教程2026年11月16日8,400 浏览约 15 分钟阅读

Gemini API决策接口:分类、评分与模型路由怎么接?

面向开发者解析Gemini API的Decisions接口:单次最多1000个判断、多模态输入、概率置信度、150-250ms延迟与$0.10/百万输入计费,适用于模型路由与评分。

Gemini API决策接口:分类、评分与模型路由怎么接?

2026 年 11 月 11 日,Google DeepMind 发布 Gemini Decisions API,并同步推出专用模型 Gemini Decision 1。这次更新与传统的大模型版本升级有所不同:它没有将重点放在更长的文本生成或更复杂的推理链条上,而是针对 AI 应用中大量存在的分类、判断、评分和选择任务,提供了一种新的 API 调用方式。

根据 Google 官方公布的信息,Gemini Decisions API 支持在单次请求中提交最多 1000 个独立决策问题,可以共同处理文本、图片、音频、视频和 PDF 等多模态输入。模型不需要像传统生成式 API 一样逐 Token 生成一段自然语言答案,而是通过单次前向计算对预设选项进行评分,并返回对应的概率和置信度。官方公布的端到端延迟约为 150 至 250 毫秒,输入价格为每百万 Token 0.10 美元,输出 Token 不收费。

这一变化值得开发者关注。在传统 AI 应用中,很多任务并不需要模型写出一段完整回答。例如,判断一张商品图片是否存在质量问题、识别一份合同是否包含指定条款、判断用户请求应该交给哪个模型处理,这些任务本质上都是有明确候选结果的决策问题。如果每次都调用通用生成模型,让它先理解问题、组织推理过程,再输出一段文字,可能会产生不必要的计算开销。Gemini Decisions API 试图解决的正是这类问题,它将大模型的一部分能力从开放式内容生成转向结构化决策,为多模态应用和 Agent 系统提供新的控制方式。本文将从 Gemini API 此次更新、决策模型的工作原理、Python 调用方式、计费结构和实际应用场景几个方面展开分析。

一、Gemini Decisions API 是什么?与普通 Gemini API 有什么区别?

Gemini Decisions API 是 Google 在 Gemini API 体系中推出的一种专用决策接口,由 Gemini Decision 1 模型提供支持。理解它之前,需要先区分两种不同的模型任务。

第一种是开放式生成。例如,用户要求模型分析一份合同,并总结其中的风险,模型需要阅读内容、理解上下文,再生成一段完整的分析结果。

第二种是封闭式决策。例如,用户上传一份合同,只需要判断是否包含自动续约条款,或者从几个预先定义的风险等级中选择一个。这类任务的答案范围通常是有限的。如果使用普通生成接口,模型可能需要生成一段解释文字,再由程序解析结果;Gemini Decisions API 则可以直接对候选选项进行评分,返回结构化的决策结果。

两种接口的主要区别如下:

表格

比较维度普通生成式 Gemini APIGemini Decisions API
主要任务文本生成、推理、内容理解分类、判断、选择、评分
输出形式文本或结构化内容概率、置信度及决策结果
生成方式逐 Token 生成单次前向决策计算
适用问题开放式问题有明确候选范围的问题
典型应用内容创作、代码生成模型路由、风险判断、内容审核

需要注意,Decisions API 并不是普通 Gemini API 的全面替代品。如果任务需要撰写长篇报告、生成代码或进行开放式问题分析,生成式模型仍然更合适;如果任务可以被定义成若干个明确的判断条件,那么决策接口可能更有效率。这也是此次 Gemini API 更新最重要的产品定位变化。

二、Gemini Decision 1 有哪些技术特点?

Gemini Decision 1 的设计重点是减少传统生成任务中的逐 Token 解码过程,将有限选项的判断转化为结构化评分。Google 官方公布了三个主要决策类型。

1. Yes/No:二元判断

第一种是二元判断,官方接口类型为 noul,主要用于判断某个条件是否成立。例如:

  • 商品图片是否包含明显破损?
  • 上传文件是否存在敏感信息?
  • 用户请求是否包含违规内容?
  • 一段视频是否出现指定事件?

模型会根据输入内容和判断标准,估计目标条件成立的概率。这与传统分类任务有一定相似性,但它可以直接使用 Gemini 支持的多模态输入,不需要开发者先把所有内容转换为文本。

2. Choice:多选决策

第二种是多选决策,接口类型为 choice。官方支持在 2 至 255 个候选选项中进行选择。例如,一个企业客服系统可能有多个处理队列:

  • 售前咨询
  • 售后服务
  • 退款申请
  • 技术支持
  • 人工客服

模型可以根据用户输入和业务规则,选择最合适的处理方向,并返回各个候选选项对应的归一化概率。对于需要将请求分配给不同模型或不同业务流程的系统,这种能力具有实际价值。不过,最终的业务执行仍应由应用程序负责;模型选择了某个处理队列,并不代表它已经完成了后续操作。

3. Score:按照规则进行评分

第三种是有序评分,接口类型为 score。开发者可以预先定义评分等级,让模型根据输入内容判断它处于哪个等级,并返回连续评分及各等级的概率。例如,在商品质检场景中,可以定义:

  • 0 分:商品状态正常。
  • 1 分:存在轻微外观问题。
  • 2 分:存在明显质量问题。
  • 3 分:存在严重损坏。

模型可以根据商品图片和描述进行评分。与普通文本生成不同,这种方式不需要让模型先生成一段质量分析,再由程序提取数字。对于需要大规模处理结构化判断任务的应用,这种接口设计可以减少后处理工作。

三、一次 Gemini API 请求为什么能够处理 1000 个决策问题?

这是 Gemini Decisions API 此次发布中比较值得关注的设计。传统 API 调用通常围绕一次任务构建一个请求。例如,需要检查 100 份商品图片,每份图片都要判断是否存在划痕;如果逐份调用模型,就需要发起 100 次独立请求。这种方式不仅增加请求管理工作,还会重复传输部分上下文。

Gemini Decisions API 采用了共享输入与多个问题组合的方式。开发者可以先提供一份公共输入,再定义多个独立判断问题。官方公布的单次请求上限为 1000 个独立问题,共享输入支持文本、图片、音频、视频和 PDF,最大输入上下文为 256K Token。

这里需要注意,1000 个问题并不意味着每个问题都可以拥有独立的 256K 上下文;它们共享同一次请求中的输入内容,各问题还会增加自己的指令和判断标准。这种机制更适合批量检查同一份资料,而不是将完全无关的任务简单塞进一个请求。

例如,一份企业保险理赔文件可能同时包含事故描述、现场照片、维修清单、PDF 申请材料和客户提交的音频说明。传统流程可能需要分别进行 OCR、图像分析、音频转写和文本判断;Gemini Decisions API 能够直接处理支持的多模态输入,并在同一次请求中对多个判断条件进行评估。这并不代表所有复杂业务都可以省略预处理和人工复核,但它提供了一个更集中的决策入口。

四、Gemini Decisions API 实操:如何使用 Python 提交多个判断任务?

对于开发者来说,Decisions API 最有价值的部分之一,是它能够把多个判断问题放进一次请求。Google 官方示例使用 google-genai Python SDK 进行调用。

1. 安装 SDK

首先安装官方 Python SDK:

pip install -U google-genai

准备 Google AI Studio 提供的 API Key,并配置环境变量:

export GEMINI_API_KEY="your_api_key"

2. 创建决策请求

下面参考 Google 官方示例,使用一张图片和一段文本,同时完成三个判断任务。

from google import genai
client = genai.Client(
    http_options={"api_version": "v1beta"}
)
result = client.decisions.create(
    model="gemini-decision-1",
    input=[
        {
            "type": "image",
            "uri": "https://storage.googleapis.com/generativeai-downloads/images/spill.jpg",
            "mime_type": "image/jpeg"
        },
        {
            "type": "text",
            "text": "检查会议室桌面是否存在未清理的液体污渍。"
        }
    ],
    questions={
        "has_spill": {
            "type": "noul",
            "instructions": "桌面上是否存在未清理的液体污渍?"
        },
        "next_action": {
            "type": "choice",
            "instructions": "应该采取哪种清理措施?",
            "criteria": {
                "wipe_with_cloth": "小面积液体污渍,可以使用布或纸巾清理。",
                "dispatch_janitorial": "存在大面积积水、碎玻璃或持续漏水。",
                "ready_for_meeting": "桌面干净,可以直接使用。"
            }
        },
        "severity": {
            "type": "score",
            "instructions": "请评估桌面污渍的严重程度。",
            "criteria": [
                "桌面干净,可以正常使用。",
                "存在轻微局部污渍。",
                "存在明显污渍或安全隐患。"
            ]
        }
    })
print(result)

这个示例包含三种不同的判断任务:第一项判断桌面是否存在液体污渍;第二项从预先定义的处理方案中选择一个;第三项根据给定标准评估问题严重程度。三项任务使用同一份图片和文字输入,不需要为每个问题重新上传相同素材。

3. 如何理解返回结果?

与普通生成式接口不同,开发者需要关注决策结果中的概率和置信度。官方说明,每个决策结果会包含 0 至 1 之间的置信度信息。例如:

  • 0.95:模型对当前判断具有较高置信度。
  • 0.65:模型虽然倾向某个选项,但判断仍存在不确定性。
  • 0.30:当前判断的支持程度较低。

这些数字只是说明置信度字段的读取方式,并非上述示例实际运行产生的结果。实际项目中可以根据业务风险设置阈值。例如,当模型对某项判断的置信度达到内部设定标准时,程序可以继续执行自动流程;如果置信度较低,则将任务交给通用生成模型进行进一步分析,或者转交人工审核。需要特别注意,置信度不等于真实正确率;模型返回 0.95,并不意味着该类任务在所有环境中都有 95% 的准确率,企业仍然需要使用自己的验证数据集进行校准。

五、Gemini API 的决策接口如何降低调用成本?

此次发布另一个值得关注的部分是价格。根据 Google 官方发布说明,Gemini Decision 1 采用以下计费方式:

表格

项目官方价格
输入 Token$0.10 / 百万 Token
输出 Token$0
API 免费层支持
单次请求决策问题最多 1000 个
单次输入上下文最多 256K Token
端到端延迟150—250 毫秒

其中,最特别的是输出 Token 不收费。这是因为该接口不采用传统的逐 Token 文本生成方式,而是返回结构化决策结果。另外,共享输入在一次请求中只计费一次,不会因为同时提交多个判断问题,就把整份输入重复计算多次;每个问题额外增加的只是自身指令和判断标准对应的 Token。

1. 一个批量判断的成本示例

假设某个商品审核系统需要检查 1000 张图片,每张图片经过处理后平均输入 Token 为 1000。如果逐个执行,理论上总输入 Token 为:
1000 × 1000 = 1,000,000 Token。

按照每百万输入 Token 0.10 美元计算,基础输入费用为 0.10 美元。如果使用 Decisions API 的共享输入机制,且请求组织方式符合接口要求,能够在一次请求中复用同一份输入,则可以避免重复传输和重复计费。

但这里不能简单认为 1000 张完全不同的图片都能放进同一个请求,并且仍然只消耗 1000 Token。实际费用取决于图片内容、图像分辨率、文本说明、各问题指令以及输入总长度;每次请求仍需遵守 256K 上下文限制和具体输入格式要求。因此,这个接口最适合的并不是所有批量任务,而是多个问题围绕同一份共享资料展开的场景。

2. 与普通生成接口相比有什么优势?

Google 官方在发布说明中给出了一个基准对比:在其共享评测任务集合中,Gemini Decision 1 通过 Decisions API 完成任务的成本,接近 Gemini 3.5 Flash-Lite 通过 Interactions API 的五分之一。这一结果与零输出 Token 计费、共享输入以及单次决策计算有关。不过,这是 Google 公布的特定基准测试结果,不应直接理解为所有业务场景都能节省 80% 的费用。如果任务需要复杂解释、长文本生成或多轮推理,普通生成式模型仍然可能更适合。

六、Gemini Decisions API 适合哪些大模型应用?

决策接口的价值在于处理明确、可定义和可验证的任务。它可以与通用生成模型配合,而不是取代所有生成模型。

1. AI Agent 模型路由

一个 Agent 系统可能同时使用多个模型。例如:

  • 简单问答交给轻量模型。
  • 复杂代码分析交给推理模型。
  • 图片理解交给多模态模型。
  • 高风险请求进入人工审核。

过去,开发者可能使用规则判断,也可能让通用大模型先生成一段分析,再决定调用哪个模型。现在可以使用 Gemini Decisions API 完成模型路由判断。例如,将用户请求、任务描述和可选模型类别作为输入,让模型从预定义的模型列表中选择合适的处理路径。这相当于在 Agent 系统中增加一个独立的决策层。需要注意,实际的模型调用和权限控制仍然由应用程序完成,不能将模型返回的选择结果直接视为已经执行的调用。

2. 企业文档审核

在企业文档管理中,很多任务都有明确判断标准。例如:

  • 合同是否包含指定条款。
  • 申请材料是否缺少必要文件。
  • PDF 中的关键字段是否完整。
  • 保险理赔材料是否满足初步审核条件。

传统流程可能先通过 OCR 或文档解析提取文字,再调用生成模型进行判断。如果输入资料已经能够被 Decisions API 支持的格式直接处理,开发者就可以考虑将多个判断条件组合在同一请求中。但对于涉及法律责任、财务审批和重要权益的决定,模型结果应当作为辅助信息,而不能替代正式审核流程。

3. 多模态内容审核

传统文本审核难以覆盖图片、音频和视频中的复杂内容。例如,一个电商平台可能需要判断:

  • 商品图片是否包含违规内容。
  • 视频是否出现指定场景。
  • 语音内容是否包含某类敏感信息。
  • 图片和文本描述是否存在明显不一致。

Gemini Decisions API 支持将不同类型的素材放在同一个输入中,再定义多个判断问题。这对于需要统一处理多模态内容的应用具有一定价值。

4. 质量检测与评分

在工业质检、商品审核和客服质量管理中,很多任务可以转化为评分问题。例如,客服通话录音可以结合业务规则,对沟通完整性、问题解决情况和服务流程进行分项评价;对于图片质检,可以根据产品外观、包装完整性和指定检测标准进行评分。通过 score 类型的决策问题,开发者能够得到结构化评分结果,再将其交给业务系统处理。这种设计比让模型每次都生成长篇评价报告更容易集成到自动化流程中。

七、Gemini Decisions API 与 DeepSeek、Qwen 等国产模型如何配合?

对于已经采用多模型架构的团队来说,Gemini Decisions API 还提供了另一种思路:让不同模型承担不同类型的任务。例如:

Gemini Decision 1
负责有限选项的判断、分类、评分和模型路由。

Gemini 通用生成模型
负责开放式内容生成、多模态理解和复杂问题分析。

DeepSeek
可以根据具体版本承担代码分析、推理和文本处理任务。

Qwen
可以根据具体型号处理中文理解、内容生成和企业应用任务。

Kimi
可以根据对应版本的长上下文能力和工具使用能力处理复杂资料任务。

在这种架构中,决策模型不需要替代所有模型,而是负责判断任务应该进入哪一个处理流程。例如,用户上传一份 PDF 后,先由决策接口判断它属于合同、财务报表还是技术文档;如果是合同,应用程序将任务交给相应的文档分析模型;如果是财务报表,则进入数据提取和校验流程。这样可以避免所有输入都直接进入高成本的复杂推理模型。

对于需要统一管理多个模型接口的开发团队,可以根据实际需求考察KoalaAPI的多模型接入方案。具体模型版本和接口能力需要以平台实际开放情况为准。需要强调的是,统一接入并不意味着不同模型的原生功能会自动兼容;尤其是 Gemini Decisions API 这种专用接口,使用前必须确认接入平台是否支持对应的请求结构、决策类型和返回格式。

八、开发者使用 Gemini Decisions API 需要注意什么?

虽然决策接口可以减少部分生成开销,但它也有明确的适用边界。

首先,问题必须具有相对清晰的判断标准。如果要求模型自由撰写一份行业研究报告,有限选项决策就不适合直接承担这个任务。

其次,候选选项需要设计合理。如果选项之间存在大量重叠,模型即使能够返回概率,也不一定能够得到符合业务要求的判断结果。

第三,需要正确理解置信度。模型置信度适合辅助程序进行任务分流,但不代表已经通过业务准确率验证。

第四,应该保留人工复核机制。对于金融、医疗、法律和安全等高风险领域,自动决策需要设置审核阈值和异常处理流程。

最后,还需要评估接口的实际输入成本。虽然官方不收取输出 Token 费用,但输入仍然需要计费;多模态内容也可能产生不同的 Token 消耗。图片分辨率、视频内容、音频长度和上下文规模都会影响最终费用。因此,开发者应该使用真实业务数据进行测试,而不是仅根据单价判断是否适合上线。

结语

Gemini Decisions API 的推出,说明大模型 API 正在从单一的内容生成接口,向更加细分的任务处理能力扩展。对于传统生成式模型来说,回答问题、生成文本和执行复杂推理是主要任务;但在真实应用中,还有大量分类、判断、评分和任务路由需求。Gemini Decision 1 通过单次前向决策计算、共享多模态输入和结构化概率输出,为这些任务提供了新的实现方式。官方公布的 150 至 250 毫秒端到端延迟、每百万输入 Token 0.10 美元以及零输出 Token 收费,也让开发者有了新的成本评估维度。

不过,决策接口并不是通用生成模型的替代品。它更适合作为 AI 应用中的专用控制层,与 Gemini、DeepSeek、Qwen、Kimi 等模型形成任务分工。对于准备构建多模型 Agent 和企业自动化系统的团队而言,未来值得研究的方向,不只是选择哪个模型生成答案,还包括如何让不同模型在合适的任务节点上完成正确的工作。

FAQ:Gemini API 常见问题

1. Gemini Decisions API 是什么?

这是 Google 于 2026 年 11 月 11 日发布的决策接口,由 Gemini Decision 1 模型提供支持,主要用于分类、二元判断、多选和规则评分。

2. Gemini Decisions API 一次可以处理多少个问题?

官方支持单次请求最多 1000 个独立决策问题,这些问题可以共享同一份多模态输入。

3. Gemini Decision 1 支持哪些输入类型?

支持文本、图片、音频、视频和 PDF,单次请求输入上下文上限为 256K Token。

4. Gemini Decisions API 如何收费?

官方公布的价格为每百万输入 Token 0.10 美元,输出 Token 不收费,同时提供 API 免费层供开发者原型测试。

5. Gemini Decisions API 和 Function Calling 有什么区别?

Function Calling 让模型提出工具调用请求,由应用程序执行工具;Decisions API 则负责对预定义选项进行评分和选择。两者可以配合使用。

6. Gemini Decisions API 可以代替普通 Gemini API 吗?

不能。它主要适合有限选项的决策任务。开放式文本生成、复杂解释和长篇内容创作仍然需要生成式模型。

标签Gemini APIDecisions API决策接口多模态模型路由评分
Koala API · 一站式大模型 API 中转

把博客读到的,落地到你的下一个项目

国内直连 · 兼容 OpenAI SDK · GPT / Claude / Gemini 等主流模型聚合

延伸阅读

免费注册