Gemini Decision 1 – 面向封闭集合任务的多模态专用决策模型

Gemini Decision 1是谷歌推出的专用决策模型，为Gemini Decisions API提供底层算力支撑，面向有固定候选集合的判断类任务开发。它摒弃传统逐 token 文本解码流程，依靠单次前向传播完成批量选项评分，单次请求可针对同一套多模态输入处理最多 1000 个独立问题。兼容文本、图像、音频、视频、PDF 多种素材，最大支持256K token输入上下文，端到端延迟维持在 150‑250 毫秒，计费仅统计输入 token，输出部分不计费用，适配智能体路由、内容评级、规则校验等大量高频判断业务。

Gemini Decision 1特点

单次前向批量评估

整套输入素材只经过一次网络前向运算，就完成全部问题的评分计算。请求内部问题数量从 1 增长至 1000，模型计算延迟不会出现明显抬升，适合大批量并行判断。

原生多模态融合处理

各类格式素材可以混合送入模型，例如理赔 PDF 搭配损伤照片、通话录音叠加账户元数据，各类模态信息会统一进入特征空间完成综合研判。图像、视频输入支持分辨率调节，按需平衡识别精度与 token 消耗。

三类标准化决策范式

内置 noul 是非判断、choice 多选、score 分级打分三种范式，同一个请求内部可以混合使用不同类型问题。每一项输出附带 0‑1 区间置信度数值，业务系统可依据数值分流处理。

输出结果经过概率校准

在智能体路由、排序、多模态理解等多组基准测试中取得优秀表现，预测概率和实际事件发生概率匹配度高，减少虚判漏判带来的业务扰动。

Gemini Decision 1技术原理

模型基于 Gemini 原生多模态基座改造，移除逐 token 自回归解码模块，替换为专用的候选选项评分头。输入的文本、图像、音视频、PDF 统一经过多模态编码器映射至共享特征向量空间，完整保留跨模态关联信息。

全部待评估问题与评判标准同样编码为特征，和输入素材的特征做交叉注意力计算，不重复对原始素材做多次编码。无论挂载多少条独立问题，原始多模态输入只执行一次编码运算，以此控制算力开销与延迟。

针对不同决策类型设置差异化的输出头。是非任务输出二元概率分布；多选任务输出全部候选选项归一化概率；分级打分任务输出有序等级对应的加权分数与各级概率。训练阶段加入校准损失，缩小预测概率和真实样本标签之间的偏差，降低置信度虚高的现象。

推理过程不生成自然语言文本，直接输出结构化概率、置信度，上层业务代码直接读取结构化数值，省去文本解析、正则抽取等中间步骤，规避解析环节引入的错误。

Gemini Decision 1项目地址

• 项目官网：https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/

Gemini Decision 1功能

是非条件校验

使用 noul 模式，输入判定条件与评判标准，返回条件成立的概率与置信度，用于合规筛查、异常识别类工作。

多候选选项选择

choice 模式支持 2‑255 个候选条目，输出最优选项以及全部候选的归一化概率，用于工具选择、流程分支路由、意图分类。

分级标准打分

score 模式导入有序评级标尺，输出加权分数和每个等级的对应概率，用于内容质量评级、风险等级划分。

置信度分流处理

依靠每条结果附带的置信度，搭建分层业务链路。高置信结果自动流转执行，低置信结果转交人工复核或者切换通用大模型做深度处理。

混合模态批量核验

一份混合图文音视频的输入，一次性完成上百项不同维度检查，不用拆分多次接口调用，简化业务系统接口调用逻辑。

Gemini Decision 1应用场景

智能体系统路由调度

作为智能体内部高速控制层，解析用户请求意图，分配对应工具、选择推理档位。简单判断交给该模型处理，复杂推理任务再调度通用大模型，压缩整体系统延迟。

业务合规与安全初筛

对工单文档、录音、截图、PDF 材料做批量规则校验，识别对抗输入、违规内容与异常行为。高风险样本进入人工复核通道，减轻人工审核负载。

内容分级质量评估

内容平台对投稿图文、音视频做质量、风险分级，执行标签分类。大规模素材可以批量完成初筛，维持评判尺度统一。

产品交互逻辑控制

应用内依据用户的语音、截图、文本输入完成快速选择，例如表情推荐、交互动作跳转，低延迟带来流畅的交互感受。

企业业务工单预处理

保险理赔、工单审核场景，将扫描件、照片、录音一并送入，同步核验材料完整性、风险等级、处置方案，完成前置初筛。

Gemini Decision 1同类产品对比

表格