Google 推出 Gemini Decisions API，基于 Gemini Decision 1 模型

Gemini Decisions API 简介

隆重推出 Gemini Decisions API，由我们全新的 Gemini Decision 1 模型驱动。它能在单次快速推理中，对文本、图像、音频、视频和 PDF 进行最多 1,000 个是/否、选择题和评分量表问题的评估。

您的浏览器不支持音频元素。

我们推出 Gemini Decisions API，帮助您在文本、图像、音频、视频和 PDF 上快速做出概率性选择。该工具可在单次推理中为多个问题计算置信度分数，提供了一种经济高效的方式来路由查询、评分内容或检查策略规则。您今天就可以开始构建：在 Google AI Studio 中获取 API 密钥，并查阅我们针对 Python、JavaScript 和 REST 的文档指南。

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

Decisions API 为您提供专为有界选择而构建的原语，例如工具选择、策略检查、模型路由和上下文评分。您可以传入一个多模态输入（涵盖文本、图像、音频、视频和 PDF，最多 256K token）以及最多 1,000 个独立问题。Gemini Decision 1 不会逐 token 生成答案文本，而是在单次前向传播中对候选选项进行评分，以 150-250 毫秒的端到端延迟返回概率和置信度分数，价格为每 100 万输入 token 0.10 美元，且不计费任何输出 token。

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 在整个测试套件中领先，并且校准误差最低。

Gemini Decision 1 无需逐 token 解码即可对选项进行评分，在多模态输入和最多 16K token 的上下文中，模型计算的中位延迟保持在 50-100 毫秒（端到端 150-250 毫秒），并且从每次请求 1 个问题到 100 个问题几乎保持平稳。由于不计费任何输出 token，在共享基准测试套件中，使用 Decisions API 的 Gemini Decision 1 比使用 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，可以在单次前向传播中直接处理文本、图像、音频、视频和 PDF。您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。

您可以在单个请求中针对该共享输入评估多个问题，混合是/否检查、多项选择和评分量表分数。每个答案都包含置信度分数（从 0 到 1），以便您的代码可以将模糊情况路由到回退方案或人工审核员：

输入字段使用与 Interactions API 相同的 Content 块格式。以下是如何在单个请求中，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