Google 在 2026 年 11 月 11 日推出 Gemini Decisions API,模型是 Gemini Decision 1,模型 ID 為 gemini-decision-1。現在可經 Gemini Developer API 的 v1beta,以及 Google AI Studio 使用。它一次評定有範圍的問題:是或否、多個選項裡選一個,或依尺規給分。
本站 11 月 8 日另有一篇 OpenAI Decisions API。兩套的價格、題型名稱和參數各自獨立。本文只寫 Google 這套,也沒有安裝或實測 SDK,官方評測圖上的每一格都沒有重跑。
同一份輸入問很多題

一次請求帶一份共享輸入,再加 1 至 1,000 題。題目彼此獨立。模型評第二題時看不到第一題的答案,增刪其中一題也不會改掉其他題的結果。第二題若要依照第一題的結論,請在程式裡分兩次請求,或同一請求都問完,再由程式丟掉用不到的那個答案。
這些題目打的是同一份輸入。Batch API、context caching,以及 Flex 或 Priority,文件都寫明不支援。共享輸入加上全部題目,合計上限 262,144 tokens。公告另寫最多 256K tokens。實作時以文件的 262,144 為上限。1,000 題也受這個視窗限制,題目一長,未必問得到 1,000 題。每一題的指示和 criteria 都算輸入 token。定價頁還寫,每題會加上自己的指示、criteria 和 formatting,共享輸入則每請求只計一次。
輸入可以是文字、圖片、音訊、影片或 PDF。題目指示只接受文字。
是非、選項和分數

官方型別拼法是 noul、choice、score。是非題用 noul。文件用的不是 bool。
| 型別 | 題目在做什麼 | 官方結果 |
|---|---|---|
noul |
一個是非條件是否成立 | 「是」的機率 0.01 至 0.99,另附信心 |
choice |
2 至 255 個固定選項裡選一個 | 勝出項,以及每個選項的機率 |
score |
2 至 255 個由低到高的等級 | 依機率加權的分數,可落在兩級之間 |
是非機率停在 0.01 至 0.99。門檻若設在 0.99 以上,會對不上任何結果。信心是 0 至 1。文件寫它等於最可能結果的機率;是非題則是「是」與「否」兩者較高的那個。它不是正確率保證。門檻要用你自己標過的資料來調,並把放行錯誤和漏掉錯誤的代價一起算。
客服分流可以這樣設計。下面是用法示例,不是本文測得的準確率。同一封來信同時問三件獨立的事:是不是產品瑕疵、該進哪個隊伍、流失風險落在哪一級。選項裡放一個寫清楚的 other。信心低於你訂的門檻時,改走人工覆核。文件提醒,選項鍵會按字母排序。收納用的鍵用 other 這類名稱,避免用會被排到前面的位置性名稱。
上圖是公告裡的溢液示範:同一張照片同時得到有沒有濺出、下一步動作,以及嚴重程度。那是 Google 的示例畫面,不是本篇實測。
延遲和價格都有範圍

公告把端到端延遲寫成 150 至 250 毫秒,模型計算的中位數是 50 至 100 毫秒。這段限定在多模態輸入、context 到 16K tokens、每請求 1 至 100 題。題數在這個範圍內增加時,延遲接近持平。262,144 tokens 或 1,000 題是容量上限,不是這組速度的測試條件。容量和這段測速不要綁在一起。
價格以定價頁為準。付費層輸入每百萬 token 0.10 美元,輸出 token 為 0,輸出價格標成不適用。另有免費層,輸入寫 Free of charge,供 Google AI Studio 裡試作。免費層不是整套服務永久免費用。同一張表把免費層的「Used to improve our products」標成 Yes,付費層標成 No。正式流量要不要留在免費層,先看該頁連到的條款。Context caching 標成 Not available。
「近 5 倍便宜」是公告拿 Gemini Decision 1 配 Decisions API,對上 Gemini 3.5 Flash-Lite 配 Interactions API,在同一套評測上的說法。上圖是 Google 公布的比較,本文沒有重跑。請直接看圖上的每一欄。這句話不是對所有對手、每一次請求都成立的保證。
Google Cloud 上的 Gemini 支援,公告寫 coming soon。文件目前列的是 Gemini Developer API v1beta。文件寫 SDK 需要 3.2 或更新的版本。本文沒有安裝確認。
它回的是封閉選項上的機率。它不寫解釋,不寫摘要,也不接受帶參數的工具呼叫。一段說明、自訂 JSON,或多步推理,文件把那些工作放在 Interactions API 那一側。決策模型可以幫你做分流和門檻,後續動作仍由你的程式執行。
