谷歌发布Gemini Decision 1决策模型,七项共享基准中五项领先Jev

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。

谷歌正式发布多模态决策模型Gemini Decision 1,向两个月前引爆决策模型品类的TypeSafe Jev发起直接挑战。该模型不生成任何文本,仅计算供程序直接驱动Agent执行的候选项概率与置信度,跳过逐Token生成环节,同时免除输出Token费用。在双方均有报告的7项共享基准中,Gemini Decision 1赢下5项;Jev在When2Call工具调用和Mind2Web多模态两项上仍保持优势,分别为82.0%对79.9%和86.8%对86.2%。定价方面,Gemini Decision 1每100万输入Token收费0.10美元,约为Jev的2.38倍。

Jev于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强企业被列为客户。但市场质疑始终存在: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,独立评测普遍指向同一结论——速度与成本优势属实,输出质量则是另一回事。谷歌此时入场,意味着决策模型作为独立品类获得了巨头级背书。

在技术路径上,Gemini Decision 1将输出目标从开放式文本生成改为候选项评分。普通LLM处理“从四个工具里选一个”这类任务时仍走自回归解码,逐Token生成工具名或JSON再由程序解析;Gemini Decision 1则由开发者预先定义问题、候选集合与判断标准,模型读取输入后通过单次前向计算直接返回各候选项的概率分布。这与Structured Output存在本质区别:后者仍让模型生成文本,仅通过Schema限定JSON字段格式,前者则直接围绕有限候选空间完成评分,返回结果本身即为程序可读取的数据。

该模型提供三种判断类型。Noul处理二元判断,返回条件成立的概率,范围为0.01至0.99,开发者可分别定义何种情况算Yes或No以降低歧义偏差。Choice处理多分类问题,支持2至255个候选项,返回胜出选项及各候选项的归一化概率,概率之和为1,适用于工具路由、模型选择和任务分类;由于概率分配始终发生在给定候选集合内,开发者需提供Other选项或额外设置范围检查。Score则先为有序评分标准中的每个等级分配概率,再计算加权评分,将离散分类扩展为连续评分,便于程序排序和阈值筛选;但加权结果会压缩概率分布信息,两个输入即使得分相同,背后的等级概率也可能完全不同,涉及风险等级区分的任务仍需读取各等级概率。

请求结构方面,Gemini Decision 1采用一份Shared Input对应一组Questions的设计。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,每个问题可使用不同的判断类型和评分标准,单次请求支持至多1000项问题。以设备巡检为例,系统可将运行视频、维修记录和现场语音放入同一份输入,异常检测使用Noul、类别判断使用Choice、严重程度使用Score,模型读取相同材料分别完成各项评分。谷歌文档明确说明,各问题具有独立评估路径,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不会改变其他问题的答案,因此并行评分不依赖前序问题的推理链。

计费结构上,共享输入只计费一次,每项问题额外产生的费用来自自身的instructions和criteria Token,无需重复计算整份材料,这一结构对长文档批量审核、音视频检查和多维度内容评估的成本影响较为直接。但1000项问题并不意味着可将任意复杂工作流塞入单次请求:若问题B必须根据问题A的具体结果生成新候选项,两项任务存在前后依赖,需先读取A结果再提交B;若B的候选项已确定、仅需在A不满足条件时忽略B的答案,则可同时提交由程序决定是否采用结果。上下文上限为256K Token,需由共享材料和全部问题共同使用,问题数量增加时instructions和criteria也会占用上下文空间。

延迟数据方面,在上下文不超过16K Token的测试条件下,问题数量从1项增至100项,模型计算延迟基本保持平稳,中位计算延迟为50至100毫秒,端到端延迟为150至250毫秒。需注意的是,API支持1000项问题,而公开的近乎平稳延迟测试范围仅为1至100项。多模态输入涉及工程取舍:图像和视频可设置low、medium、high、ultra_high等分辨率等级,视觉细节越丰富输入成本越高;音频和PDF直接进入相应内容处理路径,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。关于内部是否使用独立输出头、如何分配各问题的计算资源,谷歌目前尚未给出完整技术说明。

从行业影响看,谷歌的入场将决策模型从单一厂商的概念验证推向巨头竞争阶段。Jev凭借先发优势和多模态能力占据的估值高地,正面临来自云计算与基础模型双重资源加持的对手。对开发者而言,决策模型的选型标准将从单纯的“快与便宜”转向多模态覆盖、批量判断能力、计费结构与延迟稳定性的综合权衡,而第三方独立评测的缺位仍是这一品类走向成熟前需要补齐的环节。

该文观点仅代表作者本人,企服科学平台仅提供信息存储空间服务。

赞 (0)
Perplexity推出Decider v1.3,将AI判断能力拆分为独立模型
上一篇 11小时前
李开复:企业AI转型只盯智能体数量是荒谬笑话,CEO应回归收入与利润指标
下一篇 10小时前

相关推荐

发表回复

登录后才能评论
分享本页
返回顶部