平时用 AI,最常见的方式是让它"把话说出来"。但很多活其实不需要它写文章——邮件是不是垃圾、这条评论该归哪个类、下一步该调哪个工具,你要的只是一个判断题答案。 据 InfoQ 11 月 12 日报道,谷歌发布了一款不走这条路的新模型 Gemini Decision 1,同时上线 Gemini Decisions API。它不逐字生成文本,而是在一次处理里对着你给的候选答案直接打分,输出结果、概率和置信度。 它能干什么 据官方介绍,它支持三类判断:一是"是/否"二元判断,给出条件成立的概率;二是多项选择,候选选项可设 2 到 255 个,还会返回每个选项归一化后的概率;三是按你自定的等级标准打分,给出加权分数。输入不限于文字,图像、音频、视频、PDF 都能看,上下文最高 256K Token,一次请求最多能处理 1000 个问题。 每项判断都带 0 到 1 的置信度,系统可以把没把握的活转给人工或更强的模型复核。 快和便宜是重点 据谷歌公布的数据,上下文不超过 16K Token 时,端到端延迟约 150 到 250 毫秒;问题数从 1 个加到 100 个,延迟基本不涨。价格是每百万输入 Token 0.10 美元,输出不计费,官方称成本约为 Gemini 3.5 Flash-Lite 的五分之一。 成绩单与短板 在谷歌给出的 9 项基准里它拿下 7 项第一:JevBench 92.2%、New Yorker Caption 79.7%、PubMedQA 79.8%,多语言测试 86.0%。更被强调的是"校准"——Top-1 校准误差 0.0250,约为 GPT-6 Luna 的三分之一。不过在网页操作与工具调用时机两项上,专用模型 TypeSafe Jev 1.14 仍略胜,差距不到 3 个百分点。 据了解,谷歌内部已经用上了:Gemini Notebook 拿它做实时模型路由,日常查询延迟最多降 40%;Google Stitch 的 Rapid Canvas 几秒钟出可交互线框图;搜索团队还用它给 MCP 工具做安全检测层。 一句话:AI 不只会"写答案",现在也开始专职"做判断"了。 来源:InfoQ《谷歌发布首款决策模型 Gemini Decision 1:9 项测试拿下 7 项第一,准确率最高 92.2%》 https://www.infoq.cn/article/E7QKIMUz3h0G0IE5Paii 官方博客:https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/ |
业界动态范式放出Phai双模型:350亿参数只激活30亿2026-11-20
业界动态思维链一作Jason Wei离开Meta:不发模型了2026-11-19
业界动态材料科学智能体MatOS正式开源:AI自己攒经2026-11-18