前途科技前途科技
  • 服务
  • 关于
  • AI
    • AI 大模型
    • 具身智能
    • 算力芯片
  • 科技
    • 智能终端
    • 软件·互联网
    • 汽车·出行
    • 科学前沿
  • 资源中心
    • 深度研究
      • AI 前沿
      • 教程
      • AI 知识库
      • 案例研究
    • 行业报告
      • 白皮书
      • 行业报告
      • 研究报告
      • 技术分享
      • 专题报告
    • 精选案例
      • 金融行业
      • 医疗行业
      • 教育行业
      • 零售行业
      • 制造行业
  • 服务
  • 关于
联系我们
AI 大模型/11.19 · 17:08/6 MIN/编译自 雷锋网/1 阅读

谷歌发布 Gemini Decision 1,正面挑战 Jev

谷歌推出决策专用模型 Gemini Decision 1,单次请求最多处理 1000 项独立判断,支持文本、图像、音频、视频与 PDF 混合输入。7 项共享基准中 5 项领先 Jev 1.14,但第三方评测综合分与延迟、价格仍落后。

谷歌发布 Gemini Decision 1

Jev 拿下的 75 亿美元估值曾被质疑是泡沫。现在谷歌用一款多模态决策模型表态:这不是泡沫,而是一条值得押注的赛道。

谷歌正式发布 Gemini Decision 1,向两个月前引爆决策模型品类的 TypeSafe Jev 发起挑战。和 Jev 一样,这款模型不生成任何文本,只计算供程序直接驱动 Agent 执行的候选项概率与置信度。它不需要逐 Token 生成答案,连输出 Token 费用也省掉了。

更大的突破在并行计算。Gemini Decision 1 能在同一份上下文中处理最多 1000 项独立判断,并支持文本、图像、音频、视频和 PDF 混合输入。对于需要反复查文档、选工具、评估任务状态的 Agent,大量原本分散在多次模型调用中的判断,现在可以集中在一轮请求里完成。

在双方均有报告的 7 项共享基准中,Gemini Decision 1 赢下 5 项;Jev 则在 When2Call 工具调用和 Mind2Web 多模态两项上保持优势(82.0% 对 79.9%,86.8% 对 86.2%)。

不过,Gemini 每 100 万输入 Token 收费 0.10 美元,约为 Jev 的 2.38 倍。性能上去了,价格也更贵了。

Jev 在 9 月发布后数周内拿下 75 亿美元估值,a16z 领投 8.7 亿美元,约三分之一财富 500 强被列为客户。但质疑从未消散:厂商自报的「快 193 倍、便宜 445 倍」缺乏第三方复现,原创性争议尚未定论,独立评测的结论大体一致——快和便宜是真的,质量是另一回事。

谷歌此时入场,至少证明了一件事:决策模型不是一场闹剧,而是一个值得巨头押注的品类。

跳过文本生成,直接给出决策

普通 LLM 处理「从四个工具里选一个」这类任务时,仍然走自回归解码:逐 Token 生成工具名或 JSON,程序再解析执行。模型做的是开放式文本生成,业务真正需要的却是有限候选项里的概率判断。

Gemini Decision 1 把输出目标改成了候选项评分。开发者提前定义问题、候选集合和判断标准,模型读取输入后直接返回各候选项的概率分布。整个过程通过单次前向计算完成,没有输出 Token 费用。

Decision 1 输出机制

这和普通的 Structured Output 有明显区别。后者仍然让模型生成文本,只是通过 Schema 限定 JSON 的字段与格式;Gemini Decision 1 则直接围绕有限候选空间完成评分,返回结果本身就是程序可读的数据。

一个容易忽略的细节是:不同判断类型返回的概率含义并不相同。Noul 处理二元判断,返回某个条件成立的概率,范围 0.01—0.99。如果问题本身有歧义,开发者还可以分别定义什么情况算 Yes、什么情况算 No,减少标准不清带来的偏差。

概率含义差异

Choice 处理多分类问题,支持 2—255 个候选项,返回胜出选项及各候选项的归一化概率,总和为 1,适合工具路由、模型选择和任务分类。但这种概率分配始终发生在给定候选集合内:即使所有选项都不符合输入,模型仍会选出一个相对匹配的结果。因此开发者需要提供 Other 选项,或额外设置范围检查。

Choice 类型

Score 的设计更有意思。它不简单返回一个等级,而是先给有序评分标准中的每个等级分配概率,再加权计算。例如把问题分为 0、1、2 级,模型可能给出 0.1、0.7、0.2 的概率,最终评分可以落在 1 和 2 之间。

这实际上把离散分类扩展成了连续评分,方便程序排序和阈值筛选。但加权结果会压缩概率分布里的信息:两个输入即使得到相同分数,背后的等级概率也可能完全不同。对需要区分风险等级的任务,程序还应该读取各等级概率,不能只用最终评分。

这套输出体系对开发者的要求变了:模型不再负责生成一段给人读的答案,人要设计清晰的问题与候选标准,程序负责把概率结果转成具体执行条件。

输出体系

1000 项问题如何独立计算

Gemini Decision 1 的请求结构是一份 Shared Input 对应一组 Questions。前者承载文本、图像、音频、视频和 PDF,后者定义需要完成的判断任务。每个问题可以使用不同的判断类型和评分标准,单次请求最多支持 1000 项问题。

请求结构

以设备巡检为例,系统收到一段运行视频、一份维修记录和一段现场语音,需要判断设备是否异常、异常类别、严重程度以及是否需要人工检查。开发者可以把三种材料放进同一份输入,再分别定义问题:异常检测用 Noul,类别判断用 Choice,严重程度用 Score。模型读取相同材料,分别完成各项评分。

设备巡检示例

这套设计有两个技术细节。其一,每项问题有独立的评估路径。谷歌文档明确说明,各问题只能读取共享输入,不能读取其他问题的答案;增加或删除某项问题,也不会改变其他问题的答案。也就是说,并行评分不依赖前序问题的推理链,模型可以在同一轮前向计算中完成多个独立判断。

其二,共享输入只计费一次。每项问题的额外费用来自自身的 instructions 和 criteria Token,不必重复计算整份材料。对于长文档批量审核、音视频检查和多维度内容评估,这种计费结构直接影响整体调用成本。

标签:GoogleJevAI 智能体多模态

想了解 AI 如何助力您的企业?

免费获取企业 AI 成熟度诊断报告,发现转型机会

置顶文章

自己动手做模型:ML Intern 低成本定制小模型实战
置顶

自己动手做模型:ML Intern 低成本定制小模型实战

微软和Meta收紧Claude:被削掉的是入口,不是模型
置顶

微软和Meta收紧Claude:被削掉的是入口,不是模型

前途科技前途科技
服务关于快讯技术商业报告
微信咨询二维码

咨询微信

扫码添加微信咨询

前途科技微信公众号

微信公众号

扫码关注

Copyright © 2026 AccessPath.com, 前途国际科技咨询(北京)有限公司,版权所有。|京ICP备17045010号-1|京公网安备 11010502033860号|隐私政策|服务条款

计费结构

但 1000 项问题并不意味着可以把任意复杂工作流塞进一个请求。如果问题 B 必须根据问题 A 的结果生成新候选项,两项任务就存在前后依赖,开发者需要先读 A 的结果再提交 B。若 B 的候选项已经确定,只是需要在 A 不满足条件时忽略 B 的答案,两项判断则可同时提交,由程序决定是否采用结果。

输入长度同样需要考虑。上下文上限为 256K Token,这个预算由共享材料和全部问题共同使用,而非每项问题各占 256K。问题数量增加时,instructions 和 criteria 也会占用上下文空间。

上下文上限

谷歌公布的延迟数据显示,在上下文不超过 16K Token 的测试条件下,问题数从 1 项增加到 100 项,计算延迟基本平稳,中位计算延迟 50—100 ms,端到端延迟 150—250 ms。需要注意,API 支持 1000 项问题,而公开的近乎平稳延迟测试范围只到 1—100 项。

多模态输入还涉及一项工程取舍。图像和视频可以设置 low、medium、high、ultra_high 等分辨率等级,视觉细节越丰富,输入成本也随之变化。音频和 PDF 直接进入相应的内容处理路径,无需另建识别服务。谷歌也明确把 OCR 和音频转写相关开销纳入模型输入计费体系,不另收输出 Token 费用。

至于内部并行计算图,公开信息不足以还原。可以确认的是,各问题共享同一份输入,在单次前向计算中独立评分;内部是否使用独立输出头、如何分配计算资源,谷歌尚未给出完整技术说明。

对比 Jev:五项领先的背后

Gemini Decision 1 为每项答案提供 0—1 的 confidence,表示模型对结果正确性的估计。Noul 取 Yes 与 No 中概率较高的一方,Choice 对应胜出选项概率,Score 对应概率较高的等级。程序因此能按判断的可靠程度设置不同执行门槛。

confidence 设计

这涉及概率校准。ECE(期望校准误差)衡量模型给出的概率与实际正确比例之间的偏差。谷歌公布的 Gemini Decision 1 ECE 为 0.0250,Jev 1.14 为 0.0494。

ECE 对比

落地方面,谷歌已在 Gemini Notebook 中用 Decisions API 做模型路由,按请求复杂程度选择模型档位与推理等级,日常请求延迟据称降低 40%。Google Search 用它做 MCP 工具的安全检查,Stitch 用它加快交互设计过程中的操作选择。

与 TypeSafe Jev 相比,两者技术方向相近,但公开信息侧重不同。TypeSafe 已披露 Jev 使用专门的模型架构、Parallel Sampler 以及 RLCD 训练方法;Jev 1.14 增加了图像输入、Box 判断类型和长上下文能力,不过相关功能发布时仍属实验性配置。

Gemini Decision 1 则依托 Gemini 原生多模态架构,把音频、视频、PDF 纳入输入,并提供 256K 上下文和单次 1000 项问题的能力。谷歌尚未披露类似 TypeSafe 的训练方案,两者的内部训练路线暂时无法直接比较。

基准对比

性能上,谷歌公布的 7 项共享基准中,Gemini Decision 1 有 5 项超过 Jev 1.14。When2Call 是 Agent 工具选择的核心场景,Jev 在这一指标上的反超说明谷歌的优势并非无差别覆盖。

第三方机构 Artificial Analysis 的 Decision Index v2.1 榜单中,Gemini Decision 1 综合分 65.98,略低于 Jev 的 66.23,远低于榜首 Drex Max v1.1 的 72.62。单任务延迟 211 ms,高于 Jev 的 92 ms;价格方面,Gemini 每 100 万输入 Token 收费 0.10 美元,Jev 为 0.042 美元。

换句话说,谷歌用多模态能力和批量处理换取溢价,但「更强」在第三方统一任务套件上还没有兑现为「更优」。校准误差的领先是真实的,但校准领先不等于综合决策质量领先。

Agent 的决策层正在成为独立战场

Gemini Decision 1 把原本散落在 Agent 工作流里的一类任务,正式变成了独立的模型调用能力。它涉及的不只是评分速度,还有候选空间定义、共享输入复用、问题隔离、概率校准与程序控制之间的配合。

通用 LLM 仍然负责复杂推理、规划和内容生成,Decision Model 则承担那些能提前定义标准的判断任务。开发者需要按任务依赖关系安排调用顺序,再根据概率表现决定自动执行的范围。

Jev 在 9 月点燃了这个品类,谷歌在 11 月用多模态和批量能力加注。这条路线能否形成长期优势,还要看模型在复杂输入、任务分布变化和真实业务环境中的稳定表现。巨头入场后,专用决策模型进入更大规模的产品竞争,Agent 的工程设计也将从单纯依赖生成模型,转向更细致的模型分工。

谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费
置顶

谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费

//

24小时热榜

Meta 发布 Muse Spark:迈向个人超级智能
TOP1

Meta 发布 Muse Spark:迈向个人超级智能

谷歌发布Gemini 4 Neon,每百万输入3美元
TOP2

谷歌发布Gemini 4 Neon,每百万输入3美元

3

美多起技术故障疑与AI补丁潮相关

5小时前
美多起技术故障疑与AI补丁潮相关
4

国内首款Gen6 SSD量产,AI存储重算经济账

5小时前
国内首款Gen6 SSD量产,AI存储重算经济账
5

银行推出Token贷:烧掉的算力账单变成贷款额度

6小时前
银行推出Token贷:烧掉的算力账单变成贷款额度
6

英伟达数据中心收入增 110% 至 1076 亿美元,前沿模型“暂停”未见影响

21小时前
英伟达数据中心收入增 110% 至 1076 亿美元,前沿模型“暂停”未见影响
7

DaisyRose-27B 发布,Terminal-Bench 4.1 升至 12%

21小时前
DaisyRose-27B 发布,Terminal-Bench 4.1 升至 12%
8

Gemini 临时聊天与关闭历史后的留存期,从 72 小时延长到约两个月

21小时前
热门标签
大模型AgentRAG微调私有化部署Prompt EngineeringChatGPTClaudeDeepSeek智能客服知识管理内容生成代码辅助数据分析金融零售制造医疗教育AI 战略数字化转型ROI 分析OpenAIAnthropicGoogle

关注公众号

前途科技微信公众号

扫码关注,获取最新 AI 资讯

免费获取 AI 落地指南

3 步完成企业诊断,获取专属转型建议

已有 200+ 企业完成诊断