一等公民来索引。
Qwen Code 1.0 Preview(开源)11-11Agent 运行底座 / Apache 2.0阿里把 Qoder 里打磨熟的 Harness(跑 Agent 的那层底座)并进开源项目 Qwen Code,一起放出来,仓库是 QwenLM/qwen-code 的独立分支 v1.0.0-preview(老的 0.27 稳定线继续保留)。架构上四件事:「手脑分离」(推理编排的脑子和执行工具的双手各自独立管理)、事件总线从单进程内存走向多节点分布式、沙箱按相同配置与权限边界池化复用(砍掉 Coding Agent 最烧钱的重复初始化)、模型接入与 MCP 配置统一入口治理。另有一个体验上的大改动:发原生安装包,不再依赖 Node.js,Mac / Linux / Windows 都有,会话可恢复、可非交互跑 CI。要说清楚的是:没有跑分、没有正式版日期,预览期接口可能变,而且官方没说开源内核和 Qoder 产品里跑的那套有多一致——省成本那部分只是官方说法,没有独立验证。
蓝白扁平插画:一台完整的白色机械臂固定在浅蓝工作台上,把一个白色方块放到低处搁板上,台面上摆着圆柱、圆球和线框立方体,虚线弧线表示运动轨迹
先想象画面会变成什么样,再决定手往哪儿动——这就是「世界动作模型」和纯视频模型的分别(示意插画)

行业资讯

本期排雷

今天最密集的坑是「2025 年的新闻被重新挂上今天的日期」,五条要点名。第一,多家日报把「火山引擎正式发布豆包编程模型 Doubao-Seed-Code,综合成本降 62.7%,首月 9.9 元」写成 11 月 11 日发布——这是 2025 年 11 月 11 日的发布,模型库把它标为 2025-11-11,而火山引擎 2026 年的模型上线公告里只有 doubao-seed-2.1-pro / 2.0-mini,没有 Seed-Code 这一号。第二,某「全球 AI 观点日报」说「OpenAI 今日发布 GPT-5.1,含 Instant 与 Thinking」——GPT-5.1 是 2025 年 11 月 12 日的产品,连当天的时间都对得上,属于原封不动的旧文。第三,英文聚合站推「Thinking Machines 新开源 Inkling-Small,276B 总参 / 12B 激活」——三个模型库一致记录它是 2026 年 7 月 30 日发布的,本周真正的新闻是 11-05 的 Inkling 2 Small,本报 11-07 期已作头条。第四,Gemini 4 Carbon「今日全面开放」与英伟达 GR00T 2「正式发布」又被挂上今天——前者本报今天有专文、属开放范围变化,后者是 11-09 的事、11-10 期已报。第五,「Yann LeCun 将离开 Meta 创业」被当作今日新闻转述,但原文提到「Scale AI 创始人今年 6 月加入 Meta」等 2025 年的背景,高度疑似 2025 年 11 月的 FT 旧报道重新流传,且至今无 Meta 或本人任何确认,本期不采信。老规矩:聚合站和日报的「今日」不可信,判断一条新闻是不是新的,看仓库提交时间、官方 changelog、或者第三方模型库的首发日期。

一句话趋势

今天这件事真正说明的是:模型正在被拆成零件,按「调用类型」分别定价。过去你只有一种接口——让它生成,然后自己从文本里抠答案;现在分出了三种:生成(贵、慢、能创造)、判断(极便宜、极快、只管选择题)、验证(专门找错)。Gemini Decision 1 的 0.10 美元和零输出费,本质是在说「你根本不需要为一段话付钱,你只需要为一个结论付钱」。但第三方榜单同时给了另一半真相:它排第 9,专精模型在硬活上还领先一大截——所以真正的选型逻辑不是「换掉大模型」,而是把流水线拆开,让最贵的那一段只处理真正需要生成的那 10%。对做产品的团队,今天能落的三个动作:把「分类、路由、过审、打分」这类活儿从生成模型里剥出来单独算成本;给自己的 Agent 加一层「低置信度自动转人工」,前提是先用校准误差筛一遍供应商;机器人方向想自部署的,Praxis-1 是眼下唯一能在单张 5090 上跑起来的开源世界动作模型,值得先跑通再谈效果。

(数据来自官方公告与公开报道,2026-11-12;官方口径与第三方实测已分别标注,未复测项已在文中说明。模型能力强弱会影响选型,但实际价格以本站模型广场实时报价为准。)

相关文章

GPT-6.2发布降价20%:大模型价格战下怎么买模型更省

OpenAI发布GPT-6.2并把旗舰价下调20%,阿里、腾讯同周把单任务成本和缓存价压到新低。结论:官方降价仍远高于本站实付价,gpt-6-astra现在最深0.099折,实付$0.099/百万输入token。日常用现款便宜档,追新等上架比价。

大模型缓存token是什么?缓存命中一次能省多少钱

大模型缓存token是什么?一句话:把重复的提示词前缀存下来,命中后按缓存读计价,通常只有正常输入价的5%到12%。本文用在售模型的真实缓存价,讲清缓存读写怎么算钱、什么情况命中,以及怎么把账单压下来。

Claude有哪些模型?12个在售版本实付价与选型指南

Claude 有哪些模型?站内 12 个版本按实付价排完发现:最新的 opus-5-5 月成本 $8.91,最老的 opus-4-6 反而 $49.50。本文给出全系价格表、真实实测数据与四个场景的选型结论,日常开发选 sonnet-5-5 最稳。

写代码用哪个AI模型?2026年11月编码模型实测与价格榜

写代码用哪个 AI 模型?按本站实付价和 24 小时实测:gpt-5.6-terra、deepseek-v4.1-flash 各三千多次调用零失败,每月千次请求分别 $2.85 和 $1.66;gemini-3.8-flash 出字 111 token/s 最快。附完整实付价表与三档选型建议。

一个 API Key 怎么调用 500+ 模型?平台接入教程与代码示例

拿到密钥后把 API 地址改成平台地址,就能用一个 Key 调用在售的 138 个模型(覆盖 51 家厂商),同时兼容 OpenAI 和 Anthropic 两种请求格式。本文给出可直接复制的接入代码、模型切换方法和常见坑,全部接口已实测验证,数据截至 11 月 16 日。