谷歌发布 Gemini Decisions API（决策接口），单次请求可评分最多1000个多选题并返回置信度
谷歌推出由新模型 Gemini Decision 1 驱动的 Gemini Decisions API（决策接口），可对文本、图像、音频、视频和 PDF 的同一份输入，在一次请求中评估最多1000个是/否、多选或按量表打分的问题，并给出0到1的置信度，供开发者把不确定的请求转给备选方案或人工复核。
谷歌称端到端延迟150至250毫秒，输入定价为每百万 token（词元）0.10美元、输出不收费。 上述性能与成本均为谷歌自述，尚未见第三方独立复现。
谷歌称，Gemini Decision 1（gemini-decision-1）通过 Gemini API（应用程序编程接口） 在 Google AI Studio 提供，支持最多 256K token 的共享输入与最多 1000 个独立问题； 模型不对答案逐 token 生成，而是一次前向计算为候选选项打分并返回概率与置信度。
问题类型包括 noul（是/否，可附真假判定标准）、choice（2 至 255 个选项）和 score（有序量表评分）。 谷歌表示，共享输入按请求计费一次，每个问题只额外计入其指令与标准 token； 该文称端到端延迟为 150 至 250 毫秒、每百万输入 token 0.10 美元、输出 token 不计费。
谷歌称 Google Search 用其检测针对 MCP（模型上下文协议）工具的对抗性行为，并称在延迟范围内具有较高有效性； 该效果尚未经第三方独立验证，且筛查结果不等于最终判定。 谷歌列举的内部用途包括 Gemini Notebook 的模型路由、Stitch 的快速画布、Google Labs CC 的表情选择。
这次发布把“生成答案”与“在有限选项中做判断”拆开：闭集打分模型无需逐 token 解码，延迟与费用结构随之改变，更适合路由、政策检查、内容分级等控制层任务，而非开放式生成。 对开发者而言，真正的约束在于置信度是否可靠。 谷歌把校准误差作为卖点，但校准质量需在自有数据上验证； 把低置信度结果转人工的设计，说明厂商也承认单次判断会有不确定输出。
推理模型与轻量模型的分层路由可能因此更常见。
后续观察信号
- Gemini Decision 1 的上下文 16K token 之后表现如何，原文未披露
- Google（谷歌） Search 对抗性检测的误报率与漏报率是否有公开数据
- 按问题数量扩展时延迟“几乎持平”的实测范围