谷歌推出面向分类与路由的决策模型

Google 想把一类 AI 任务从「生成答案」改成「给候选答案打分」。据原文，2026 年 11 月 12 日推出的 Gemini Decision 1 配套 Gemini Decisions API，面向垃圾信息识别、任务路由、文档分类等只需要明确判定的场景。

它的吸引力是省掉文本生成过程，直接返回选项、概率和置信度。但原文给出的性能数字缺少测试细节，对批量处理能力的描述也存在歧义。值得看的是这种接口思路，产品结论则需要保留判断。

答案已经列好了，为什么还要让模型写一遍

常见的大模型分类流程，是把输入交给模型，再要求它输出某个标签。即使只要「垃圾信息」或「正常信息」，仍然要经过文本生成，再由程序解析结果。

Gemini Decision 1 采用封闭候选集（closed-set）：开发者提供输入、问题和固定选项，模型通过一次前向计算给候选答案评分，返回选中的答案、对应概率和置信度，不逐 token 生成文本。

这里的「前向计算」，可以理解为输入经过模型完成一次计算。原文宣称，候选答案的评分在这一次计算中完成。

它适合答案范围已经确定的任务，价值在于把判定直接做成结构化输出。

例如，系统已经知道有哪些 Agent，只需要决定任务交给谁；文档分类体系已经确定，只需要选择归属类别。它没有试图解决开放式写作或代码生成。

价格和榜单很亮眼，但统计口径还不够清楚

原文列出了几组指标：

• 每 100 万输入 tokens 收费 0.10 美元，输出 tokens 免费。
• 单次判定延迟为 150 至 250 毫秒。
• 成本比 Gemini 3.5 Flash-Lite 低 5 倍。
• 在 Artificial Analysis Decision Index v2.1 上获得 66 分，与 GPT-6 Luna (Max) 的 66 分持平，高于 d1-ultra 的 64 分和 GLiDE v1.2 的 61 分。
• 在 9 类内部基准中，7 类排名第一，最高准确率为 92.2%。

这些数字分别描述价格、延迟和特定测试中的表现，不能合并成「所有分类任务都更好」的结论。尤其是 92.2%，原文只说是最高准确率，没有交代对应哪类任务，也没有提供各类别结果。

批量能力的表述还有一处需要打问号：开头写一次前向计算可评分最多 1000 个候选答案，后面的指标却写一次可评分 1000 个问题，同时又列出最多 255 个多选选项。

「问题数量」和「每题选项数量」是两种不同限制。原文没有解释三者关系，不能据此认定接口支持怎样的批量组合。

我的判断

我认可它针对的问题：当业务只需要一个标签时，直接返回选项和分数，比生成一段文字再解析更贴近程序调用需求。不过，原文没有提供作者自己的调用实验，也没有给出请求示例、错误处理方式和完整测试条件，现阶段只能把它视为产品介绍中的主张。

与通用大模型的结构化输出相比，这种设计有机会省掉生成环节，但原文没有给出同任务、同输入下的直接对照，无法确认实际能省多少时间和成本。对于边界明确的任务，规则或专用分类器也仍然值得比较。

另一个关键缺口是置信度。返回一个分数，不代表分数已经校准到可以直接驱动业务决策。原文没有说明概率与置信度的区别，也没有展示低置信度或输入不属于任何候选类别时的处理方式。

选项范围可控，是这类模型好用的前提；置信度能否用于自动放行，还需要业务数据验证。

能拿来做什么

• 如果正在用 AI 做文档分类或 Agent 路由，可以先整理固定候选项，检查任务是否真的存在明确、稳定的答案范围。
• 在 Node 服务中评估这类接口时，用同一批业务样本比较规则、现有模型和新接口，记录准确率、实际延迟与总费用，避免只看榜单。
• 对可能出现未知类别的输入，先设计拒绝判定或人工复核路径；拿到实际接口后，再验证它是否支持所需的回退机制。
• 接入前先核对官方接口规格，重点确认 1000 个问题、1000 个候选答案和 255 个选项各自指什么，以及概率和置信度如何定义。