Gemini Decision 1 现已在 AI Gateway 上线
内容提要
谷歌在AI Gateway上线Gemini Decision 1多模态决策模型，支持文本、图像、音频、视频和PDF输入，返回布尔概率、选项和评分，可用于请求路由、策略检查、工具过滤和结果排序，且不生成输出token。可通过AI SDK、TypeSafe兼容API或Decisions API调用，其中AI SDK 7支持PDF、音频和视频，另两种仅支持文本和图像。调用会计入日志与预算。
延伸解读
决策模型与生成模型的区别
Gemini Decision 1 不生成输出 token，而是返回布尔概率、选项和评分。这意味着它适合做判断类任务，如请求路由、策略检查、工具过滤或结果排序，而不是内容创作。读者需注意，其输出形式是结构化决策结果，而非自然语言文本，因此调用方需按布尔、选项或评分类型解析答案。
不同调用方式的输入能力差异
文章明确指出，通过 AI SDK 7 可支持 PDF、音频和视频输入；而 TypeSafe 兼容 API 与 Decisions API 仅支持文本和图像。若业务场景涉及音视频或 PDF 文档的多模态决策，应优先选择 AI SDK 7 调用方式，否则可能无法传入相应格式的输入。
调用会计入日志与预算
虽然 Gemini Decision 1 不生成输出 token，但文章提醒决策调用仍会出现在 AI Gateway 的日志中，并与其他模型请求一样计入预算。这意味着使用该模型并非零成本，团队在规划路由、策略检查等高频决策场景时，需将调用次数纳入预算监控，避免因频繁调用产生意外开销。
Q&A
Gemini Decision 1 是什么？它有什么特别之处？
Gemini Decision 1 是谷歌推出的多模态决策模型，支持文本、图像、音频、视频和 PDF 输入，返回布尔概率、选项和评分，且不生成输出 token。
Gemini Decision 1 可以用在哪些场景？
可用于请求路由、策略检查、工具过滤和结果排序等决策任务。
如何调用 Gemini Decision 1？不同调用方式支持哪些输入类型？
可通过 AI SDK、TypeSafe 兼容 API 或 Decisions API 调用。AI SDK 7 支持 PDF、音频和视频输入；TypeSafe 兼容 API 和 Decisions API 仅支持文本和图像输入。
使用 Gemini Decision 1 会产生输出 token 吗？调用会计入日志和预算吗？
不会生成输出 token。调用会计入 AI Gateway 的日志，并与其他模型请求一样计入预算。
Gemini Decision 1 支持哪些类型的输入？
支持文本、图像、音频、视频和 PDF 文档输入。
Gemini Decision 1 返回什么样的结果？
返回布尔概率、选项和评分，用于决策任务。
