谷歌推出Gemini Decisions API，支持单次处理千条多模态判断题

隆重推出 Gemini Decisions API，它由全新的 Gemini Decision 1 模型驱动。只需一次快速处理，即可对文本、图像、音频、视频和 PDF 中的多达 1,000 个是/否题、选择题和评分标准打分题进行评估。

您的浏览器不支持 audio 元素。

我们推出 Gemini Decisions API，帮助你在文本、图像、音频、视频和 PDF 上快速做出概率性选择。该工具可在单次处理中为多个问题计算置信度分数，为查询路由、内容评分或策略规则检查提供了一种高性价比的方式。你今天就可以开始构建：在 Google AI Studio 中获取 API key，并查阅我们的文档，其中包含 Python、JavaScript 和 REST 指南。

今天，我们推出 Gemini Decisions API，这是一个用于快速、封闭集决策的新端点，由全新的 Gemini Decision 1 模型（gemini-decision-1）驱动，可通过 Google AI Studio 中的 Gemini API 使用。

Decisions API 为你提供专为有界选择而设计的原语，例如工具选择、策略检查、模型路由和上下文评分。你可以传入一个跨文本、图像、音频、视频和 PDF 的多模态输入（最多 256K tokens），并附带最多 1,000 个独立问题。Gemini Decision 1 不会逐 token 生成答案文本，而是在一次前向处理中为你的候选选项打分，返回概率和置信度分数，端到端延迟为 150-250 ms，价格为每 100 万输入 tokens $0.10，且输出 tokens 不计费。

在涵盖智能体路由、推理、排序和多模态理解的基准测试中，Gemini Decision 1 在整个测试套件上领先，并具有最低的校准误差。

Gemini Decision 1 无需逐 token 解码即可为选项打分，在多模态输入和最多 16K tokens 的上下文下，模型计算延迟中位数为 50-100 ms（端到端 150-250 ms），并且从每次请求 1 个问题到 100 个问题几乎保持平稳。由于输出 tokens 不计费，在共享基准测试套件上，搭配 Decisions API 的 Gemini Decision 1 比搭配 Interactions API 的 Gemini 3.5 Flash-Lite 便宜近 5 倍。

Gemini Decision 1 构建于 Gemini 的原生多模态架构之上，可在一次前向处理中直接处理文本、图像、音频、视频和 PDF。你可以在一个共享输入中组合多种模态，例如将通话录音与账户元数据配对，或将扫描的 PDF 理赔文件与损坏照片配对，并调整图像和视频输入的分辨率，以控制视觉细节和 token 成本。

你可以在单次请求中针对该共享输入评估多个问题，混合是/否检查、选择题和评分标准打分。每个答案都包含置信度分数（从 0 到 1），以便你的代码将模糊情况路由到回退方案或人工审核员：

input 字段使用与 Interactions API 相同的 Content block 格式。以下示例展示如何在一次请求中，将一张休息室台面的照片与一条文本备注一起，对照全部三种问题类型进行检查：

from google import genai client = genai.Client(http_options={"api_version": "v1beta"}) result = client.decisions.create( model="gemini-decision-1", input=[{ "type": "image