人工智能技术的演进正在从单纯的“生成内容”加速向“高效决策”转变。谷歌近日正式推出了全新的 Gemini Decisions API，这是一个由其底层的 Gemini Decision1模型驱动的全新端点，旨在帮助人工智能智能体在日常运行中做出极速的预设决策，彻底省去了传统模式下生成冗长文本回复的繁琐过程。
核心功能与运行机制:单次前向传递实现高效评分
在底层技术架构上，Gemini Decision1与传统大模型的运行方式有着本质区别。该模型不会采用逐个 Token 生成回复的方式，而是在单次前向传递中直接对预设的选项进行综合评分，最终返回对应的概率和置信度分数。
得益于这一高效的设计，该接口的端到端延迟被大幅压制在150到250毫秒之间，能够满足智能体在高频交互场景下的实时响应需求。
在具体的输入与调用形态方面，Gemini Decisions API 展现出了极强的多模态处理能力。开发人员可以针对包含文本、图像、音频、视频和 PDF 在内的共享多模态输入，在单次 API 调用中评估多达1000个独立问题。具体支持的调用形式包括:
在价格策略方面，谷歌为该 API 制定了极具竞争力的标准:每百万输入 Token 的收费仅为0.10美元。
业内分析人士指出，随着大模型在各行各业的深度嵌入，智能体在后台执行复杂工作流时，往往需要进行大量的轻量级判断与路线选择。Gemini Decisions API 的推出，通过跳过文本生成的中间环节，不仅大幅降低了计算成本与响应延迟，也为构建更加流畅、反应迅速的复杂 AI 智能体应用提供了坚实的底层基础设施。
美东周二，OpenAI首席财务官萨拉·弗莱尔受访披露最新财务与业务数据。第三季度，OpenAI单季营收环比增长近50%，达100亿美元，年化营收约500亿美元，增长异常迅猛。企业业务单季翻番，成为核心增长引擎。人工智能行业商业化变现速度正刷新外界认知，OpenAI的财务表现凸显其强劲势头。
人工智能开源与商业化竞争持续白热化。Meta Superintelligence Labs 正式发布 Muse 品牌第四款、迄今规模最小的多模态推理模型 Muse Ember，专为 AI 智能体日常高频重复性子任务打造，核心定位是专注智能体高频子任务，实现精细化分工。在 Meta 产品矩阵中，各模型角色不同，旗舰级 Muse 等形成分层布局。
人工智能开源与商业化竞争持续白热化。Meta Superintelligence Labs正式发布Muse品牌第四款、迄今规模最小的高效多模态推理模型Muse Ember。该模型专为AI智能体日常运行中高频处理的重复性子任务打造，核心定位是专注智能体高频子任务，实现精细化分工。在Meta产品矩阵中，各模型角色不同，旗舰级Muse等构成分层布局，以差异化能力覆盖多样场景。
OpenAI 11月10日推出“控制室”系统，并已在内部研究设施上线，专用于掐断有风险的AI任务，最快35秒叫停失控智能体。它把智能体训练、评估和数据处理等负载接入中央服务，由系统主动阻断，而非传统监控仅贴标签，实现从“报警”到“断供”的升级，以强化AI安全管控。
11月9日，Meta发布迄今规模最小、运行效率最高的轻量级AI模型Muse Ember。该模型主打高效轻量，定位AI智能体（Agent）日常反复处理的高频任务，场景包括工具调用等，旨在以极致效率满足智能体高强度运转。此举显示人工智能领域“性价比军备竞赛”再添重量级选手。
关注 “悠AI” 更多干货技巧行业动态
相关文章
