返回资讯中心
外部精选
ai-models
#AI 工程#ainews: weekday roundups

Google抢先Anthropic推出生产级决策模型Gemini Decision 1

来源标题:[AINews] D-Day (Decision Models Day)

Google在AIE CODE活动上发布Gemini Decision 1,抢先Anthropic进入决策模型市场。该模型为校准过的多模态决策模型,最多可处理1000个问题,每百万输入token收费0.10美元,端到端延迟约200毫秒。同日Cloudflare和TypeSafe AI也分别展示了分类模型与生产客户案例。

Latent Spaceswyx .ai2026/11/12 · 6 天前30 分钟阅读

以下正文由 AI 翻译自 Latent Space(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

今天是由 AIE CODE 举办的第二届年度活动的“System One day”,不知怎的一切都恰到好处地对上了:

  • Cloudflare 的 Michelle Chen 讲解了他们的 Clef 和 Clairic 模型
  • Richard 介绍了 Diogo 凯旋回归 AIE,聊了 Jevolution,以及他们自跨过 1 亿美元 ARR 以来最值得关注的生產客户
  • 一个大惊喜:Google 抢在 Anthropic 之前发布了生产级决策模型,Sundar 和 Logan 宣布了 Gemini Decision 1——一个经过校准的多模态决策模型,最多可处理 1000 个问题,每百万输入 token 收费 0.10 美元,端到端延迟约 200ms。 基准测试成绩不错(照例还是那句关于 benchmark 的免责声明): 以上这些以及更多内容,都可以在今天的 System One track 上听到。 另外,请通过给你的 agent 配置 SerpApi 来支持 AINews,让它能阅读和爬取网页! 由 SerpApi 赞助 给你的 AI agent 完整页面,而不只是一个链接 使用 SerpApi 的 Extract API,通过 URL 以干净的 Markdown、结构化 JSON 或原始 HTML 形式获取公开网页。可以提取单个页面、映射站点 URL,或在同站点范围内进行有界爬取。只需设置 engine=extract 并传入 URL,再加 output=md 即可获得 Markdown。配合 100 多个 SerpApi 搜索 API,用一个供应商就能从查询直达页面内容。 感谢 SerpApi 与 business@latent.space 的合作!

AI Twitter 回顾

Google 发布 Gemini Decision 1,用于单遍分类

  • Gemini Decisions API:Google 推出了一套由 Gemini Decision 1 支撑的新 API。该模型处理闭集决策,因此它在单遍中为各选项打分,而不是逐 token 生成文本(Sundar Pichai、Logan Kilpatrick、Google)。
  • 规格:支持是/否、多选和评分标准打分,多选选项最多 255 个。接受文本、图像、音频、视频和 PDF 输入,每次请求最多处理 1,000 个问题,上下文 256K,端到端 150–250 ms 返回答案,并为每个答案附带置信度分数(@_philschmid)。
  • 价格:每 100 万输入 token 0.10 美元,输出计费 0 美元。Google 称这比 Flash-Lite 便宜约 5 倍(Sundar)。
  • 起源:该项目最初是 Google DeepMind 的内部原型。一个小团队在大约六周后就把模型和 API 交付上线了(@_philschmid)。
  • Google 与 TypeSafe 的 Jev 的对比:Google 自己的测试显示,Decision 1 在 7 个共同基准中的 5 个上击败 Jev 1.14,包括在 JevBench 上以 92.2% 对 90.0% 胜出。Jev 每 100 万输入 token 收费 0.042 美元(@kimmonismus)。
  • Artificial Analysis 评估:独立结果更为参差(Artificial Analysis)。
  • 总分:Decision 1 在 Decision Index 上得分 66。这与 Elephant 9B 和 Jev 1.14 持平,落后 Drex Max v1.1 和 GLiDE v1.2 七分。
  • 优势与劣势:它在 AA-Omniscience-Decision(66)和 HLE-MultiChoice(49)上领先。在 AA-Paperclip 上,它仅在 33% 的文档上答对所有问题,而 Drex Max 为 63%。
  • 成本与延迟:每 100 万任务成本 345 美元,而 Drex Max 为 103 美元、Jev 为 156 美元。其 Brier 分数为 0.18。平均每任务耗时 211 ms,慢于 Jev 的 92 ms(延迟)。
  • 早期采用者:Stitch 在该 API 上构建了一个快速设计实验,能从粗略 prompt 在大约 5 秒内生成多屏产品流程(Stitch)。LangChain 实现了 day-zero 支持,提供了一个与 TypeSafe 分类器共享的基类(LangChain)。
  • 架构模式:在 AI Engineer 上,Cloudflare 描述了一种混合 agent 设计。快速决策模型负责工具选择和日志提取,大型推理模型只负责诊断。在其演示中,这将六次 LLM 调用减少为一次,把约 40K token 降到 1.8K(TheTuringPost)。 前沿模型评测:Fable 5.2 领先,Carbon 因速度遭抱怨
  • Claude Fable 5.2 在 Agent Arena 上:Fable 5.2(Max)在 4.7K 个真实 agent 会话中排名第一,净提升 +30.4%。这大约是第二名 Opus 5.5(+19.5%)得分的 1.6 倍。它在 Code、Work 和 Chat 三个类别中也均排第一(Arena、Pareto 视图)。
  • 价格:API 价格从每 100 万输入/输出 token 的 10/50 美元降至 8/40 美元。每任务成本中位数为 7.3 美元,而 Opus 5.5 为 5.5 美元、Gemini 4 Carbon(High)为 1.5 美元、GPT-6-Astra 为 6.0 美元。
  • 其他评测:
  • AA-Robotics v0.1:Fable 5.2 以 75 分领先,领先 Astra(69)和 Sol(65)(AA)。
  • VIALS-AA(视觉推理):带工具时得分 67%,不带工具时仅 44%。Haiku 5.5 带工具达到 49%,每任务成本 0.07 美元(AA)。
  • 辩论基准:在一场剑桥联盟风格的比赛中,它赢下了 224 场辩论中的 209 场(@SamuelFitouss10)。
  • 努力程度校准:在 Claude 系列内部,Artificial Analysis 发现提升模型档次比提高 effort 更划算:Opus 5.5 在 xhigh 下的得分高于 Sonnet 5.5 在 max 下的得分,且每任务成本低 40%(AA)。Vals 另行报告称,Fable 的“high”设置通常比 xhigh 或 max 更便宜也更好(@RayanKrishnan)。
  • Gemini 4 Carbon:Vals 在其指数上将 Carbon 排为第 3,并且是前五名中最快、最便宜的(Vals)。从业者意见不一(Theo、Martin Casado、@MParakhin)。
  • 延迟抱怨:Theo 实测 Carbon 在 low effort 下耗时 22 分 21 秒,而 Opus 5.5 在 high 下为 9 分 33 秒(计时)。他还报告首 token 约 11 秒,大约是 Fable 的 20 倍,并将延迟归因于服务器端(TTFT)。
  • 编码与数学:Casado 称 Carbon“非常擅长代码”。Parakhin 表示 Carbon 在数学和 ML 问题上常常胜过 Fable,但他不信任它来做编码。
  • Muse Ember:Meta 的模型在 Agent Arena 上提升 +1.7%,每任务成本约 0.02 美元。这比 GPT-6 Luna 和 Haiku 5.5 便宜约 4 倍,比 Luna 快约 12 倍(Arena)。Vals 报告称 Ember 达到 Fable 5.2 性能的 85%,而成本仅为其 0.84%(Vals)。
  • 中国模型:
  • Qwen 4:Qwen-4-Max 似乎已经上线。关于它令人失望的传闻仍未得到证实(@kimmonismus)。一些用户对阿里巴巴如何标注其变体持怀疑态度(@teortaxesTex)。
  • ERNIE 5.5 Flash Preview:百度的模型在 Code Arena WebDev 上以 1668 分呈上升趋势,接近开源模型中的第 2 名。已承诺会发布 Apache 2.0 权重(Arena)。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →