Gemini Decisions API：多模态分类，置信分数

1. 同一输入可合并最多 1,000 个问题

新 API 使用 Gemini Decision 1 模型，针对同一输入评估最多 1,000 个独立问题。它不逐个生成 token 来作答，而是通过一次计算为候选项评分，各问题不会查看彼此的结果。例如，可结合通话录音和账户信息对咨询分类，或结合 PDF 账单与损坏照片核验索赔内容。

谷歌表示，Gemini Notebook 使用该 API，为收到的问题选择合适的模型和推理级别。据公司公布的数据，这可将日常问题的处理延迟降低最多 40%，同时为复杂任务分配执行深度推理的模型。

2. 同时获取答案概率与自动处理依据

问题类型包括是非题、固定选项题和有序评分题。是非题返回答案为“是”的概率，选择题返回各候选项的概率和最可能的候选项。评分题将各级别编号乘以对应概率后求和，返回平均分，因此也可能得到介于级别之间的值。

置信分数是对最可能答案正确概率的估计。校准是指使模型给出的概率接近实际正确率。开发者可根据答案决定处理方向，再根据置信分数决定是否自动执行。

3. 合并问题以降低延迟和输出成本

据公司公布的数据，模型计算时间的中位数为 50~100 毫秒，完整往返延迟，即请求和响应往返所需时间，为 150~250 毫秒。谷歌称，测试涵盖多种媒体输入和最多 16K token 的上下文，其中包括输入与指令；每次请求的问题从 1 个增至 100 个时，延迟仍基本不变。

每 100 万输入 token 的价格为 0.10 美元，不收取输出 token 费用。无论问题数量多少，同一输入在每次请求中只计费一次，仅将各问题的指令和标准额外计入输入量。图像和视频可通过调整分辨率来平衡视觉信息量与 token 成本。

4. 在共同评测中校准误差最低

据谷歌公布的数据，在其公开的 7 项共同评测中，Gemini Decision 1 的校准误差在对比模型中最低。校准误差反映预测概率与实际正确率的偏离程度，越小越好。同一评测的总价格也一并公布。

表：7 项共同评测的校准误差与总价格

条件：以谷歌发布的图表中的 7 项共同评测为准。Gemini Decision 1 使用 Decisions API，GPT-6 Luna 使用 OpenAI Decisions API，Gemini 3.5 Flash-Lite 使用 Interactions API (minimal)。拒答、安全拦截和无法处理的请求均计为错误，并以全部评测为分母。

谷歌表示，在该评测中，其成本约为自家 Flash-Lite 模型与现有 API 组合的 1/5。表中 TypeSafe 模型的总价格更低，因此可结合价格与校准误差作出选择。

据公司公布的数据，Gemini Decision 1 在 JevBench 公开评测中的准确率为 92.2%。该准确率以全部评测为基准，将拒答、安全拦截和无法处理的请求计为错误。

在 Mind2Web 的多模态评测中，该模型得分为 86.2%，低于 TypeSafe 模型的 86.8%。

在 When2Call 中，两款模型分别取得 79.9% 和 82.0%。有必要同时考察概率校准的优势与具体任务的准确率。

5. 定义问题并用实际输入设定标准

开发者可先在 Google AI Studio 获取 API 密钥，并安装 Python 或 JavaScript 的 SDK 3.2 及以上版本。文档示例在置信分数达到 0.7 时自动分类，否则转交人工。

answer = result.answers["department"]
if answer.confidence >= 0.7:
    route_to(answer.choice)
else:
    route_to("human_review")

省去答案生成和文本解析可降低延迟与输出成本，但开发者仍须设计问题、选项和自动处理标准。文档建议使用标注了正确答案的实际输入样例设定标准，并权衡误放行与误拒绝的成本。

选择题即使没有正确候选项也会分配概率，因此可设置“其他”选项，或另设问题检查是否属于适用范围。文档提醒，用户输入可能诱导分类，应使用含攻击意图的输入进行测试，并对付款等重要操作加入人工或第二次确认。

Gemini Decisions API 带来的变化，是让多模态判定的概率直接接入代码，而自动化的质量取决于开发者设计的标准。