← Главная новостей | Торговый зал
2026-11-13 · Источник:MarkTechPost

Новая модель Gemini Decision 1 за один прямой проход оценивает до 1000 вопросов параллельно и возвращает калиброванные вероятности: ввод — 0,1 доллара за миллион токенов, вывод не тарифицируется.
Google запустил Gemini Decisions API на базе специализированной мультимодальной модели Gemini Decision 1 (идентификатор модели: gemini-decision-1). В отличие от генеративных моделей, которые декодируют ответ токен за токеном, а затем извлекают ответ через парсинг, она не производит никакого текста: за один prefill-проход параллельно оценивает до 1000 типизированных вопросов по одному общему вводу и возвращает калиброванные вероятности — код напрямую ветвится по возвращённым числам. Позиционирование — массовые мелкие решения внутри агентов: маршрутизация, проверки политик, выбор инструментов и скоринг.
Поддерживаются три типа вопросов: «да/нет» (noul, вероятность «да» ограничена диапазоном от 0,01 до 0,99), выбор варианта (choice, от 2 до 255 опций с нормализованными вероятностями) и оценка (score, упорядоченная шкала от 2 до 255 уровней). Каждый ответ сопровождается степенью уверенности от 0 до 1; Google рекомендует передавать случаи с низкой уверенностью человеку или резервному пути. Вопросы не видят друг друга и оцениваются параллельно. Модель нативно читает за один проход текст, изображения, видео, аудио и PDF; контекст — 262144 токена, общий для ввода и всех вопросов. Задержки: медиана вычислений модели — 50–100 мс, сквозная — 150–250 мс, причём от 1 до 100 вопросов почти не меняется (при вводе до 16K токенов).
Ценообразование — главное преимущество: 0,10 доллара за миллион входных токенов, объём вывода всегда равен нулю и не тарифицируется; общий ввод оплачивается один раз за запрос независимо от числа вопросов, плата за «токены размышления», транскрипцию или OCR не взимается. Однако кэширование промптов и Batch API пока отсутствуют — повторяющийся контекст оплачивается по полной цене; в 7 общих бенчмарках Google суммарные расходы составили 0,88 доллара — больше, чем 0,68 доллара у TypeSafe Jev 1.14, но примерно в пять раз меньше, чем у Gemini 3.5 Flash-Lite (4,14 доллара).
Бенчмарки заявлены самой Google (отказ от ответа засчитывается как ошибка); среди сравниваемых — TypeSafe Jev 1.14, GPT-6 Luna из OpenAI Decisions и Gemini 3.5 Flash-Lite: модель лидирует в 7 из 9 бенчмарков, с результатом 92,2% занимает первое место на публичном сплите JevBench; слабейший результат — макро-F1 58,7% на Amazon ESCI, а 79,9% на When2Call уступают 82,0% у Jev. Главный плюс — калибровка: Top-1 ECE всего 0,0250 — примерно вдвое лучше, чем у Jev 1.14 (0,0494), и значительно лучше, чем 0,0721 у Luna и 0,2104 у Flash-Lite, что критично для автоматизированных сценариев с порогами уверенности. В сравнении с Luna: у той контекст больше — 1,05M, есть поддержка кэширования промптов, но лишь 400 вопросов на запрос и нет поддержки аудио, видео и PDF.
Примеры внедрения: Gemini Notebook использует модель для многоуровневой маршрутизации моделей, снижая задержку на рутинных запросах до 40%; CC из Google Labs выбирает реакции из более чем 200 вариантов эмодзи; быстрый холст Stitch генерирует интерактивные вайрфреймы за считанные секунды. Доступность: модель уже работает в Gemini Developer API (v1beta), требуется SDK google-genai версии 3.2 и выше, в Google AI Studio доступен бесплатный тариф; модель хостится только Google, открытых весов нет; экосистемные каналы — OpenRouter, LangChain, Vercel AI SDK, LiteLLM, Pydantic AI и другие — подключаются постепенно.
萬安算交所 AIXX · AIXX · Верифицированная биржа · В торговый зал