Google 推出 Gemini Decision 1 决策模型 API，支持视频与 PDF 多模态输入

事件核心：发生了什么

根据 Simon Willison 的博文，Google 发布了名为 Gemini Decision 1 的决策模型 API，功能形态与已有的 Jev 高度相似：同样支持是/否判断、多选项和评分量表三类问题，甚至连 Jev 用于是/否问题的术语“Noul”也被沿用。定价上与 OpenAI 的 GPT-6 Luna 决策模型一致，每百万输入 token 收费 10 美分，输出免费；Jev 仍是三者中最便宜的，每百万输入 token 4.2 美分。区别在于输入模态：Jev 仅支持文本和 JSON，OpenAI 可处理文本和图像，Gemini Decision 1 则覆盖文本、图像、音频、视频和 PDF。Willison 用一段机器人踩踏的视频做了测试，并指出 Jev 和 OpenAI 对是/否问题返回 1.0 或 0.0，而 Gemini 给出的置信度略低。

为什么重要

决策模型 API 正在成为大模型厂商的一条新细分赛道。这类接口不生成长篇内容，而是把模型能力收敛为结构化的判断输出，适合分类、审核、质检等场景。三家厂商功能接近、价格趋同，说明竞争焦点已从“能不能做”转向“在什么输入上做”。Gemini 把多模态作为差异化卖点，意味着视频、音频乃至 PDF 这类非结构化材料可以直接进入自动化判断流程，而不必先做一道转写或抽帧的预处理。

对用户/开发者/创作者的影响

对开发者来说，这类 API 的接入成本较低，输出格式规整，适合嵌入工作流；如果手头数据以视频或扫描件为主，Gemini 的多模态能力可以减少前置处理环节。对普通用户和创作者而言，短期内更可能通过第三方工具间接用到它，例如内容审核、素材筛选或问卷打分。需要提醒的是，Willison 的视频测试仅是一次个人验证，置信度差异不等于准确率排名，选型仍应基于自己的业务样本做评测。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

一是 Gemini Decision 1 的多模态输入是否在正式 API 中全面开放，以及各模态的计费是否仍按统一 token 价格执行；二是 Jev 和 OpenAI 是否跟进多模态或调整价格；三是开发者社区能否给出可复现的横向评测，尤其是视频和 PDF 场景下的稳定性。目前公开信息显示，上述测试细节来自单一来源，尚缺乏更大规模的对比数据。

来源：Simon Willison