11月12日讯，据 mezha 消息，谷歌近期正式发布 gemini decisions api，该接口由全新专用模型 gemini decision 1 提供支持，专为工具调用决策、策略合规性校验、模型智能路由以及上下文相关性评估等边界清晰、目标明确的决策类任务而设计。
该 API 允许在单次请求中融合文本、图像、音频、视频及 PDF 等多种模态输入，最大支持 256K tokens 的输入长度，并能并行处理最多 1,000 个彼此无关的是/否判断题、多选题或带评分标准的评估题。与传统生成式模型不同，Gemini Decision 1 并不采用逐 token 解码方式输出结果，而是通过一次前向传播直接对所有候选答案进行打分，返回各选项的概率分布及 0 至 1 区间内的置信度数值。谷歌官方数据显示，在处理多模态输入且上下文长度不超过 16K tokens 的典型场景下，端到端响应延迟为 150–250 毫秒，模型内部计算的中位延迟则控制在 50–100 毫秒之间。
在计费策略上，输入部分按每百万 tokens 收取 0.10 美元，输出 tokens 完全免费；同时，音频转录（speech-to-text）与 PDF/图像 OCR 服务亦不额外计费。谷歌指出，在统一基准测试环境下，相比借助 Interactions API 调用 Gemini 3.5 Flash-Lite 实现同类功能，Gemini Decisions API 的综合成本降低近 5 倍。
使用AIsa生成图像与视频。仅需一个API密钥即可调用Gemini 3 Pro Image（图像）和Qwen Wan 2.6（视频）。
目前，该 API 已上线 Google AI Studio 平台，并开放免费额度以支持早期原型开发与实验验证。生态集成方面，OpenRouter、LangChain、Vercel、LiteLLM、Pydantic AI、Pipecat、LiveKit、OpenCode 以及 google-genai SDK 等主流开发工具链已陆续完成适配。面向 Google Cloud 的原生支持也正在紧锣密鼓地推进中。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
