Gemini Decision 1 выбирает ответы, а не пишет: $0,10 за млн входных токенов, выход бесплатно
Google выпустила Gemini Decision 1 — модель, которая не пишет текст, а отвечает на закрытые вопросы процентами уверенности. Например, на письмо «кружка пришла треснувшей» она сразу выбирает очередь поддержки, и не нужно платить за JSON, который потом выбрасывают. Вход стоит $0,10 за миллион токенов, выход бесплатный. Для маршрутизации и проверок это выгодно, но порог уверенности придётся задать самому.
AI-обработка оригинала KDnuggets; редакция Hamidun News
Представьте поддержку интернет-магазина: приходит письмо «Синяя кружка, которую я заказал в понедельник, в среду приехала треснувшей». Чтобы отправить его в нужную очередь, большинство команд сегодня зовут полноценную генеративную модель, просят вернуть JSON, разбирают его парсером и платят за выходные токены (кусочки текста, на которые модель режет ответ), которые тут же выбрасывают. Google решила продавать этот слой отдельно. Gemini Decision 1 ничего не пишет: она читает вход и возвращает вероятности для закрытых вопросов вроде «товар повреждён?» и «какая очередь подходит?». Вход стоит $0,10 за миллион токенов, а выход бесплатен, потому что его просто нет. Если в вашем агенте много таких тихих развилок, это способ их удешевить, но с важной оговоркой про порог уверенности, о которой ниже.
Что умеет Decision 1
Модель за один проход читает текст, изображения, видео, аудио и PDF, до 262 144 входных токенов на запрос. К одному входу можно задать до 1000 независимых вопросов трёх видов:
- да или нет: в ответе вероятность от 1% до 99%;
- выбор из 2–255 вариантов: вероятность для каждого;
- оценка по упорядоченной шкале: взвешенный балл и вероятность каждого уровня.
К каждому ответу прикладывается уровень уверенности, по которому неясные случаи можно отправить в запасной путь или живому человеку. Общий вход оплачивается один раз, сколько бы вопросов вы ни задали. Взамен список неподдерживаемого длинный: генерация текста, рассуждения, вызов функций, структурированный вывод, батчи и кэширование. Это движок для оценок, а не чат-бот.
Сама Google уже использует Decisions API в четырёх продуктах. Один маршрутизирует запросы по уровню модели и глубине рассуждений, и Google заявляет, что это сокращает задержку на обычных запросах до 40%. Другой строит играбельные макеты интерфейсов и применяет голосовые или сенсорные правки. Третий, из Google Labs, выбирает эмодзи-реакцию из 200+ вариантов без заметной паузы. Четвёртый служит защитным слоем и проверяет инструменты Model Context Protocol на враждебное поведение.
Что показал тест KDnuggets
Автор прогнал три сценария: пример из быстрого старта Google, её пример с картинкой и собственное неоднозначное сообщение. Письмо про треснувшую кружку модель признала повреждением с вероятностью 99% и отправила в очередь замен с уверенностью 98%. Пример с картинкой тоже сошёлся: пролитая жидкость 95%, действие «протереть тряпкой» 98%, серьёзность 1,19 балла из 2. Во всех вызовах выходных токенов было ноль.
Самый показательный случай — письмо «Списали деньги дважды, ручка отбита». Оно подходит под две очереди, и модель честно это показала: 50,2% за замены, 48,4% за биллинг, общая уверенность 50%. Ущерб при этом она всё равно оценила на 99%. Одного примера мало, чтобы судить о калибровке, её проверяют на тысячах случаев, но нужное поведение проявилось.
Отсюда практическое правило. Если код читает только победителя, спорное письмо уйдёт в очередь так же уверенно, как очевидное, и никакого флага не будет. Ставьте порог по уверенности и всё, что ниже него, отправляйте человеку или в запасной сценарий. Быстрый старт Google печатает только выбор, а в проде этого мало.
Где заявления Google не подтвердились
Скорость. Google называет 150–250 мс от начала до конца. Текстовые вызовы после первого заняли 339–577 мс, и разницу вполне объясняет сетевое расстояние. Запросы с картинками шли 1,1–1,4 секунды: медиана в пять–девять раз выше заявленной. Часть времени, возможно, ушла на загрузку картинки по ссылке и обработку 1064 токенов изображения, но снаружи причины не разделить. К тому же цифры Google относятся к контексту до 16 тысяч токенов, а не к полным 256 тысячам, а одинаковые вызовы отличались больше чем на 300 мс.
Сравнения. Фраза «почти в пять раз дешевле» относится к Gemini 3.5 Flash-Lite на наборе тестов, который выбрала сама Google. Если вы уже сидите на Gemini, это полезно, но это ничего не говорит о том, как Decision 1 выглядит рядом с небольшим дообученным классификатором, который у вас уже работает.
Ограничения. На странице модели заявлена классификация живых медиапотоков, но Live API в списке неподдерживаемого. Пока модель доступна только в экосистеме Gemini, а поддержка Google Cloud ещё помечена как не готовая.
Что делать на практике
Decision 1 хорошо решает одну узкую задачу: она дешёвая, на всех примерах ответила верно и признавала сомнение, когда её на это провоцировали. Для маршрутизации запросов и проверок на нарушение правил её можно пробовать уже сейчас. С первого дня закладывайте в код порог по уверенности, а задержку на своих картинках и видео замерьте до того, как обещать кому-то 200 мс.
- 20 нояб. 2026 г.Microsoft считает в долларах работу ИИ-агентов по 6000 типов задач, но это лишь оценка
- 20 нояб. 2026 г.Google научила Gemini управлять Mac в фоне, не занимая экран и курсор
- 20 нояб. 2026 г.Google построил закрытую копию интернета для проверки ИИ-агентов Chrome
- 20 нояб. 2026 г.Акции Anthropic за первый день выросли на 17% после рекордного IPO на $81,3 млрд
Вопросы и ответы по материалу
Что известно по теме: что умеет Decision 1?
Модель за один проход читает текст, изображения, видео, аудио и PDF, до 262 144 входных токенов на запрос. К одному входу можно задать до 1000 независимых вопросов трёх видов: да или нет: в ответе вероятность от 1% до 99%; выбор из 2–255 вариантов: вероятность для каждого; оценка по упорядоченной шкале: взвешенный балл и вероятность каждого уровня. К каждому ответу прикладывается уровень уверенности, по которому неясные случаи можно отправить в запасной путь или живому человеку.
Что известно по теме: что показал тест KDnuggets?
Автор прогнал три сценария: пример из быстрого старта Google, её пример с картинкой и собственное неоднозначное сообщение. Письмо про треснувшую кружку модель признала повреждением с вероятностью 99% и отправила в очередь замен с уверенностью 98%. Пример с картинкой тоже сошёлся: пролитая жидкость 95%, действие «протереть тряпкой» 98%, серьёзность 1,19 балла из 2. Во всех вызовах выходных токенов было ноль. Самый показательный случай — письмо «Списали деньги дважды, ручка отбита».
Что известно по теме: где заявления Google не подтвердились?
Скорость. Google называет 150–250 мс от начала до конца. Текстовые вызовы после первого заняли 339–577 мс, и разницу вполне объясняет сетевое расстояние. Запросы с картинками шли 1,1–1,4 секунды: медиана в пять–девять раз выше заявленной. Часть времени, возможно, ушла на загрузку картинки по ссылке и обработку 1064 токенов изображения, но снаружи причины не разделить. К тому же цифры Google относятся к контексту до 16 тысяч токенов, а не к полным 256 тысячам, а одинаковые вызовы отличались больше чем на 300 мс.
Протестируйте новые LLM и мультимодальные модели в одном окне
Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.