Artificial Analysis 评测 Google 首个决策模型 Gemini Decision 1，Decision Index 得 66 分
Artificial Analysis 评测 Google DeepMind 发布的首个决策模型 Gemini Decision 1，在 Artificial Analysis Decision Index v2.1 得 66 分，与 Elephant 9B、Jev 1.14 持平，落后 Drex Max v1.1 和 GLiDE v1.2 的 73 分 7 分。
Artificial Analysis· @ArtificialAnlys · X·2026-11-12 02:18· 37 分钟前AI 评分58
AI 导读
Artificial Analysis 评测 Google DeepMind 发布的首个决策模型 Gemini Decision 1，在 Artificial Analysis Decision Index v2.1 得 66 分。
正文 · 原文
Google 发布了其首个决策模型 Gemini Decision 1，在 Artificial Analysis Decision Index 上得分 66，并在知识与推理基准测试中领先
来自 @GoogleDeepMind 的 Gemini Decision 1 在 Artificial Analysis Decision Index v2.1 上得分 66，与 Elephant 9B（@baselabs）和 Jev 1.14（@typesafeai）持平，落后于领先者 Drex Max v1.1（@NaceAI）和 GLiDE v1.2（@fastinoAI）7 分，后两者均得分 73。其定价为每 1M 输入 token 0.10 美元，在整个 Index 上每 1M 任务成本为 345 美元，约为 Drex Max v1.1（103 美元）的三倍，原因是其定价更高
Gemini Decision 1 的关键结果：
- 在 Decision Index 上尚未达到前沿水平：Gemini Decision 1 在 Artificial Analysis Decision Index 上得分 66。它在知识与推理基准测试中领先，在 AA-Omniscience-Decision 上得分 66，在 HLE-MultiChoice 上得分 49。它在其他评测中落后，包括我们全新的专有分类与抽取基准 AA-Paperclip，在该基准中，它在 33% 的文档上全部 15 道题均答对，而 Drex Max v1.1 为 63%
- 每任务成本是领先模型的三倍以上：Gemini Decision 1 每 1M 任务成本为 345 美元，而 Drex Max v1.1 为 103 美元，Jev 1.14 为 156 美元。这一差异源于其每 1M 输入 token 0.10 美元的 token 价格，而 Drex Max v1.1 为 0.03 美元。Gemini Decision 1 的每 1M 任务成本与 GPT-6 Luna（Decisions，339 美元）相近
- 推理任务校准表现强劲：我们用 Brier 分数衡量校准，即模型为其所选答案分配的概率与该答案是否正确之间的平均平方差（越低越好）。Gemini Decision 1 在整个 Index 上的 Brier 分数为 0.18，介于 Drex Max v1.1（0.16）和 Jev 1.14（0.19）之间。校准因任务而异，其在 HLE-MultiChoice 上的 Brier 分数为 0.20，是 Index 中所有模型中最低之一，而在 When2Call 上为 0.14，相比之下 Drex Max v1.1 为 0.04
来源：Artificial Analysis · x.com
来源：RadarAI · aihot.news