这是一个让程序取得判断结果的接口

Google 在 2026 年 11 月 11 日公布了 Gemini Decision 模型和 Decisions API。它面向分类、评分等判断任务。普通聊天接口往往返回一段解释文字;这个接口直接给程序返回规定类型的答案和概率信息,便于后续分流、筛选或排序。发布说明

先看一个例子。假设你的网站每天收到很多留言,有人问配送,有人申请售后,也有人提出合作。你希望把留言交给不同的人处理。最简单的需求不是“写一篇对留言的分析”,而是“这条该交给哪个组”。这是我们为解释用途设计的例子,不是某家公司的真实部署案例。

它支持哪三类问题

官方指南列了三类:判断一件事是否成立、从固定选项中选一项、按事先写好的等级评分。调用时要提供输入材料和问题;分类有哪些选项、评分各档代表什么,也需要提前说明。输入支持文字,以及图片、音频、视频和 PDF。接口指南

图中把“AI 判断”和“程序执行”分成了两步。沿用留言的例子,可以先定义“配送、售后、合作、其他”四类,再提交一条留言。接到结果之后,是自动放入某个队列,还是留给人确认,应由你写的程序决定。模型返回了一个类别,不等于已经联系客户或完成售后。

留言分类的概念流程:提交留言与分类规则,取得判断,再由程序决定处理去向。
留言分类的概念流程:提交留言与分类规则,取得判断,再由程序决定处理去向。 图解依据所列官方资料整理,是概念示意,不是产品截图。原创解释图 · Cyber Curio · Cyber Curio 原创解释图;保留所有权利图片来源 · 图片来源

怎样理解返回的概率

概率信息是为了让程序不只看到一个结果,还能决定要不要继续自动处理。比如“商品一直没收到,也想申请退款”同时涉及物流和售后。如果只给一个分类名称,程序很容易把复杂问题当成简单问题。分类规则和后续处理方式都需要考虑这种交叉情形。

一个可行的设计是:结果明确时自动分流,拿不准时交给人。阈值不能凭感觉照抄。官方建议用自己的已标注样本设定阈值,并比较误判的代价;还提醒分类选项应考虑无法归入任何一类的输入。概率与使用建议

因此,图里的“其他”和“人工确认”是我们建议为示例保留的出口,不是一个保证准确的默认配置。它们的作用是让“不合适”也有地方去,而不是强迫每条留言进入某个现成类别。

它和让聊天模型输出分类有什么不同

如果你需要面向人的说明文字,例如解释一条留言为什么让客户不满,聊天模型仍是自然的选择。如果你的程序需要反复判断同一种问题,并直接按结果分支,固定类型的返回值更方便接入。两类需求可以同时存在:先分流,再由客服阅读原文并回复。

官方文档说 Decisions API 不生成输出文本 token,这只说明它的输出方式,不代表整次调用免费。实际费用与限制仍应查看当时的官方说明。本文没有调用接口,也不把文档中的速度或质量描述当成本刊测量。官方指南

真要接入,可以先检查什么

先选一个范围小、能人工核对的分类问题,把“对”与“错”写清楚。再准备明确样本、模糊样本和超出范围的样本,比较输出是否符合预期。最后才决定哪些结果可以自动处理。举例说,“是否提到了配送”比“给所有留言安排最好的解决方案”更容易开始,也更容易发现规则哪里不清楚。