谷歌官宣不写字的模型：一次判 1000 道题，输出免费11 月 11 日，谷歌发了个怪模型。
它不写一个字，只干一件事：判断。一次判 1000 道题，每道只吐一个数，外加一个置信度。
输入每百万 token 收 0.1 美元，输出免费。
这放在一年前想都不敢想：一个语言模型，居然不生成语言。
一、它把「判断」从「说话」里拆了出来过去一年，所有大模型都在比谁能说、能写、能推更长的链子。谷歌这次反着来：让模型闭嘴，只回判断。
我在 X 上刷到谷歌 CEO 桑达尔·皮查伊亲自发的推文，介绍这个 Gemini Decision 1。他说它跟以前所有模型都不一样——不逐字生成文字，只做闭集选择。
能选的类型就三种：是/否、最多 255 个选项里挑一个、按标准打分。
官方演示很朴素：拿一张茶水间台面的照片，同时问它三道题。它交回来的不是一段话，是三个数——台面有洒漏，0.95；该用布擦，98%；脏乱程度 1.19 分，满分 2 分。
一句多余的话都没有。

能喂给它的东西也全：文本、图像、音频、视频、PDF，一次最多塞 1000 道题，256K 上下文窗口。
说白了，它把「判断」从「说话」里拆了出来。判断这活儿，本来就不需要长篇大论，一个数加一个把握就够。
二、便宜到「每一步都问一句」也花得起做 agent 的人都知道，最贵的一环从来不是推理，是判断。
一个 agent 跑完一个任务，中间要做几十次小判断：这一步该调哪个工具、这段上下文重不重要、上一步失败要不要重试、下一步交给哪个模型。这些判断每时每刻都在发生，过去全得按「写文章」的价格来付。
Logan Kilpatrick 在推文里把账算得很死：输入每百万 token 0.1 美元，输出免费，没有额外费用。
我按这个价算了一笔：让通用模型写一段 500 字的结论，和让它只回一个「是/否」，token 数能差上百倍。判断这种调用，本来就该按判断计价。

速度也够用：端到端 150 到 250 毫秒，问题从 1 道加到 100 道，延迟几乎不涨。把它塞进 agent 里做每一步的小判断，既便宜又快。
三、9 项测试 7 项第一，但它不是万能谷歌这次对比的对手挑得很刁：GPT-6 Luna、专做分类的 TypeSafe Jev 1.14，还有自家的 Gemini 3.5 Flash-Lite。
结果 9 项基准测试拿下 7 项第一，概率校准也排第一。JevBench 上它 92.2%，压过 GPT-6 Luna 的 90.9%。

但它有两条短板得说清楚。
剩下 2 项测试和总调用成本上，对手各有胜场。更根本的是，它只会判断、不会生成——让它写文章、写代码、推长链，一样都干不了。
也有人担心：闭集选择天生漏掉「题没出对」的情况。你给它 4 个选项，正确答案却不在里面，它只能在错里挑一个最像的。这种活，还是得留个口子让人兜底。
这不算缺陷，是分工：把最频繁的小判断拆出来做专，剩下的生成交给会写的模型，拿不准的交给真人。
收束Gemini Decision 1 改变的是成本结构：把 agent 里最该便宜的那个动作，单独做成了模型。
它没改变的是：判断再准，也只是流水线里的一环，真正难的长链路推理还得靠会生成的模型。
一句话——以前是让模型「把话说完」，现在是让模型「先答是或否」。
这也回答了一个更早的问题：AI 走进现实，不一定靠更会聊，也可能靠更会判、判得更便宜。
判断这种最不起眼的动作，第一次有了自己的专属模型，也有了专属的价。这也是我第一次见一个模型，官方宣传语不是「更聪明」，而是「更便宜地做判断」。
你更愿意 AI 直接替你下判断、还附一个置信度，还是永远只给建议、拍板权留给你自己？
#探寻人工智能，从技术到真实世界#