Google выпустила Gemini Decision 1: без генерации символ за символом, обработка 1000 вопросов за один запрос.

Автор: Дун Мэй, AI Frontline

В то время как вся индустрия ИИ соревнуется в том, кто способен сгенерировать больше токенов и чья способность к рассуждению сильнее, Google представила новую модель, которая не опирается на посимвольную генерацию ответов.

Недавно Google официально выпустила Gemini Decision 1 и одновременно представила API Gemini Decisions, работающий на базе этой модели. В отличие от традиционных генеративных больших моделей, эта модель специально предназначена для быстрого принятия решений: ей не требуется генерация текста по одному токену, вместо этого за один проход прямого распространения она оценивает заранее заданные варианты ответов.

Генеральный директор Google Сундар Пичай также опубликовал пост на платформе X, рассказав об основных возможностях Gemini Decision 1. Он написал:

Сегодня мы официально запускаем Gemini Decisions API в Google AI Studio, который работает на основе совершенно новой модели Gemini Decision 1.

В отличие от традиционных моделей, генерирующих текст по одному токену, эта модель разработана специально для задач принятия решений в рамках ограниченного набора вариантов. Она способна оценить до 1000 вопросов по тексту, изображениям, аудио, видео и PDF-файлам за один процесс обработки.

Вот несколько деталей, заслуживающих внимания:

• Поддерживает три типа решений: проверку «Да/Нет», множественный выбор (до 255 вариантов) и оценку на основе критериев;
• Стоимость составляет всего 0,10 доллара США за миллион входных токенов, выходные токены бесплатны, а расходы примерно в пять раз ниже, чем у Flash-Lite;
• Занимает лидирующие позиции во многих бенчмарках и имеет наименьшую ошибку калибровки.

Внутренние команды Google уже начали использовать эту технологию.

Он также показал демонстрацию работы Stitch Rapid, которая проектирует полную пользовательскую цепочку продукта за несколько секунд; видео воспроизводилось с обычной скоростью 1x.

Это описание показывает главное отличие Gemini Decision 1 от традиционных больших моделей: она не отвечает формулировкой текста, а принимает решение, выбирая из имеющихся вариантов.

Ранее, когда разработчикам нужно было определить, является ли письмо спамом или решить, какому агенту (Agent) поручить задачу, приходилось вызывать генеративную большую модель, а затем извлекать результат из сгенерированного текста. Gemini Decision 1 исключает этап побуквенного декодирования.

Разработчику只需 предоставить входные данные, вопрос для оценки и варианты ответов, после чего модель сразу вернет результат проверки, вероятность и уровень уверенности.

Это означает, что для задач, которым изначально требуется лишь классификация, оценка или выбор результата, искусственному интеллекту больше не нужно проходить весь процесс генерации текста.

Согласно данным Google, Gemini Decision 1 способна обработать до 1000 независимых вопросов в одном запросе, поддерживает мультимодальный ввод текста, изображений, аудио, видео и PDF, а сквозная задержка составляет всего 150–250 мс.

Цены также выглядят амбициозно: за миллион входных токенов приходится всего 0,10 доллара США, выходные токены бесплатны. В той же серии бенчмарков, опубликованных Google, стоимость вызова почти в 5 раз ниже, чем у Gemini 3.5 Flash-Lite.

Более примечательно то, что это не просто модель для ответов на тестовые вопросы. Google уже применяет её в сценариях маршрутизации ИИ-моделей, выбора инструментов для агентов, проектирования продуктов и безопасностного контроля, стремясь сделать её базовым компонентом ИИ-систем, отвечающим исключительно за оценку и принятие решений.

Обработка до 1000 вопросов и 255 вариантов за один запрос

Согласно техническому описанию от Google, Gemini Decision 1 предлагает три ключевые возможности для принятия решений.

Первый тип — проверка «Да/Нет» (бинарная оценка). Например, определение наличия потенциальной угрозы безопасности на изображении или нарушение текста установленными правилами. Модель выдаст вероятность выполнения соответствующего условия.

Второй тип — множественный выбор (Multiple Choice). Разработчик может предварительно задать от 2 до 255 кандидатов; модель не только выберет наиболее подходящий вариант, но и вернет нормализованную вероятность для каждого кандидата.

Третий тип — упорядоченная система оценок (Ordered Rubric). Разработчик может самостоятельно определить шкалу оценки по уровням, чтобы модель проанализировала входные данные и вернула взвешенный балл в непрерывном диапазоне, а также вероятности по каждому уровню.

Все три типа задач могут выполняться смешанно в рамках одного запроса.

Google привела простой пример: загрузите в модель фотографию столешницы в офисном буфете с текстовым описанием и попросите одновременно оценить, есть ли разливаемая жидкость, какую следует предпринять меры очистки и насколько серьезна ситуация на месте.

Традиционный подход мог потребовать разработки нескольких классификаторов или выполнения различных заданий через подсказки генеративной большой модели. Gemini Decision 1 справляется со всеми этими оценками в одном запросе.

Кроме того, модель поддерживает мультимодальный контекст ввода объемом до 256 тысяч токенов. Для корпоративных сценариев это значит, что разработчики могут совместно анализировать записи телефонных звонков с досье клиентов либо принимать решения на основе страховых документов и фотографий с места происшествия.

Каждое решение сопровождается уровнем уверенности в диапазоне от 0 до 1, что позволяет системе передавать неопределенные результаты другим моделям или на ручную проверку.

Еще одним конкурентным преимуществом Gemini Decision 1 являются скорость и стоимость.

Согласно официальным данным Google, в бенчмарках, охватывающих маршрутизацию агентов, логическое выведение, сортировку и мультимодальное понимание, Gemini Decision 1 демонстрирует лидерские результаты и обладает наименьшей ошибкой калибровки.

В тестовом контексте объемом до 16 тыс. токенов медианная задержка этапа вычислений модели составляет 50–100 мс, а сквозная задержка — около 150–250 мс. Даже при увеличении количества вопросов в одном запросе с одного до ста задержка остается практически неизменной.

На общем наборе тестов, используемом официально, стоимость вызова Gemini Decisions API почти в 5 раз ниже, чем при использовании Gemini 3.5 Flash-Lite через Interactions API.

Первые места в 7 из 9 тестов, максимальная точность 92,2%

Вместе с выпуском Gemini Decision 1 Google также опубликовала впечатляющую сравнительную таблицу результатов между моделями.

В отличие от обычной практики сравнения универсальных больших моделей, на этот раз Google выбрала три конкурентных продукта: GPT-6 Luna от OpenAI, специализированный TypeSafe Jev 1.14 для классификации и принятия решений, а также собственную Gemini 3.5 Flash-Lite.

По результатам Gemini Decision 1 заняла первое место в семи из девяти бенчмарков и также лидирует в области калибровки вероятностей, однако в двух других тестах и по общей стоимости вызова конкуренты показали лучшие результаты.

В тесте JevBench точность Gemini Decision 1 составила 92,2%, обойдя GPT-6 Luna (90,9%), TypeSafe Jev 1.14 (90,0%) и Gemini 3.5 Flash-Lite (86,6%).

В тесте на релевантность поиска товаров Amazon ESCI Gemini Decision 1 набрала 58,7% по Macro-F1, что на 4 процентных пункта выше, чем у GPT-6 Luna, и на 11,5 пункта превышает показатель Flash-Lite.

Разрыв в тесте New Yorker Caption усилился еще больше. Результат Gemini Decision 1 составил 79,7%, тогда как у GPT-6 Luna — 68,4%, разница достигает 11,3 процентных пункта. Этот тест требует понимания и выбора подписей к комиксам, проверяя способность модели к контекстному анализу и оценке вариантов.

В медицинском тесте PubMedQA Gemini Decision 1 снова заняла первое место с результатом 79,8%, превзойдя GPT-6 Luna (74,4%).

Результаты многоязычного теста Global-MMLU-Lite схожи. Gemini Decision 1 набрала 86,0%, GPT-6 Luna — 79,6%, разница составляет 6,4 процентных пункта.

Тем не менее, Google не смогла добиться абсолютного превосходства.

В тесте Mind2Web Multimodal TypeSafe Jev 1.14 вышла первой с результатом 86,8%, опередив Gemini Decision 1 (86,2%) на 0,6 процентных пункта.

В тесте When2Call, проверяющем способность определять момент вызова инструментов, преимущество TypeSafe Jev 1.14 становится еще более очевидным: оно набрало 82,0% против 79,9% у Gemini Decision 1.

Этот результат заслуживает особого внимания. Выбор инструментов и определение момента их использования являются одними из главных сценариев применения Gemini Decision 1 для агентов, однако в данном тесте специализированная модель TypeSafe Jev сохраняет лидерство.

Помимо этого, в тестах на понимание аудио MMAU и видео Video-MME результаты Gemini Decision 1 составили 71,8% и 69,1% соответственно, что также выше показателей Flash-Lite.

Большой интерес, чем сама точность, вызывает подчеркиваемая Google в этот раз способность калибровки вероятностей.

В тесте Top-1 ECE (ожидаемая ошибка калибровки) показатель Gemini Decision 1 составил всего 0,0250, тогда как у GPT-6 Luna он равен 0,0721.

В том же ракурсе TypeSafe Jev 1.14 показала 0,0494, а Flash-Lite достигла отметки 0,2104. Иными словами, ошибка калибровки Gemini Decision 1 примерно на 65% ниже, чем у GPT-6 Luna, и на 88% ниже, чем у Flash-Lite.

Этот показатель особенно важен для систем с агентами.

Например, когда агент должен оценить наличие уязвимости в коде, модель выдает не просто ответ «да» или «нет», но и значение вероятности. Система, опираясь на соотношение вероятности и реальной точности, решает, стоит ли действовать автоматически или передать задачу человеку для дополнительной проверки.

Google уже использует: задержка маршрутизации агентов снижена до 40%

В отличие от некоторых новых моделей, которые лишь демонстрируют результаты бенчмарков, Google на этот раз раскрыла примеры внедрения Gemini Decisions API во внутренние продукты.

Наиболее примечателен здесь Gemini Notebook.

Google использует Decisions API в качестве маршрутизатора моделей в реальном времени, подбирая нужную ступень модели и степень «размышления» исходя из сложности запроса пользователя. При простых повседневных задачах система отдает предпочтение более дешевым и быстрым моделям; в случае сложных задач логического вывода запрос перенаправляется к более мощной модели.

По словам Google, такой динамический маршрут позволяет сократить задержку при обычных запросах максимум на 40%.

Такая архитектура тесно связана с текущими тенденциями развития систем на базе агентов. При выполнении задачи агенту постоянно необходимо оценивать следующее действие: выбрать инструмент, вызвать конкретную модель или решить, требуется ли вмешательство человека.

Если бы каждое простое решение делегировалось большой генеративной модели, системе пришлось бы нести дополнительные затраты на задержки и ресурсы. Специализированная модель принятия решений предлагает альтернативу: поручать относительно простые и четкие задачи модулю с низкой задержкой, оставляя сложные задания универсальным большим моделям.

Помимо Gemini Notebook, Google раскрыла еще три направления применения.

В Google Stitch новая экспериментальная функция Rapid Canvas использует Decisions API для создания интерактивных схем рабочих процессов продукта за считанные секунды и мгновенной реакции на команды изменения голосом или кликом. После утверждения дизайна направление страница передается в полноценный рабочий процесс Stitch для дальнейшей доработки.

В продукте CC от Google Labs Decisions API применяется для быстрого подбора подходящей реакции среди более чем 200 эмодзи. Внутри Google Search эта технология используется для создания слоя проверки безопасности инструментов MCP, выявляющего потенциально агрессивное поведение и контент.

Ссылка на источник: Официальный блог Gemini Decisions API