谷歌新决策API支持千项多模态判断

Google 推出的 Gemini Decisions API，瞄准的是 AI 应用里一类很具体的工作：给定同一份材料，快速完成一批判断。它由 Gemini Decision 1 驱动，一次处理最多支持 1000 个独立问题，并返回候选选项的概率和置信度分数。

对做 AI 编程和应用集成的开发者，这条消息的价值在于工具选择、模型路由、策略检查这些环节可能多了一种专用方案。不过，报道给出的速度和价格，还不足以证明它在实际业务里更划算。

一份材料问 1000 个问题，适合解决什么

据 IT之家 11 月 12 日报道，Google 于前一日宣布推出 Gemini Decisions API。它支持是非判断、选项选择和标准评估，面向工具选择、策略检查、模型路由、上下文质量评估等任务。

开发者可以提交一份多模态内容，输入上限为 256K Tokens，再针对这份材料提出最多 1000 个相互独立的问题。

这里最关键的限制是「相互独立」。例如，判断一份材料是否包含指定信息、是否符合某项标准，可以分别提问；如果后一个问题必须依赖前一个问题的答案，就不能直接把整条决策链当成一批独立问题。

它的定位是对材料做批量判断，而报道没有展示开放式生成或连续推理的能力。

150 至 250 毫秒，具体快在哪里

报道介绍，Gemini Decision 1 通过一次前向计算对候选选项进行评分，并返回概率和置信度分数。前向计算可以理解为：模型处理输入后，直接算出候选项的分数。

报道给出的处理延迟是 150 至 250 毫秒。输入价格为每 100 万 Tokens 0.10 美元，按原文所附汇率约合 0.67 元人民币，输出 Tokens 不收费。

这组数字很吸引人，但测试条件没有交代：输入有多长、包含什么模态、提出多少个问题，以及延迟是否包含网络传输，都没有说清。不能据此认定，塞满 256K Tokens、问足 1000 个问题，也一定能在这个时间范围内完成。

概率和置信度也需要分开看待。报道没有解释两者的具体定义，更没有提供校准结果，因此不能直接把置信度当成业务正确率。

多模态能一起输入，成本仍要主动控制

该 API 基于 Gemini 原生多模态架构，支持在同一份输入中组合文本、图像、音频、视频和 PDF。

原文举了两个例子：把通话录音和账户元数据放在一起，或者同时提交扫描版 PDF 理赔文件与受损照片。这类任务需要结合不同材料作判断，接口允许开发者一并提交相关证据。

开发者还可以调整图像和视频输入的分辨率，控制视觉细节与 Token 成本。这里存在实际取舍：分辨率降低后，细小文字或局部损伤是否仍可识别，需要用任务样本验证。

报道还称，该 API 已在 Google AI Studio 提供，并有免费额度用于原型开发，但没有列出免费额度数量和具体限制。

我的判断

把重复、独立的判断集中处理，确实贴合 AI 应用中的常见需求。尤其是同一份上下文需要经过多项检查时，这种接口值得进入候选方案。

但目前提供的是产品介绍，没有作者实测，也没有与通用模型多次调用、批量请求或确定性规则的对照数据。150 至 250 毫秒是报道中的指标，不能替代自己业务里的测量。

对于明确的字段校验、权限判断和固定条件匹配，我仍会优先使用代码规则。涉及语义理解或跨模态证据时，再评估模型判断是否有收益。原文也没有给出 SDK、请求参数或响应结构，仅凭这条消息还不足以直接完成接入。

能拿来做什么

• 在现有 AI 应用中，先找出针对同一份上下文执行的独立检查，整理成问题集，用 Google AI Studio 的免费额度验证是否适合批量处理。
• 如果正在做工具选择或模型路由，可以用真实请求比较它与现有方案的准确率、整体延迟和输入费用，再决定是否接入。
• 对图像、视频或扫描 PDF 场景，用不同分辨率测试同一批材料，记录漏判情况，再选择成本可接受的输入配置。
• 接入概率和置信度分数前，先准备有标准答案的样本，验证分数与判断正确性的关系，再设置自动处理和人工复核的阈值。