一句话结论：Gemini Decisions API 是谷歌把「做判断」这件事从生成式模型里拆出来做成独立端点，输入一次、并行回答最多 1000 道是非或选择题，输出概率和置信度，延迟 150 到 250 毫秒，输入每百万 token 0.1 美元且不收输出费。
2026 年 11 月 11 日，谷歌 DeepMind 在官方博客发布 Gemini Decisions API，底层模型叫 Gemini Decision 1，模型 ID 是 gemini-decision-1。这个端点已经开放在 Google AI Studio，Python、JavaScript 和 REST 三套文档都在线可用。
这件事值得单独写一篇的原因很直接。过去一年多，模型价格战把输入 token 的单价压到了极低的位置，但真正卡住很多应用的是生成本身的结构问题。风控要判一张图里有没有违规内容，客服要判这句话该走哪个工单，路由器要判这次请求该交给大模型还是小模型。这些活儿的共同点是答案高度离散，属于是非题、选择题或者打分题，答案文本本身没有价值，有价值的是那个概率。
传统做法是拿一个生成式模型，让它按格式吐出答案，然后解析字符串，再自己算一份置信度。这条链路既慢又贵，而且温度参数一调，判定的稳定性就跟着飘。Gemini Decision 1 换了个做法：它不解码任何 token，直接在前向传播里给候选选项打分，模型算完就出结果。
三种问题类型，覆盖大部分判定场景
Decisions API 的接口设计围绕三套原语展开，这三套覆盖了工程上绝大多数「闭合集决策」需求。
第一套是 noul，也就是带可选判定条件的二值判断。它返回某个条件成立的概率，你可以在 instructions 里额外附加 true 和 false 两套描述标准，用来消解诸如「这算不算弄脏」这类边界模糊的语义。第二套是 choice，从 2 到 255 个候选里选一个赢家，同时返回每个候选归一化之后的概率。第三套是 score，针对有序的评分标准做连续打分，标准从 0 起排，返回加权后的连续分数以及每一档的概率分布。
三套类型可以在同一个请求里混用，且针对同一份共享输入提问。输入用的是和 Interactions API 一样的 Content block 格式，文本、图片、音频、视频、PDF 可以放在同一个 input 数组里组合。官方给的例子把一张休息室台面的照片和一句文字说明放在一起，然后同时问三个问题：有没有液体泼洒（noul）、该采取哪种清理动作（choice）、脏污严重程度多少分（score）。
上下文上限是 256K token。图片和视频输入可以调节分辨率，用分辨率换视觉细节和 token 成本，这是这套端点在成本控制上的一个关键旋钮。
价格结构：只收输入，不收输出
这是 Decisions API 最容易被忽略但最有杀伤力的一点。Gemini Decision 1 的定价是每百万输入 token 0.1 美元，输出 token 计费为零。
官方给出的对比是，在共享基准套件上，Gemini Decision 1 搭配 Decisions API 的成本接近 Gemini 3.5 Flash-Lite 搭配 Interactions API 的五分之一。差距来自两处：一是不解码输出就不用付输出费，二是没有「可变思考 token」那笔账，也不需要单独为音频转写和 OCR 付费。
计费还有一条容易被忽略的细节。共享输入在一次请求里只计费一次，与你评估多少道问题无关；每道问题只额外贡献它自己的 instructions 和 criteria 的 token 成本。这意味着一道判定和一千道判定的输入成本几乎一样，判定数量增长对账单的影响远小于线性增长。
| 维度 | Gemini Decision 1 | Gemini 3.5 Flash-Lite（Interactions API） |
|---|---|---|
| 输入价格 | 0.1 美元 / 百万 token | 按各自档位计费 |
| 输出计费 | 0 | 按生成 token 计费 |
| 端到端延迟 | 150 到 250 毫秒 | 取决于生成长度 |
| 模型计算耗时 | 中位数 50 到 100 毫秒 | 随 token 数增长 |
| 单请求最大问题数 | 1000 | 不适用 |
| 共享输入上下文 | 256K token | 按模型窗口 |
| 思考 token 计费 | 无 | 有可变思考计费项 |
| 音频转写 / OCR 附加费 | 无 | 按各自规则另计 |
| 成本对比（共享基准套件） | 约 1 美元量级基准 | 约为其 5 倍 |
延迟的稳定性同样值得记一笔。官方给出的数字是模型计算耗时中位数在 50 到 100 毫秒之间，端到端 150 到 250 毫秒，覆盖到 16K token 的上下文。而且从 1 道问题加到 100 道问题，这个延迟曲线基本是平的。这正是它能当控制平面的原因，判定数量翻倍不会让响应时间跟着翻倍。
官方四个已上线场景，看它到底替掉了什么
谷歌内部已经用 Decisions API 替换掉了四处原本要等生成式调用的环节，这四个案例比接口文档更能说明它的定位。
Gemini Notebook 用它做实时模型路由。把 incoming query 分类到最合适的模型档位和思考级别，官方称日常查询的延迟最多降低 40%，同时把深度推理模型留给真正复杂的任务。路由器不再需要猜，大模型自己告诉你这次该走哪一档。这类分流逻辑此前多靠规则加小模型拼凑，本站在 Qwen4 登顶 GameFeel 榜 和 本地大模型显存怎么算 两篇里都能看到同一类需求的具体形态。
Stitch 的新 rapid canvas 实验用它生成可播放的线框图，并在语音或点按编辑后几乎即时应用改动。CC 从 Google Labs 用它从两百多个候选里挑表情回应。Google Search 则用它做 MCP 工具调用前的安全层，对抗性评估显示在延迟预算内具备较高检出效能。这一层和本站此前写的 OpenAI Control Room 的 35 秒熔断 恰好是同一类问题的两种解法，一个管超时，一个管内容。
还有一点官方没大写但很关键：这些团队的做法都是只定义候选项，不训练自定义分类器，也不等生成式调用返回。这是把判定成本从项目制压到配置制的关键。
什么时候该用它，什么时候该换生成式
把判定端点和生成式端点混着用，是最常见的用法错误。可以按这三条判断。
第一，答案空间是否闭合。闭合就用 Decisions API，答案要写一段理由就用生成式。判断一张图有无违规内容是闭合的，写一段为什么违规的说明不是。
第二，需要的概率分布还是确定答案。只需对错，用 noul 就够。如果下游要按概率分流，比如置信度低于 0.6 转人工，choice 返回的归一化概率和 score 的逐档概率是必需的，单纯布尔判断做不到。
第三，输入是否要喂多模态。这是这套端点真正的差异所在。音频、视频、PDF 都是原生输入，不必先转写再送文本。本站 whisper.cpp 中文转写实测 里把五档模型怎么选拆开讲过，纯文本流水线的成本结构在那里，而 Decisions API 把转写这一步直接从账单上删掉了。
和自训分类器比，它省掉的是数据标注和训练周期；和生成式模型比，它省掉的是输出 token 和解析逻辑。这两条对比在本站的 MKA 多模态知识智能体基准 和 Meta Muse Ember 定价拆解 里分别有更细的对照。
生态与后续
集成正在往各家框架铺，OpenRouter、LangChain、Vercel、LiteLLM、Pydantic AI、Pipecat、LiveKit、OpenCode 都在支持名单里，google-genai 系列 SDK 也同步跟上。谷歌说后续会进入 Google Cloud 上的 Gemini。
AI Studio 里有免费额度层可以直接做原型验证，官方同时挂了三个演示应用：Doorstep Parcels、Speed Sketch 和 Find the Zoo Keeper。对开发者来说，这三个演示的价值在于它们分别对应包裹分拣、线框草图和视觉检索三种典型形态，照着改比读文档快。
常见问题
Gemini Decisions API 一次最多能问多少道问题
一次请求最多可以带 1000 道互相独立的问题，针对同一份共享输入。共享输入只计费一次，每道问题只额外算它自己 instructions 和 criteria 的 token。而且从 1 道加到 100 道，延迟曲线基本是平的，端到端稳定在 150 到 250 毫秒。
Decisions API 和 Gemini 3.5 Flash-Lite 该怎么选
答案空间闭合、且下游要概率分布，就用 Decisions API，它在共享基准套件上的成本约为 Flash-Lite 加 Interactions API 组合的五分之一。需要模型写出解释、报告或长文本，就用生成式端点。Decisions API 不产生任何输出文本，这条路是走不通的。
调用它需要哪些权限和准备
到 Google AI Studio 取 API key 即可开始，没有额外的模型白名单或审批环节，接口版本是 v1beta。Python 用 google-genai 的 client.decisions.create，JavaScript 和 REST 各有一套指南。原型阶段用免费额度层，正式上线前再按每百万输入 0.1 美元折算账单。
小结
Gemini Decisions API 提供的价值不在于它比生成式模型更聪明，而在于它把判定这件事的成本结构彻底改了。1000 道题一次问完、端到端 250 毫秒以内、输入每百万 0.1 美元、输出零计费、共享输入只算一次，这五条组合起来，把大量原本因为「判定太贵太慢」而没做的风控与路由功能，变成了默认该做的常规工程动作。
对已经在做智能体系统的团队，这套端点值得优先试的是路由层和安全层这两个位置。它们是判定需求最密集、且现有方案成本结构最不合理的地方。
相关阅读
- MKA 多模态知识智能体基准：200 任务实测 4 模型成本差 16 倍
- OpenAI Control Room：35 秒熔断与 9 月 2.5 小时事故对照
- Meta Muse Ember：0.1 美元每百万 token 与 35.8 分智能指数
- whisper.cpp 中文转写实测：五档模型怎么选
- Gemini Omni 1.2 Flash：15 秒视频，0.07 美元每秒
延伸阅读
- llm-d 1.0发布：17000节点吞吐提升2.9倍，首token延迟砍掉85%3 周前
- AMD EPYC 9006 出货：256 核 2nm 与 Helios 五家首批客户1 周前
- 谷歌 Gemini 小企业商业页上线，店主每天省 2 到 3 小时3 周前
- 谷歌 Gemini 4 Carbon 发布：AA 指数 59 分登顶2 周前
继续读
同一批更新里这几篇值得一看：
- Gemini Robotics 2.5 深度：奔驰产线分拣 96% 与越狱抗性 99.5%2026-11-11
- 阿里云 Token Plan 四档对比：312 元 Pro 降价 37%2026-11-10
- Ollama 上下文怎么设：4096 实测只吃 2050 token2026-11-09
想快速查定义？对应的词条在这里：
- Gemini 4词条 · AI 自学笔记