不只生成文本,也能输出决策
Gemini Decisions API 以 Gemini Decision 1 进入决策模型领域,与 Jev 和 OpenAI 的同类产品竞争。它面向的不是开放式文本生成,而是三类结构化决策任务:
- 是非判断:判断某个条件是否成立。
- 选项选择:从给定选项中作出选择。
- 按标准评分:依据指定的评分规则打分。
其设计与 Jev 接近,也沿用了 Jev 对是非问题的称呼“Noul”。
对于关注模型接口与工程应用的写好标智库读者,这类 API 值得留意的地方,是输入模态、调用成本,以及返回结果究竟是离散判断还是概率值。
输入价格与模态支持
| 模型或服务 | 输入价格(每百万 token) | 支持的输入形式 |
|---|---|---|
| Gemini Decision 1 | 0.10 美元 | 文本、图像、音频、视频、PDF |
| OpenAI GPT-6 Luna 决策模型 | 0.10 美元 | 文本、图像 |
| Jev | 0.042 美元 | 文本及 JSON |
Gemini Decision 1 的输出免费,输入单价与表中的 GPT-6 Luna 决策模型相同。仅按上述输入单价比较,Jev 最低;从列出的输入形式看,Gemini Decision 1 还支持音频、视频和 PDF。
这里比较的是输入单价与输入形式,并不等同于完整的性能或总成本评估。
视频测试:是非问题返回了概率值
一次测试向 Gemini Decision 1 提交了一段扬克斯机器人跺脚视频,并设置了四个问题:
dragon:视频里有龙吗?
robot:视频里有机器人吗?
france:视频场景位于法国吗?
usa:视频场景位于美国吗?
API 返回结果如下:
{
"dragon": {
"type": "yes_no",
"probability": 0.04976021841520312
},
"robot": {
"type": "yes_no",
"probability": 0.9234055387792485
},
"france": {
"type": "yes_no",
"probability": 0.08329171353166241
},
"usa": {
"type": "yes_no",
"probability": 0.9230459995157706
}
}
四个结果都标记为 yes_no,但 probability 并非简单的 0.0 或 1.0:
| 判断条件 | 返回概率(四舍五入) |
|---|---|
| 视频里有龙 | 5.0% |
| 视频里有机器人 | 92.3% |
| 场景位于法国 | 8.3% |
| 场景位于美国 | 92.3% |
与 Jev、OpenAI 同类接口被描述为返回 1.0 或 0.0 的方式不同,Gemini 在这次测试中返回了介于两者之间的数值。
如何理解这次结果
这次展示最直接说明的是:Gemini Decision 1 的是非判断可以返回非二元概率值,而不只是硬性的“是”或“否”。
不过,接口返回了概率字段,并不意味着概率已经过良好校准。例如,0.923 不能仅凭这一条结果就解释为“类似判断长期有约 92.3% 的正确率”。同样,模型对美国场景给出较高概率,也不等于视频地点已被独立确认。
因此,这个例子适合用来理解响应结构与输出形式;要评估整体准确率或概率校准水平,单次测试还不够。

Top comments (0)