Google 抢发 Gemini Decision 1：单次决策模型 0.1 美元/百万 token

Latent Space · rss · 2026-11-12

AIE CODE 大会「System One 日」上，Google 抢先 Anthropic 发布生产级决策模型 Gemini Decision 1，Sundar Pichai 与 Logan Kilpatrick 站台。

Gemini Decision 1 规格

• 面向闭集决策：单次前向打分而非逐 token 生成，支持是/否、多选（最多 255 个选项）与评分量表
• 输入支持文本、图像、音频、视频、PDF，单请求最多 1000 个问题，256K 上下文
• 端到端延迟 150–250ms，每个答案附带置信度分数
• 定价 $0.10/百万输入 token，输出不计费，Google 称比 Flash-Lite 便宜约 5 倍
• 源自 DeepMind 内部原型，小团队约六周做出模型与 API

评测分歧

• Google 自测：在 7 项共享基准中 5 项胜过 TypeSafe 的 Jev 1.14，JevBench 92.2% vs 90.0%；Jev 定价 $0.042/百万输入 token
• Artificial Analysis 独立评测更混杂：Decision Index 66 分，与 Elephant 9B、Jev 1.14 持平，落后 Drex Max v1.1 与 GLiDE v1.2 七分；每百万任务成本 $345，远高于 Drex Max 的 $103；Brier 分数 0.18，平均每任务 211ms（Jev 为 92ms）
• 早期采用者：Stitch 用它做 5 秒生成多屏产品流程的实验；LangChain 首日支持

前沿模型评测

• Claude Fable 5.2 在 Agent Arena 以 +30.4% 净提升登顶，约为第二名 Opus 5.5（+19.5%）的 1.6 倍；API 价格从 $10/$50 降至 $8/$40
• Gemini 4 Carbon 被 Vals 列为第三、前五中最快最便宜，但 Theo 实测低 effort 下耗时 22 分 21 秒、首 token 约 11 秒，疑似服务端问题
• Meta Muse Ember 在 Agent Arena +1.7%，每任务约 $0.02，比 GPT-6 Luna 便宜约 4 倍、快约 12 倍
• 中国模型：Qwen-4-Max 疑似上线但口碑存疑；百度 ERNIE 5.5 Flash Preview 在 Code Arena WebDev 升至开源第二（1668），承诺 Apache 2.0 权重

AI for Science 与机器人

• DeepMind AlphaProof Code 为未修改的 libsignal 生成 Lean 证明直至机器码，Gemini agent 产出超 600 万行证明，五人四周完成（对比 seL4 内核验证耗时 20 人年）
• AlphaGenome 2 可按细胞类型与状态条件化变异效应预测，TenK10K 上识别 30% 因果变异（原模型 16%）
• Runway 发布 27B MoE 扩散 Transformer 世界动作模型 Praxis-1，Apache 2.0，称任务完成比 GPT-6 Astra 快 15.6 倍、成本低 51 倍
• Gemini Robotics 2.5 在 200 项任务上成功率提升 30–100%

原文链接 →

「模型」频道最新

• GitHub 现身 qwen4exp 提交，Qwen4 开发迹象被社区捕获 — kinetic_energy28 · 2026-11-12
• Fable 5.2 降价后同一额度多干 38% 活，但耗周限仍是 Opus 5.5 的 2.9 倍 — FinanceYF5 · 2026-11-12
• Theo 实测数据：Claude Ultra 里 Fable 限额消耗速度明显快于 Opus — FinanceYF5 · 2026-11-12
• CogBattery：54 个开源模型对照人类认知任务的行为评测 — Dengzhe Hou · 2026-11-12
• 东北大学发布 WMIP 探针:LLM 累积状态追踪能力严重依赖输出协议 — Dengzhe Hou · 2026-11-12
• 百度 ERNIE 5.5 Flash 预览版:280B 参数,自称可从设计文档直出近百款可玩手游 — LearnWithBishal · 2026-11-12

更多「模型」频道 AI 资讯 →