前沿热点
前沿热点

Gemini 决策 API:只打分不写字,输出侧零计费

Google 在 2026 年 11 月 11 日的官方博客里给出 Gemini Decision 1 与 Decisions API:不逐字生成答案,而是在单次前向里给候选选项打分,最多一次评估 1,000 个 yes/no、选择与 rubric 判断,输出 token 零计费;模型 ID 为 gemini-decision-1,输入侧允许一份跨文本、图像、音频、视频与 PDF 的多模态输入(上限 256K)。本篇只核官方博客逐字写了什么与没写什么,不做跑分、不排名次、不写接入教程;定价、开放范围等页面未给的一律记作官方未公布。截至 2026 年 11 月 12 日,coming soon 与 rolling out 的限定语照抄,不替 Google 补结论。

发布于 2026年11月13日9 分钟阅读
<!-- gemini-decisions-api-scoring-hotspot | hotspot | Gemini 决策 API:只打分不写字,输出侧零计费 -->

一个内容审核队列里压着上千条待判样本,传统做法是让模型一条一条吐出「符合」或「不符合」的答案文本,每个生成的字都按输出 token 计费;判断越多,账单越长,延迟也跟着一层层堆上去。Google 在 2026 年 11 月 11 日的官方博客里给出的思路是反着来的:不写答案,只给候选打分,而且一次前向就把一整批判断算完,输出侧一分钱不收。对习惯了「生成即计费」的开发者来说,这个反差是理解整套产品线的起点,也是这一页最容易被标题党带偏的地方。

截至 2026 年 11 月 12 日,可逐字核对的一手口径集中在这篇官方博客上。产品名是 Gemini Decision 1,接口叫 Decisions API,模型 ID 是 gemini-decision-1,通过 Gemini API in Google AI Studio 提供。本篇只读官方博客说了什么与没说什么:带限定语的照抄限定语,页面没给的一律标成「官方未提及」或「官方未公布」,不替 Google 补结论、不做跑分、不排名次、也不写接入教程。站内 Gemini 4 Carbon 登顶专文 与 介绍期定价窗口 SOP 写的是生成模型的发布节奏与定价窗口,本篇写的是决策型打分模型的口径边界,两者并不落在同一条产品线上;同批的 OpenRouter 单任务 token 实测 量的则是另一本成本账,实测口径与这里的计费边界并不重叠。

不生成文本,单次前向给候选打分

官方对定位的表述很直接:Rather than generating answer text token by token ... scores your candidate options in a single forward pass,也就是 Evaluate up to 1,000 yes/no, choice, and rubric-scoring questions in a fast, single pass。输入侧允许 one multimodal input across text, images, audio, video, and PDFs (up to 256K tokens) along with up to 1,000 independent questions,并且明确 without token-by-token decoding。把这几句连起来读,骨架就清楚了:一次多模态输入,挂一批彼此独立的问题,模型不逐字解码,而是单次前向给每个问题打分,输出的是分数而不是一段段答案文本。

把这几句拆成调用侧的画面会更直观:过去要为同一份长文档做几十处合规检查,往往得拼出几十次请求、几十段输出;现在是把这份文档作为一次多模态输入送进去,再把每条检查写成一个独立问题挂在后面,由模型一次性给出分数。变化不在于模型会不会写中文,而在于账单上被计量的对象从「生成了多少字」换成了「输入了多少 token」。这也解释了官方为什么反复强调 without token-by-token decoding:只要还在逐字生成,输出计费就绕不开;把生成这一步整个拿掉,零输出计费才成立,而不是靠某种折扣把价格压到零。

要害在于「生成」与「决策」被拆成了两件事。生成模型的工作是逐 token 写出答案文本,输出长度直接决定输出账单,写得越长越贵;Gemini Decision 1 的工作是把候选选项或判断条件一次性评分,不产出可供计费的答案 token。single forward pass 是这套口径的核心,没有逐字生成这一步,也就没有随答案长度线性增长的输出成本,更没有「思考 token」那种按量浮动的部分。这里还有一处容易读错:官方把「至多 1,000 个判断」与「输入上限 256K tokens」并列写出,前者是单次请求能挂的独立问题数量,后者是多模态输入的上下文上限,两者是不同维度的两个数字,不能合并成一个来引用,更不能互相替代。把打分写成「生成答案」,等于把这篇博客最想区分的东西又抹回去了。

输出 token 零计费,共享输入按一次算

定价原文是 $0.10 per 1M input tokens and $0 for output tokens,官方另用 zero output tokens billed 复述了一次。比单价更值得注意的是共享输入的计费方式:Your shared input is billed once per request no matter how many questions you evaluate,也就是同一份输入无论挂 1 个判断还是 1,000 个判断,都只按一次请求计费,每个问题额外只加自己的指令与评分标准 token。这意味着把十几个零散请求合并成一个挂满问题的请求,在计费结构上是有意义的,而不是简单地把问题数量乘进账单。官方还逐字列出不收费的项目:There are no output-token charges, variable thinking-token bills, or separate audio transcription and OCR costs,并提到 with an API no-cost tier ... for prototyping 供原型验证。但免费层的具体额度,官方博客未提及,不能替它填上每分钟多少次、每天多少次的数字。大模型 API 定价口径横评 梳理过按量计费里输入与输出的常见结构,把零输出计费放进去对照,位置会更清楚。

还有一层口径值得单独说:官方写的是 per 1M input tokens,即输入侧的百万 token 单价,不是「每千次判断多少钱」。把两件事混起来,很容易从 $0.10 推出一个页面上根本没有的「单次打分价」。同理,zero output tokens billed 说的是输出侧不计量,不等于整次请求免费,共享输入仍按一次计费。读定价句时把主语认准,是避免二次加工的第一道关,也和本篇只核对官方原文的做法一致。

价格优势那句必须连着限定语一起读:nearly 5x cheaper across the shared benchmark suite than Gemini 3.5 Flash-Lite with the Interactions API。这里有两个前提一个都不能丢:对照基准是 Google 自家的 shared benchmark suite,不是独立第三方的横评;对照对象是 Gemini 3.5 Flash-Lite with the Interactions API,不是任意调用方式下的通用单价。丢了限定语,这句倍数结论就变成一句来源不明、也无法复核的说法。同理,Gemini 3.5 Flash-Lite 自身的对照单价,这一页没有给,本篇也不写;把「官方未提及」改写成「官方宣布没有」,同样是把信息缺口包装成否定结论,读起来像官方做过明确表态,其实页面上根本没有那句话。

三类问题,一个 confidence score,没有阈值表

官方把可提交的判断分成三类,名字按原文照抄:noul (Yes/No) 估计某个条件成立的概率;choice (Multiple Choice) 按 Selects from 2 to 255 choices 在候选中选;score (Ordered Rubric) 依 an ordered rubric (starting at 0) 给出有序量规分。这三个词是问题类型,不是模型名,读岔了会把整套接口理解成三个不同的模型;它们描述的是「要模型回答什么」,而不是「用哪个模型回答」。

三类问题的边界还可以从官方给的取值范围看出来:noul 关心条件成立与否,choice 在若干固定候选中挑一个,score 沿一条从 0 起的有序量规给分,三者回答的是不同形状的问题,却共用同一份输入与同一次前向。把它们并列写在同一页、而不是拆成三个模型,与 Decisions API 作为单一入口的写法是一致的;接口名指向的是判断这件事,而不是某个具体的生成模型。

每个答案都会附带一个 confidence score (from 0 to 1)。官方给出的用途只有一句:so your code can route ambiguous cases to a fallback or human reviewer,也就是让调用方把拿不准的样本转给兜底逻辑或人工复核,而不是假装每个分数都同样可靠。取值范围是 0 到 1,这一点写在原文里;但具体到多少分该转人工、多少分可以直接采用,官方博客没有公布任何数值,也不存在一张可照抄的阈值表。凡是写出某个具体分数当作分界线的,都不是这一页的内容,而是别处补上去的选型经验。本篇只写官方博客说了什么与没说什么,不替它设计选型清单或置信度门槛,也不把别处的选型经验写成官方结论。

150-250 ms 不是无条件承诺

延迟数字要分层读。官方给的是 150-250 ms end-to-end latency 端到端,以及 median latency 50-100 ms of model compute 的模型计算中位数。后者带着一条不可省略的限定:across multimodal inputs and contexts up to 16K tokens, remaining nearly flat from 1 to 100 questions per request。换句话说,50-100 ms 这个计算延迟、以及问题数从 1 增到 100 时「近乎持平」这个观察,只在上下文不超过 16K tokens、单请求 1 到 100 个问题的条件下成立。without token-by-token decoding 与 in a single forward pass 也要在这些限定下理解,不能泛化成「256K tokens 输入、1,000 个判断同样是 50-100 ms」。256K 是输入上限,16K 是延迟测试条件,把两者混写,是围绕这一页最常见的误读;端到端的 150-250 ms 与计算侧的 50-100 ms 同样是两个口径,前者含请求往返,后者只算模型计算,别当成同一个数字来回引用。

内部用例的口径同样要留余地。Gemini Notebook 写的是 up to 40% lower latency,是上限而不是定值 40%;Stitch 是 in seconds (1x speed);CC 是 more than 200 options 与 a fraction of a second;Search 安全层只描述在延迟包络内以高效能检测对抗行为与内容,没有给具体数字。这些是 Google 自报的内部案例,不是可以跨场景套用的性能保证,写的时候得带上「自报」与「具体用例」这两层限定。把它们摘出来当成通用延迟结论,等于把别人的内部测量结果搬成自己的预期值。

rolling out 与 coming soon 是两个不同状态

生态集成的原文是:Ecosystem integrations are rolling out across OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit, and OpenCode alongside the google-genai SDKs。rolling out 是正在逐步铺开,不等于已经处处可用,也不等于每个列出的框架都已可稳定调用。Cloud 那句更靠后:with support coming soon to Gemini in Google Cloud,coming soon 是尚未兑现的承诺。把这两句当成完成态来写,等于把进行态和将来态一起抹平成现状。截至 2026 年 11 月 12 日,能够逐字确认的只有:集成在 rolling out,Cloud 支持在 coming soon,两个状态都不该被读成「一切已经就绪」;至于各自的完成日期,官方博客没有给。

官方页没有说的那些数字

围绕这一页流传的不少数字,并不出自这篇官方博客。最常见的是把 256K 做精确换算后写成的另一个整数,而官方原文只给到 up to 256K tokens;免费层的具体额度、各档限流、是否提供上下文缓存与批处理接口,这一页都没有逐字给出;各类未核基准的得分与名次,同样没有一手出处,不能拿来当官方结论。还有一类是把 noul、choice、score 当成模型名,或把打分写成「生成答案」,方向上也偏离了原文。这些说法未必都错,只是它们不属于这一页,不该被当成官方口径转述。

留白本身也是一种口径。官方博客把能给的规格、定价与状态逐条写清,却对免费层额度、限流档位、缓存与批处理只字未提;读者能确认的是「这一页没说」,而不是「这些能力不存在」。把留白读成否定,后续的容量估算与成本模型,就会建在一个并不存在的结论上。

这里要把两种表述分清楚:「官方未提及」是这一页没写,不等于「官方宣布没有」。把前者写成后者,会把一个信息缺口包装成一条否定结论,读起来像是官方做过明确表态,其实页面上根本没有那句话。本篇的处理方式始终一致:凡官方博客没给的,就停在「未提及」或「未公布」,不补数字、不补承诺、不补对照价,也不把别处的口径搬来充数。核验办法说起来也朴素:逐句比对发布页原文,带限定语的保留限定语,其余一律留白。

把四段口径收在一起:它不生成文本,而是在 single forward pass 里给至多 1,000 个判断打分;输出 token 零计费、共享输入按一次算,$0.10 这个数字只对输入侧成立;confidence score 有 0 到 1 的取值范围与转人工的用途,却没有官方阈值;150-250 ms 是端到端口径,50-100 ms 计算延迟只在 16K tokens 与 1 到 100 个问题的条件下成立;集成在 rolling out,Cloud 在 coming soon。这些边界比一个被剥去限定语的倍数结论更值得先记住,因为它们决定了这套能力能被放进什么规模、什么链路、什么阶段的方案里,而不是反过来由一句漂亮数字去倒推可用性。

延伸阅读

本文由 AI 辅助生成,经人工审核编辑。最后更新:2026-11-13

相关文章