Gemini Decision 1 API
Google 推出的决策专用模型，针对预设问题返回概率与置信度，而非生成文本，单次请求可评分最多 1,000 个问题。
Gemini Decision 1 是 Google 于 2026 年 11 月 11 日发布的决策模型，与常规生成式模型不同，它不输出文字，而是针对预设问题返回概率和 0 到 1 的置信度分数。它支持是非题、多选题和评分型问题，单次请求可在一次前向计算中评分最多 1,000 个独立问题，并支持文本、图像、音频、视频和 PDF 输入，上下文长度为 256K tokens。
该模型适合把判断类任务交给机器打分的场景，例如工具选择、策略检查、模型路由、上下文评级、内容评级，以及按质量清单扫描配送照片。Google 将共享输入材料按请求计费一次，与问题数量无关；在 16K tokens 以内的上下文下，端到端延迟为 150 到 250 毫秒，且提问 1 个还是 100 个问题，延迟几乎不变。
使用上，可通过 Gemini API 在 Google AI Studio 中调用，并提供 Python、JavaScript 和 REST 开发指南。需要注意的是，公开的延迟数据仅适用于 16K tokens 以内的上下文，不覆盖 256K tokens 上限的全部请求；独立基准验证尚未出现。
更新时间:
模型 ID
gemini-decision-1- 上下文
- 262.144K
- 最大输出
- 235.929K
- 输入
- text / image / audio / video / file
- 输出
- decisions
核心要点
- 返回概率与置信度而非生成文本
- 单次请求最多评分 1,000 个问题
- 支持是非题、多选题与评分题
- 16K tokens 内延迟 150 到 250 毫秒
- 共享输入材料每请求只计费一次
- 支持文本、图像、音频、视频与 PDF
供应商
比较不同供应商的调用价格，点击供应商可查看完整费用和适用条件。
| 可用率 | |||
|---|---|---|---|
| $0.1 | $0 |
历史统计不等于实时健康检查，缺失数据不代表服务中断。
基准测试
- 92.2%
JevBench
Google 自行测试，对比 TypeSafe 的 Jev 1.14 的 90.0%
分数来自模型厂商公布的数据，未独立验证。
决策快速开始
把状态和明确的类型化问题发给 /api/v1/decisions，每个问题读回一个答案：noul 返回 0 到 1 的概率，choice 返回选中的选项及其分布，score 返回有序标准的数值评分。这个入口与 Chat Completions、Messages、Responses 三套接口相互独立。
curl https://openapi.felo.ai/api/v1/decisions \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-decision-1",
"state": "Help! My payouts have been failing for 3 days.",
"questions": {
"is_urgent": {
"type": "noul",
"instructions": "Does this message convey urgency?",
"criteria": {"true": "Time-sensitive", "false": "No urgency"}
},
"department": {
"type": "choice",
"instructions": "Which team should handle this?",
"criteria": {
"billing": "Payments, invoicing, refunds",
"technical": "Bugs, outages, integrations",
"sales": "Pricing, upgrades, new accounts"
}
},
"frustration": {
"type": "score",
"instructions": "How frustrated is the customer?",
"criteria": ["Calm", "Frustrated", "Very angry"]
}
}
}'常见问题
什么是 Gemini Decision 1?
Gemini Decision 1 是 Google 于 2026 年 11 月 11 日发布的决策模型，与常规生成式模型不同，它不输出文字，而是针对预设问题返回概率和 0 到 1 的置信度分数。它支持是非题、多选题和评分型问题，单次请求可在一次前向计算中评分最多 1,000 个独立问题，并支持文本、图像、音频、视频和 PDF 输入，上下文长度为 256K tokens。 该模型适合把判断类任务交给机器打分的场景，例如工具选择、策略检查、模型路由、上下文评级、内容评级，以及按质量清单扫描配送照片。Google 将共享输入材料按请求计费一次，与问题数量无关；在 16K tokens 以内的上下文下，端到端延迟为 150 到 250 毫秒，且提问 1 个还是 100 个问题，延迟几乎不变。 使用上，可通过 Gemini API 在 Google AI Studio 中调用，并提供 Python、JavaScript 和 REST 开发指南。需要注意的是，公开的延迟数据仅适用于 16K tokens 以内的上下文，不覆盖 256K tokens 上限的全部请求；独立基准验证尚未出现。
如何计算调用费用？
费用取决于你使用的供应商、对应价格和实际用量。长文本输入等情况可能适用不同价格，详见计费明细。
Gemini Decision 1 支持哪些输入类型？
支持文本、图像、音频、视频和 PDF 输入，上下文长度为 256K tokens。
它和普通生成式模型有什么不同？
它不生成文本，而是针对预设问题返回概率和 0 到 1 的置信度分数，单次请求可在一次前向计算中评分最多 1,000 个独立问题。
它适合处理哪些任务？
适合工具选择、策略检查、模型路由、上下文评级、内容评级，以及按质量清单扫描配送照片等判断类任务。
延迟表现如何？
在 16K tokens 以内的上下文下，端到端延迟为 150 到 250 毫秒，且延迟几乎不随单次请求的问题数量增加而变化。
如何调用这个模型？
可通过 Gemini API 在 Google AI Studio 中使用，官方提供 Python、JavaScript 和 REST 开发指南。